Python进程和线程

上周 让我告诉你有关Python进程和线程的知识。

什么是进程？ 操作系统分配资源的基本单位。
每个进程都有自己独立的内存空间。
系统资源也是独立的。
全局变量也有自己的变量。

如何创建流程？ 使用 multiprocessing.Process 类。
比如这个例子： 蟒蛇 from multiprocessing import Process
def task(): print("子进程执行")
if __name__ == '__main__': p = 进程（目标=任务） p.start() p.join()
什么场景适合使用流程？ 适合计算密集型任务。
比如图像处理。
或者数值模拟。
也有需要隔离环境的时候。
防止子进程崩溃影响主程序。

线程呢？ 它是进程中的执行单元。
共享进程内存空间。
全局变量和文件句柄是共享的。

如何创建线程？ 使用 threading.Thread 类。
比如这个例子： 蟒蛇 导入线程
def task()： print("线程执行")
thread = threading.Thread(target=task) 线程.start() 线程.join()
GIL 有什么影响？ Python 解释器使用 GIL。
确保一次只有一个线程执行字节码。
所以CPU密集型任务中的多线程 没有性能提升。
但在 I/O 密集型任务中 效率会提高。

多线程和单线程有什么区别？ I/O 密集型任务： 多线程可以提高效率。
当线程等待网络响应时 其他线程可以继续执行。

CPU密集型任务： 多线程受GIL限制 无法并行化。
性能与单线程几乎相同。
即使因为线程切换开销 也许甚至更低。

进程和线程的比较： 资源使用情况： 进程独立占用内存。
线程共享进程内存。

通讯： 进程之间的通信需要管道和队列。
直接访问线程之间的共享变量。
但需要同步机制。

稳定性： 进程崩溃不会影响其他进程。
线程崩溃可能会导致进程终止。

启动开销： 进程创建和切换的成本很高。
线程开销很小。

并行功能： 多个进程可以利用多核 CPU。
实现真正的并行。
多线程受GIL限制 同一时刻只有一个线程在执行。

多线程和进程选择哪一个？ 多线程适合什么用途？ I/O 密集型任务。
比如网络爬虫。
GUI 应用程序也可以工作。
需要频繁交互的场景。

什么适合多进程？ CPU 密集型任务。
比如机器学习训练。
需要高隔离度的场景。

示例代码（多进程并行）： 蟒蛇 from multiprocessing import Pool
def square(x)： 返回 x x
如果 __name__ == '__main__': 将 Pool(4 ) 作为 p： 结果 = p.map(正方形, [1 , 2 , 3 , 4 ]) 打印（结果）输出：[1 ,4 ,9 ,1 6 ]
总结一下： 进程和线程资源隔离， 并行能力及适用场景 一切都不同。
I/O 任务的多线程 但受GIL限制。
多个进程可以并行运行 但资源开销较高。
开发者必须根据任务类型来决定 选择合适的并发模型。
没关系。

Python中，线程threading详解

用钥匙锁。
保护共享数据。
一次更改一个线程。
lock.acquire() 获取锁。
lock.release() 释放锁。
锁没有释放，线程休眠后释放。
num 值未修改，下一个线程编号为 1 00。
GIL 阻止解释器的全局级别。
限制一次执行一个线程。
阻塞问题。
线程竞争资源并互相中断。
无法继续执行。
死锁解决策略： 避免堵塞。
检测并恢复。
防止堵塞。
移除块。
重入锁（RLlock）。
同一线程多次请求同一资源。
维护内部锁和计数器。
计数器记录获胜次数。
在它们吸收所有释放后，其他线程获得资源。
红绿灯。
控制对有限资源的访问。
计数器代表可用资源的数量。
semaphore.acquire() 获取资源。
semaphore.release() 释放资源。
有效管理资源访问。
条件变量（Condition）。
链接到锁，共享资源被同步。
方法：buy()、release()、wait()、notify()、notifyAll()。
等待某些条件满足后再执行。
防止不必要的资源访问和等待。
事件阻塞对象。
线程之间的通信。
默认状态为 False。
Start 遇到 Event 对象并被阻止。
信号事件.set()。
方法：wait()、set()、clear()、isSet()。
线程之间的同步。
注意阻塞问题。
了解正确使用的关键。
练习案例掌握方法。

python线程阻塞的解决

哎，说起来，我以前也遇到过线程阻塞的问题，当时确实很头疼。
我记得那是2 01 8 年，我在一家初创公司从事后端开发。
当时，该公司推出了在线教育平台。
用户数量突然增加，后台线程的用户请求被阻塞。

我当时使用的方法是多线程，想通过创建多个线程来分担压力。
导致主线程阻塞后，所有线程都被卡住，整个系统响应速度非常慢。
现在我想，我需要找到一种方法，尽量减少她关闭主线程的机会。

所以我开始研究。
首先，我使用线程模块创建多个子线程，并将一些耗时的 I/O 操作（如数据库查询）转储到子线程中进行处理。
主线程负责执行一些轻量级任务。
但是这个问题并没有完全解决，因为线程之间的通信仍然存在问题，数据共享导致竞争条件。
有时，线程在处理数据之前检索数据。

后来想到用队列来解决这个问题，这样线程就可以通过队列传递数据，避免直接共享数据，问题也稍微好一些。
不过这种方法也有缺点，那就是效率不是很高，因为排队过程本身就有一定的利润。

然后我尝试使用asyncio来处理I/O密集型任务，并使用async/wait语法编写了一些异步代码，这样主线程就不会因为I/O操作而被阻塞。
但这种方式对网络请求的响应速度要求比较高。
如果网络延迟较大，结果就不太好。

后来我尝试为网络请求和线程锁都设置超时机制。
一旦通过，我就跳过它或者重试，这样至少程序不会因为等待而卡住。

最后，我使用信号量和状态变量来控制会议，防止资源过载，并控制状态协调。
这些方法虽然很复杂，但是确实很有效。

解决短线程关闭问题要根据具体情况而定。
有时有多个线程，有时是异步编程，有时是超时机制，有时是并发控制工具，有时是协程。
但归根结底，主线程还是为了不被阻塞，提高交换能力。
这个过程让我学到了很多。