后续很快就要进入Spark的学习,在学习之前也是要铺垫一个知识点:进程是什么?线程是什么?两者有什么区别?又有什么关系?
一. 并发与并行
- 并发:在一段时间内快速交替去执行多个任务(多线程)
- 并行:在一段时间内真正的同时一起执行多个任务(多进程)
二. 进程(Process)
- 是操作系统进行资源分配的基本单位
- 进程可以有一个或多个子进程
- 最原始的父进程是由操作系统提供的
- 进程之间不共享变量
- 子进程可以设置为守护进程
- 主进程主动终止子进程
多线程示例
import time
import os
import multiprocessing
# os.getpid():process id,获取进程的编号
# os.getppid():parent process id,获取父进程编号# 跳舞函数
def dance():print(f'dance进程的编号:{os.getpid()},父进程编号:{os.getppid()}')for i in range(5):print('跳舞中...')# 休眠1秒钟time.sleep(1)# 唱歌函数
def sing():print(f'sing进程的编号:{os.getpid()},父进程编号:{os.getppid()}')for i in range(5):print('唱歌中...')# 休眠1秒钟time.sleep(1)if __name__ == '__main__':# 最原始的父进程是由操作系统提供的print(f'主进程的编号为:{os.getpid()},父进程编号:{os.getppid()}')# 创建两个进程,一个执行 dance 函数,另一个执行 sing 函数dance_process = multiprocessing.Process(target=dance)sing_process = multiprocessing.Process(target=sing)# 启动进程dance_process.start()sing_process.start()
多线程执行带有参数的任务示例
import multiprocessing
import time# 带有参数的任务(函数)
def task(count):for i in range(count):print('任务执行中...')time.sleep(0.2)else:print('任务执行完成')if __name__ == '__main__':# 传参方式1 args=(参数值1, ...)# task_process = multiprocessing.Process(target=task, args=(3,))# 传参方式2 kwargs={'形参字符串1': 值1, '形参字符串2': 值2, ...}task_process = multiprocessing.Process(target=task, kwargs={'count': 5})# 启动进程task_process.start()task_process.join()print('这行代码一定等task_process进程执行完毕之后才会运行,打印')
进程之间不共享变量示例
import multiprocessing
import time# 定义全局变量
g_list = []# 添加数据的函数
def add_data():for i in range(5):g_list.append(i)print('add:', i)time.sleep(0.2)print('add:', g_list)# 读取数据的函数
def read_data():print('read:', g_list)if __name__ == '__main__':# 创建添加数据的子进程add_data_process = multiprocessing.Process(target=add_data)# 创建读取数据的子进程read_data_process = multiprocessing.Process(target=read_data)# 启动添加数据子进程add_data_process.start()# 阻塞等待:主进程等待 add_data_process 执行完成,再向下继续执行add_data_process.join()# 启动读取数据子进程read_data_process.start()# 主进程读取数据print('main:', g_list)# 主进程延时 1stime.sleep(1)print('主进程结束!')
子进程设为守护进程示例
主进程结束,设为守护进程的子进程主动结束
import multiprocessing
import timedef task():for i in range(10):print('任务执行中...')time.sleep(0.5)if __name__ == '__main__':# 创建子进程并启动sub_process = multiprocessing.Process(target=task)# TODO:设置子进程为守护进程sub_process.daemon = Truesub_process.start()# 主进程延时 1stime.sleep(1)print('主进程结束!')
主进程终止子进程
子进程被动结束
import multiprocessing
import time# 任务函数
def task():for i in range(10):print('任务执行中...')time.sleep(0.5)if __name__ == '__main__':# 创建子进程并启动sub_process = multiprocessing.Process(target=task)sub_process.start()# 主进程延时 1stime.sleep(1)print('主进程结束!')# TODO: 终止子进程sub_process.terminate()
三. 线程(Thread)
- 是CPU进行调度的基本单位
- 线程可以有一个或多个子线程
- 线程是由进程主动创建出来的,创建第一次创建子线程时才会出现主线程
- 线程共用全局变量
多线程示例
import time
import threading# 跳舞函数
def dance(num):for i in range(num):print('跳舞中...')time.sleep(1)# 唱歌函数
def sing(num):for i in range(num):print('唱歌中...')time.sleep(1)if __name__ == '__main__':# 创建两个线程,分别执行 dance 和 singdance_thread = threading.Thread(target=dance, args=(5,))sing_thread = threading.Thread(target=sing, kwargs={'num':5})# 启动线程dance_thread.start()sing_thread.start()
线程公用全局变量示例
import threading
import time# 定义全局变量
g_list = []# 添加数据的函数
def add_data():for i in range(5):g_list.append(i)print('add:', i)time.sleep(0.2)print('add:', g_list)# 读取数据的函数
def read_data():print('read:', g_list)if __name__ == '__main__':# 创建添加数据的子线程add_data_thread = threading.Thread(target=add_data)# 创建读取数据的子线程read_data_thread = threading.Thread(target=read_data)# 启动添加数据子线程add_data_thread.start()# 阻塞等待:主线程等待 add_data_thread 执行完成,再向下继续执行add_data_thread.join()# 启动读取数据子线程read_data_thread.start()# 阻塞等待:主线程等待 read_data_thread 执行完成,再向下继续执行read_data_thread.join()print('main:', g_list)
join()使用总结:
1- 作用:线程等待子线程执行结束
2- 使用场景:主线程需要使用多个子线程运行的最终结果,才能够继续往下运行。
线程互斥锁示例
注释lock锁相关代码,并使用 低版本的Python解释器(python3.6.5) 才能看到线程资源安全问题的效果!Python 3.10 已经解决了该问题!
# 互斥锁:多个线程去抢同一把"锁",抢到锁的线程执行,没抢到锁的线程会阻塞等待
import threading# 定义全局变量
g_num = 0# 创建一个多线程互斥锁
lock = threading.Lock()def sum_num1():global g_num# 循环一次给全局变量加1for i in range(1000000):# 抢到锁,代码可以继续向下执行,否则就会阻塞等待lock.acquire() # 抢锁g_num += 1lock.release() # 释放锁print('sum1:', g_num)def sum_num2():global g_num# 循环一次给全局变量加1for i in range(1000000):# 抢到锁,代码可以继续向下执行,否则就会阻塞等待lock.acquire() # 抢锁g_num += 1lock.release() # 释放锁print('sum2:', g_num)if __name__ == '__main__':# 创建两个线程first_thread = threading.Thread(target=sum_num1)second_thread = threading.Thread(target=sum_num2)# 启动两个线程first_thread.start()second_thread.start()# 阻塞等待:主线程等待子线程结束再向下运行first_thread.join()second_thread.join()print(g_num)
四. 资源共享的注意点
线程的资源共享问题(只存在于低版本的Python解释器比如3.6.5,3.10已解决):当多个线程同时操作同一个共享的全局变量时,可能会造成错误的结果,解决办法如下
- 线程同步:保证同一时刻只能有一个线程去操作共享资源(全局变量)
- 线程等待
thread.join()
:- 让一个线程完全执行结束,再去执行另一个线程
- 缺点:一个执行完再执行另一个,和单任务几乎没有区别
- 互斥锁:
- 多个线程去抢同一把"锁",threading.Lock()抢到锁的线程执行,没抢到锁的线程会阻塞等待。
- 缺点:虽然保障程序执行的多任务,如果频繁的加锁、释放锁会额外增加执行的时间消耗
- 线程等待
- 从场景下手:不用多线程做累加count操作,只做append操作!
五. 进程线程对比
- 进程是操作系统资源分配的基本单位,线程是CPU调度的基本单位。
- 线程不能够独立执行,必须依存在进程中。
- 创建进程的资源开销要比创建线程的资源开销要大。
- 进程之间不共享全局变量,线程之间共享全局变量,但是在低版本的Python中要注意线程资源竞争的问题。
- 进程稳定性高,适合计算密集型任务;线程适合IO密集型任务
- 目前Python多线程不能利用CPU多核心优势,想利用CPU多核心的优势,Python只能采用多进程