pin_drop当前位置:知识文库 ❯ 图文
Python进程与线程概念详解 - 并发与并行入门指南
概述
进程与线程是操作系统中两个核心的并发概念。进程是资源分配的基本单位，线程是CPU调度的基本单位。理解两者的区别与联系，是学习Python多线程与多进程编程的基础。
进程与线程对比
并发与并行
并发（Concurrency）
并发是指多个任务在同一时间段内交替执行。在单核CPU上，通过时间片轮转的方式，让多个任务轮流使用CPU，从宏观上看像是同时执行，但微观上是交替执行。
并行（Parallelism）
并行是指多个任务在同一时刻真正同时执行。需要多核CPU的支持，每个核心可以同时执行一个任务。
代码示例
# 并发与并行的直观理解
import threading
import multiprocessing
import time
def task(name, delay):
"""任务函数"""
print(f"任务 {name} 开始")
time.sleep(delay)
print(f"任务 {name} 结束")
# 并发执行（线程）- 适合IO密集型任务
t1 = threading.Thread(target=task, args=("A", 1))
t2 = threading.Thread(target=task, args=("B", 1))
t1.start()
t2.start()
t1.join()
t2.join()
# 并行执行（进程）- 适合CPU密集型任务
p1 = multiprocessing.Process(target=task, args=("C", 1))
p2 = multiprocessing.Process(target=task, args=("D", 1))
p1.start()
p2.start()
p1.join()
p2.join()Python中的进程与线程
Python通过标准库提供了对进程和线程的支持：threading 模块用于线程操作，multiprocessing 模块用于进程操作。
代码示例
# Python中创建线程示例
import threading
def worker(num):
"""线程工作函数"""
print(f"线程 {num} 正在运行")
# 创建并启动线程
threads = []
for i in range(5):
t = threading.Thread(target=worker, args=(i,))
threads.append(t)
t.start()
# 等待所有线程完成
for t in threads:
t.join()
print("所有线程执行完毕")代码示例
# Python中创建进程示例
import multiprocessing
def worker(num):
"""进程工作函数"""
print(f"进程 {num} 正在运行")
if __name__ == '__main__':
processes = []
for i in range(5):
p = multiprocessing.Process(target=worker, args=(i,))
processes.append(p)
p.start()
for p in processes:
p.join()
print("所有进程执行完毕")适用场景
-
IO密集型任务：使用多线程，如网络请求、文件读写、数据库查询等
-
CPU密集型任务：使用多进程，如数值计算、图像处理、数据分析等
-
混合型任务：结合使用多进程和多线程，发挥各自优势
-
异步任务：使用asyncio处理大量并发IO操作
注意事项
注意1：Python的GIL（全局解释器锁）限制了同一时刻只能有一个线程执行Python字节码，因此多线程不适合CPU密集型任务。
注意2：多线程共享内存空间，访问共享资源时必须使用锁机制，避免数据竞争和不一致。
注意3：多进程虽然可以绕过GIL限制，但进程间通信开销较大，应根据实际需求选择合适的并发方式。
小结
-
进程是资源分配的基本单位，拥有独立的内存空间
-
线程是CPU调度的基本单位，共享所属进程的内存空间
-
并发是交替执行，并行是同时执行
-
IO密集型用多线程，CPU密集型用多进程
练习题
练习1
编写程序，分别使用线程和进程执行相同的计算任务，比较两者的执行时间和资源占用情况。
练习2
编写一个程序，模拟IO密集型任务（如下载多个网页），使用多线程实现并发下载，并统计总耗时。
常见问题
1. Python中什么时候用多线程，什么时候用多进程？
IO密集型任务（网络请求、文件读写）适合用多线程，CPU密集型任务（数值计算、图像处理）适合用多进程。这是因为Python的GIL限制了多线程在CPU密集型任务上的并行能力。
2. 什么是GIL？它对多线程有什么影响？
GIL（全局解释器锁）是Python解释器中的一个互斥锁，它确保同一时刻只有一个线程执行Python字节码。这意味着即使在多核CPU上，Python的多线程也无法实现真正的并行执行，只能实现并发。
3. 进程间通信有哪些方式？
进程间通信（IPC）的方式包括：管道（Pipe）、消息队列（Queue）、共享内存、信号量（Semaphore）、套接字（Socket）等。Python的multiprocessing模块提供了Queue和Pipe等便捷的IPC机制。
4. 为什么多线程比多进程更节省资源？
线程共享所属进程的内存空间，创建线程时不需要分配新的内存空间，只需要分配栈空间和寄存器状态。而进程需要独立的内存空间，创建进程时需要复制父进程的内存空间，开销较大。
本文涉及AI创作
内容由AI创作，请仔细甄别
