Python的多執行緒和多程序

一、簡介

並行是今天計算機程式設計中的一項重要能力，尤其是在面對需要大量計算或I/O操作的任務時。Python 提供了多種並行的處理方式，本篇文章將深入探討其中的兩種：多執行緒與多程序，解析其使用場景、優點、缺點，並結合程式碼例子深入解讀。

二、多執行緒

Python中的執行緒是利用threading模組實現的。執行緒是在同一個程序中執行的不同任務。

2.1 執行緒的基本使用

在Python中建立和啟動執行緒很簡單。下面是一個簡單的例子：

import threading
import time

def print_numbers():
    for i in range(10):
        time.sleep(1)
        print(i)

def print_letters():
    for letter in 'abcdefghij':
        time.sleep(1.5)
        print(letter)

thread1 = threading.Thread(target=print_numbers)
thread2 = threading.Thread(target=print_letters)

thread1.start()
thread2.start()

在這個例子中，print_numbers和print_letters函數都在各自的執行緒中執行，彼此互不干擾。

2.2 執行緒同步

由於執行緒共用記憶體，因此執行緒間的資料是可以互相存取的。但是，當多個執行緒同時修改資料時就會出現問題。為了解決這個問題，我們需要使用執行緒同步工具，如鎖（Lock）和條件（Condition）等。

import threading

class BankAccount:
    def __init__(self):
        self.balance = 100  # 共用資料
        self.lock = threading.Lock()

    def deposit(self, amount):
        with self.lock:  # 使用鎖進行執行緒同步
            balance = self.balance
            balance += amount
            self.balance = balance

    def withdraw(self, amount):
        with self.lock:  # 使用鎖進行執行緒同步
            balance = self.balance
            balance -= amount
            self.balance = balance

account = BankAccount()

特別說明：Python的執行緒雖然受到全域性直譯器鎖（GIL）的限制，但是對於IO密集型任務（如網路IO或者磁碟IO），使用多執行緒可以顯著提高程式的執行效率。

三、多程序

Python中的程序是通過multiprocessing模組實現的。程序是作業系統中的一個執行實體，每個程序都有自己的記憶體空間，彼此互不影響。

3.1 程序的基本使用

在Python中建立和啟動程序也是非常簡單的：

from multiprocessing import Process
import os

def greet(name):
    print(f'Hello {name}, I am process {os.getpid()}')

if __name__ == '__main__':
    process = Process(target=greet, args=('Bob',))
    process.start()
    process.join()

3.2 程序間的通訊

由於程序不共用記憶體，因此程序間通訊（IPC）需要使用特定的機制，如管道（Pipe）、佇列（Queue）等。

from multiprocessing import Process, Queue

def worker(q):
    q.put('Hello from

 process')

if __name__ == '__main__':
    q = Queue()
    process = Process(target=worker, args=(q,))
    process.start()
    process.join()

    print(q.get())  # Prints: Hello from process

特別說明：Python的多程序對於計算密集型任務是一個很好的選擇，因為每個程序都有自己的Python直譯器和記憶體空間，可以平行計算。

One More Thing

讓我們再深入地看一下concurrent.futures模組，這是一個在Python中同時處理多執行緒和多程序的更高階的工具。concurrent.futures模

塊提供了一個高階的介面，將非同步執行的任務放入到執行緒或者程序的池中，然後通過future物件來獲取執行結果。這個模組使得處理執行緒和程序變得更簡單。

下面是一個例子：

from concurrent.futures import ThreadPoolExecutor, as_completed

def worker(x):
    return x * x

with ThreadPoolExecutor(max_workers=4) as executor:
    futures = {executor.submit(worker, x) for x in range(10)}
    for future in as_completed(futures):
        print(future.result())

這個程式碼建立了一個執行緒池，並且向執行緒池提交了10個任務。然後，通過future物件獲取每個任務的結果。這裡的as_completed函數提供了一種處理完成的future的方式。

通過這種方式，你可以輕鬆地切換執行緒和程序，只需要將ThreadPoolExecutor更改為ProcessPoolExecutor。

無論你是處理IO密集型任務還是計算密集型任務，Python的多執行緒和多程序都提供了很好的解決方案。理解它們的執行機制和適用場景，可以幫助你更好地設計和優化你的程式。

如有幫助，請多關注
個人微信公眾號：【Python全視角】
TeahLead_KrisChang，10+年的網際網路和人工智慧從業經驗，10年+技術和業務團隊管理經驗，同濟軟體工程本科，復旦工程管理碩士，阿里雲認證雲服務資深架構師，上億營收AI產品業務負責人。

一文掌握Python多執行緒與多程序