【Python成长之路】python并发学习：多进程与多线程的用法及场景介绍

刚开始学习Python 并发查询或者并发读写时，看到大神们说，多线程是python的鸡肋，要学就学多进程。好吧，我连多线程怎么写都不知道呢。

因此，就写了以下的示例代码。代码目的是将test.txt文件中的内容，以并发的方式（多线程/多进程）进行写入新文件中，以此来验证两种并发方式的效率。

示例代码

# coding=utf-8
# @Auther : "鹏哥贼优秀"
# @Date : 2019/8/10
# @Software : PyCharm 
 
from multiprocessing import Pool
import time
import threading
 
# 多进程的写数据方法
def writedata(content):
    with open("new1.txt", "a") as f:
        f.writelines(content)
        
# 定义自己的多线程继承类
class myThread(threading.Thread):
    # 声明myThread是多线程的继承类
    def __init__(self, content):
        threading.Thread.__init__(self)
        self.content = content
    
    # 多线程运行的内容
    def run(self):
        threadingLock = threading.Lock()
        threadingLock.acquire()
        self.my_writedata(self.content)
        threadingLock.release()
        
    # 多线程的写数据方法
    def my_writedata(self, content):
        with open("new2.txt", "a") as f:
            f.writelines(content)
 
if __name__ == "__main__":
    # 创建一个test.txt，用于数据读取后的写入
    with open("test.txt","w")as f_w:
        for i in range(1000):
            f_w.write(str(i)+"\n")
    # 多进程读写
    print("开始计时(多进程写入)")
    t0 = time.time()
    with open("test.txt", "r", encoding="utf-8")as f:
        content = f.readlines()
    pool = Pool(processes=4)
    pool.map_async(writedata(content), range(len(content)))
    pool.close()
    pool.join()
    t1 = time.time()
    print("完成时间为：{0}".format(t1 - t0))
    # 多线程读写
    print("开始计时(多线程写入)")
    t2 = time.time()
    with open("test.txt", "r", encoding="utf-8")as f:
        content = f.readlines()
    threads = []
    threadnum = 4
    eline = len(content) // threadnum
    for i in range(threadnum):
        threadtemp = myThread(content[i * eline:(i + 1) * eline])
        threadtemp.start()
        threads.append(threadtemp)
    for i in threads:
        i.join()
    t3 = time.time()
    print("完成时间为：{0}".format(t3 - t2))

效果

（第一个是多进程，我开始的时候打错字了。）

知识点

1、多进程 代码流程：

（1）创建进程池，并明确进程数。这里我用的是4个进程，是因为我本地PC机的CPU核是4个。查询方法：

multiprocessing.cpu_count() 即可知道核数了

（2）将具体要执行的方法加入到进程池的异常（map_async）处理中。当然也可以用map方法。其中，map_async方法里需要 2个参数，一个是具体要执行的函数，一个是表示循环执行的次数，类型是个list。示例代码中，因为每次wirtedata是只写了content的一行，因此一共要写len(content)次

（3）最后就是进程池后的关闭，并且在子进程关闭后，主程序才继续往下执行。join()方法无论 是对多线程不是多进程，用途是一样的。

从代码实现上，个人觉得多进程流程简单明了，并且各进程之间写数据是顺序的，不会像多线程因为GIL的随机问题导致进程顺序混乱的问题。但是唯一的问题是，写时间是有点长。

2、多线程代码流程：

       本文采用的是继承threading类的方法，即需要重构run方法。个人觉得这种方式，层次更加清晰，而且能根据自己的目的灵活重构run方法。下面重点介绍这种方法。

（1）定义一个继承threading类的对象，然后重构run方法。其中run方法，需要考虑到锁的问题。为什么要考虑锁呢？因为存在多个线程同时写文件的情况，如果不加锁，就会出现多个线程同时写相同一条数据的情况，导致出现脏数据。

run方法的重构也很简单，先加锁，再加入自己想要的函数，最后解锁。

（2）mythread类的编写，我还是很快就学会了，但问题是如何将test.txt让多线程写入。

一开始，我是这么写的：

for i in range(threadnum):

    threadtemp = myThread(content)

    threadtemp.start()

    threads.append(threadtemp)

发现每个线程都重复将test.txt里的内容都写了一次，也是相当于重复写了4次。这里就是和多进程用法不同的地方了。

说明

多进程，由于不共享资源，因此每个进程都能读取到不同的content内容；多线程，线程之间相互共享，如果要它实现并发的功能，必须给每个线程指定要写的内容。因此最后示例代码中我就通过 content[i * eline:(i + 1) * eline]给每个线程指定了不同的写入内容。

（3）在主函数中，需要把各线程进行start，最后就是等各子线程结束后，主线程再往下执行。

从最后代码行上来看，个人觉得多线程其实是麻烦点的。另外，还有个麻烦的地方是：多线程在调用时是随机调用的，什么意思？就是thread1结束后，第二个运行的是thread9，而不是thread2。那么问题来了，既然大神建议我们用多进程，而且多进程写起来简单，那是不是所有场景都使用多进程呢？

3、多线程和多进程的使用场景：

多线程使用场景：IO操作密集的场景，比如爬虫，web访问等，需要频繁从网络、硬盘、内存等读写数据。这种情况 下，因为单线程下的IO操作会有IO等待，造成不必要的时间浪费，因此采用多线程就能在线程A等待时，开启线程B的操作。

多进程使用场景：CPU计算密集的场景，比如科学计算、循环处理等。这些场景因为计算工作量大，可能会出现单线程超时释放GIL，从而 引发其他多个线程的抢夺，反而效果不好。

那为什么大神们说最好用多进程呢？应该是为了充分利用多核CPU，不然我们的PC机都要买多核CPU呢？

再回到本示例代码，从结果上来看，是多线程的效率更快些，也说明硬盘读写的场景更建议用多线程；但是多线程的结果，即new2.txt里是乱序的，哎。不过我觉得应该有办法解决的，但本人下次再学习。

参考

http://www.uml.org.cn/python/201901221.asp 如果还不理解，建议先看这篇文章，我也是看了这篇文章后就懂了怎么写多进程。

http://www.uml.org.cn/python/201901221.asp

https://blog.csdn.net/qq610850653/article/details/79455323

作者：华为云特约供稿开发者 鹏哥贼优秀