python中的並發,python並發原理

本文目錄一覽：

1、python並發編程-進程池
2、python簡單的並發問題
3、如何在Python中編寫並發程序
4、python高並發怎麼解決
5、如何優雅的編寫Python並發程序
6、Python進程之並行與並發的區別

python並發編程-進程池

在利用Python進行系統管理的時候，特別是同時操作多個文件目錄，或者遠程控制多台主機，並行操作可以節約大量的時間。多進程是實現並發的手段之一，需要注意的問題是：

例如當被操作對象數目不大時，可以直接利用multiprocessing中的Process動態成生多個進程，十幾個還好，但如果是上百個，上千個。。。手動的去限制進程數量卻又太過繁瑣，此時可以發揮進程池的功效。

我們就可以通過維護一個進程池來控制進程數目，比如httpd的進程模式，規定最小進程數和最大進程數..

ps：對於遠程過程調用的高級應用程序而言，應該使用進程池，Pool可以提供指定數量的進程，供用戶調用，當有新的請求提交到pool中時，如果池還沒有滿，那麼就會創建一個新的進程用來執行該請求；但如果池中的進程數已經達到規定最大值，那麼該請求就會等待，直到池中有進程結束，就重用進程池中的進程。

創建進程池的類：如果指定numprocess為3，則進程池會從無到有創建三個進程，然後自始至終使用這三個進程去執行所有任務，不會開啟其他進程

參數介紹：

方法介紹：

主要方法：

其他方法（了解部分）

應用：

發現：並發開啟多個客戶端，服務端同一時間只有3個不同的pid，幹掉一個客戶端，另外一個客戶端才會進來，被3個進程之一處理

回調函數：

需要回調函數的場景：進程池中任何一個任務一旦處理完了，就立即告知主進程：我好了額，你可以處理我的結果了。主進程則調用一個函數去處理該結果，該函數即回調函數

我們可以把耗時間（阻塞）的任務放到進程池中，然後指定回調函數（主進程負責執行），這樣主進程在執行回調函數時就省去了I/O的過程，直接拿到的是任務的結果。

如果在主進程中等待進程池中所有任務都執行完畢後，再統一處理結果，則無需回調函數

python簡單的並發問題

#!/usr/bin/envpython#-*-coding:utf-8-*-#author:ChanghuaGongimporttime,threading#fromurllib.requestimportRequest,urlopenpy3#fromurllib.errorimportURLErrorpy3importurllib2#URLreq=urllib2.Request(‘

#!/usr/bin/env python

# -*- coding:utf-8 -*-

# author: Changhua Gong

import time,threading

# from urllib.request import Request, urlopen py3

# from urllib.error import URLError py3

import urllib2

#URL

req = urllib2.Request(”)

rule = {0:500,1:30}

”’

Rule規則:0:50,第一次運行不睡眠即為0,直接並發50次;1:20,第二秒,相當於睡眠1秒,然後並發20次,

如第三秒需並發500次,則rule = {0:50,1:20,1:500}

”’

#Open url

def geturl():

time_b = time.time()

try:

response = urllib2.urlopen(req)

print(response.read().decode(“utf-8”)) # 打印輸出內容

except urllib2.URLError as e:

if hasattr(e, ‘reason’):

print(‘We failed to reach a server.’)

print(‘Reason: ‘, e.reason)

elif hasattr(e, ‘code’):

print(‘The server couldn/’t fulfill the request.’)

print(‘Error code: ‘, e.code)

time_e = time.time()

print(“Thread %s runned for %ss” % (threading.current_thread().name, (time_e – time_b))) #線程訪問時效

if __name__==’__main__’:

for k in rule:

time.sleep(k)

for i in range(rule[k]):

t = threading.Thread(target=geturl)

t.start()

如何在Python中編寫並發程序

多進程/多線程+Queue

一般來說,在Python中編寫並發程序的經驗是:計算密集型任務使用多進程,IO密集型任務使用多進程或者多線程.另外,因為涉及到資源共享,所以需要同步鎖等一系列麻煩的步驟,代碼編寫不直觀.另外一種好的思路是利用多進程/多線程+Queue的方法,可以避免加鎖這樣麻煩低效的方式.

現在在Python2中利用Queue+多進程的方法來處理一個IO密集型任務.

假設現在需要下載多個網頁內容並進行解析,單進程的方式效率很低,所以使用多進程/多線程勢在必行.

我們可以先初始化一個tasks隊列,裏面將要存儲的是一系列dest_url,同時開啟4個進程向tasks中取任務然後執行,處理結果存儲在一個results隊列中,最後對results中的結果進行解析.最後關閉兩個隊列.

下面是一些主要的邏輯代碼.

# -*- coding:utf-8 -*-

#IO密集型任務

#多個進程同時下載多個網頁

#利用Queue+多進程

#由於是IO密集型,所以同樣可以利用threading模塊

import multiprocessing

def main():

tasks = multiprocessing.JoinableQueue()

results = multiprocessing.Queue()

cpu_count = multiprocessing.cpu_count() #進程數目==CPU核數目

create_process(tasks, results, cpu_count) #主進程馬上創建一系列進程,但是由於阻塞隊列tasks開始為空,副進程全部被阻塞

add_tasks(tasks) #開始往tasks中添加任務

parse(tasks, results) #最後主進程等待其他線程處理完成結果

def create_process(tasks, results, cpu_count):

for _ in range(cpu_count):

p = multiprocessing.Process(target=_worker, args=(tasks, results)) #根據_worker創建對應的進程

p.daemon = True #讓所有進程可以隨主進程結束而結束

p.start() #啟動

def _worker(tasks, results):

while True: #因為前面所有線程都設置了daemon=True,故不會無限循環

try:

task = tasks.get() #如果tasks中沒有任務,則阻塞

result = _download(task)

results.put(result) #some exceptions do not handled

finally:

tasks.task_done()

def add_tasks(tasks):

for url in get_urls(): #get_urls() return a urls_list

tasks.put(url)

def parse(tasks, results):

try:

tasks.join()

except KeyboardInterrupt as err:

print “Tasks has been stopped!”

print err

while not results.empty():

_parse(results)

if __name__ == ‘__main__’:

main()

利用Python3中的concurrent.futures包

在Python3中可以利用concurrent.futures包,編寫更加簡單易用的多線程/多進程代碼.其使用感覺和Java的concurrent框架很相似(借鑒?)

比如下面的簡單代碼示例

def handler():

futures = set()

with concurrent.futures.ProcessPoolExecutor(max_workers=cpu_count) as executor:

for task in get_task(tasks):

future = executor.submit(task)

futures.add(future)

def wait_for(futures):

try:

for future in concurrent.futures.as_completed(futures):

err = futures.exception()

if not err:

result = future.result()

else:

raise err

except KeyboardInterrupt as e:

for future in futures:

future.cancel()

print “Task has been canceled!”

print e

return result

總結

要是一些大型Python項目也這般編寫,那麼效率也太低了.在Python中有許多已有的框架使用,使用它們起來更加高效.

但是自己的一些”小打小鬧”的程序這樣來編寫還是不錯的.:)

python高並發怎麼解決

某個時間段內，數據湧來，這就是並發。如果數據量很大，就是高並發

高並發的解決方法：

1、隊列、緩衝區

假設只有一個窗口，陸續湧入食堂的人，排隊打菜是比較好的方式

所以，排隊（隊列）是一種天然解決並發的辦法

排隊就是把人排成隊列，先進先出，解決了資源使用的問題

排成的隊列，其實就是一個緩衝地帶，就是緩衝區

假設女生優先，每次都從這個隊伍中優先選出女生出來先打飯，這就是優先隊列

例如queue模塊的類Queue、LifoQueue、PriorityQueue（小頂堆實現）

2、爭搶

只開一個窗口，有可能沒有秩序，也就是誰擠進去就給誰打飯

擠到窗口的人佔據窗口，直到打到飯菜離開

其他人繼續爭搶，會有一個人佔據着窗口，可以視為鎖定窗口，窗口就不能為其他人提供服務了。

這是一種鎖機制

誰搶到資源就上鎖，排他性的鎖，其他人只能等候

爭搶也是一種高並發解決方案，但是，這樣可能不好，因為有可能有人很長時間搶不到

3、預處理

如果排長隊的原因，是由於每個人打菜等候時間長，因為要吃的菜沒有，需要現做，沒打着飯不走開，鎖定着窗口

食堂可以提前統計大多數人最愛吃的菜品，將最愛吃的80%的熱門菜，提前做好，保證供應，20%的冷門菜，現做

這樣大多數人，就算鎖定窗口，也很快打到飯菜走了，快速釋放窗口

一種提前加載用戶需要的數據的思路，預處理思想，緩存常用

更多Python知識，請關註：Python自學網！！

如何優雅的編寫Python並發程序

在Python中,由於歷史原因(GIL),使得Python中多線程的效果非常不理想.GIL使得任何時刻Python只能利用一個CPU核,並

且它的調度算法簡單粗暴:多線程中,讓每個線程運行一段時間t,然後強行掛起該線程,繼而去運行其他線程,如此周而復始,直到所有線程結束.

這使得無法有效利用計算機系統中的”局部性”,頻繁的線程切換也對緩存不是很友好,造成資源的浪費.

據說Python官方曾經實現了一個去除GIL的Python解釋器,但是其效果還不如有GIL的解釋器,遂放棄.後來Python官方推出了”利

用多進程替代多線程”的方案,在Python3中也有concurrent.futures這樣的包,讓我們的程序編寫可以做到”簡單和性能兼得”.

多進程/多線程+Queue

一般來說,在Python中編寫並發程序的經驗是:計算密集型任務使用多進程,IO密集型任務使用多進程或者多線程.另外,因為涉及到資源共享,所

以需要同步鎖等一系列麻煩的步驟,代碼編寫不直觀.另外一種好的思路是利用多進程/多線程+Queue的方法,可以避免加鎖這樣麻煩低效的方式.

現在在Python2中利用Queue+多進程的方法來處理一個IO密集型任務.

假設現在需要下載多個網頁內容並進行解析,單進程的方式效率很低,所以使用多進程/多線程勢在必行.

Python進程之並行與並發的區別

並行 :

當系統有一個以上CPU時，則進程的操作有可能非並發。當一個CPU執行一個進程時，另一個CPU可以執行另一個進程，兩個進程互不搶佔CPU資源，可以同時進行，這種方式我們稱之為並行。

並發 :

當有多個進程在操作時，如果系統只有一個CPU，則它根本不可能真正同時執行一個以上的進程，它只能把CPU運行時間劃分成若干個時間段，再將時間段分配給各個進程執行，在一個時間段的進程代碼運行時，其它進程處於掛起狀，這種方式我們稱之為並發。

區別：

並發和並行是即相似又有區別的兩個概念，並行是指兩個或者多個事件在同一時刻同時執行，而並發是指兩個或多個事件通過時間片輪流被執行。在多道程序環境下，並發性是指在一段時間內宏觀上有多個程序在同時運行，但在單核CPU中，同一時刻僅能有一道程序執行，故微觀上這些程序只能是分時地交替執行。倘若在計算機中有多個CPU，則這些可以並發執行的程序便可被分配到多個處理機上，實現並行執行，即利用每個處理機來處理一個可並發執行的程序，這樣，多個程序便可以同時執行。

python中的並發,python並發原理

本文目錄一覽：

python並發編程-進程池

python簡單的並發問題

如何在Python中編寫並發程序

python高並發怎麼解決

如何優雅的編寫Python並發程序

Python進程之並行與並發的區別

相關推薦

發表回復