使用Python 2實現高效並發操作

一、基本概念

1、並發和並行的區別

並發和並行是指計算機系統中多個任務的執行方式。並發是指兩個或多個任務使用交替的方式共享CPU時間，這些任務在同時發生但並不一定在同一時刻完成。並行是指兩個或多個任務在同一時刻發生，可以使用多個CPU核心同時處理這些任務。

Python提供了多種並發編程模塊，可以幫助實現高效的並發操作。

2、GIL（Global Interpreter Lock）

GIL是Python解釋器中的一種機制，它保證同一時刻只有一個線程執行 Python 代碼。這意味著Python不能利用多個 CPU 核心來執行任務。但是由於Python的大部分標準庫都是用C語言編寫的，因此多線程在I/O操作上還是具有優勢的。

二、常見的並發編程模塊

1、threading

threading模塊是Python中用於多線程編程的主要模塊，提供了Thread、Lock、Condition、Semaphore、Event等工具類，可以更方便地實現多線程編程。

import threading

def worker():
    print('I am working')

threads = []
for i in range(5):
    t = threading.Thread(target=worker)
    threads.append(t)
    t.start()

for t in threads:
    t.join()

2、multiprocessing

multiprocessing模塊是Python中用於多進程編程的主要模塊，使用起來與threading類似。

import multiprocessing

def worker():
    print('I am working')

processes = []
for i in range(5):
    p = multiprocessing.Process(target=worker)
    processes.append(p)
    p.start()

for p in processes:
    p.join()

3、concurrent.futures

concurrent.futures模塊引入了Executor框架，可以簡化非同步程序的編寫過程，支持線程池和進程池兩種執行方式。

from concurrent.futures import ThreadPoolExecutor

def worker():
    print('I am working')

with ThreadPoolExecutor(max_workers=5) as executor:
    for i in range(5):
        executor.submit(worker)

三、常用的並發編程技術

1、鎖（Lock）

多個線程同時讀取和修改同一個變數時，可能會出現數據競爭和互相干擾的問題。這時可以使用鎖來避免這些問題。

import threading

count = 0
lock = threading.Lock()

def worker():
    global count
    with lock:
        for i in range(100000):
            count += 1

threads = []
for i in range(5):
    t = threading.Thread(target=worker)
    threads.append(t)
    t.start()

for t in threads:
    t.join()

print(count)

2、信號量（Semaphore）

信號量類似於鎖，但是允許多個線程同時讀取和修改同一個變數。

import threading

count = 0
semaphore = threading.Semaphore(5)

def worker():
    global count
    with semaphore:
        for i in range(100000):
            count += 1

threads = []
for i in range(10):
    t = threading.Thread(target=worker)
    threads.append(t)
    t.start()

for t in threads:
    t.join()

print(count)

3、事件（Event）

事件可以用來協調多個線程的執行順序，可以在一個線程中發出信號，讓其他線程在符合條件時執行。

import threading

event = threading.Event()

def worker():
    event.wait()
    print('I am working')

threads = []
for i in range(5):
    t = threading.Thread(target=worker)
    threads.append(t)
    t.start()

event.set()

for t in threads:
    t.join()

四、總結

Python提供了多種並發編程模塊和技術，可以幫助實現高效的並發操作。在選擇並發模塊和技術時，需要考慮到具體的應用場景和需求，以便選取最優的解決方案。