Python 并发编程（下）

课程目标：掌握多进程开发的相关知识点并初步认识协程。

今日概要：

  • 多进程开发
  • 进程之间数据共享
  • 进程锁
  • 进程池
  • 协程

1. 多进程开发

进程是计算机中资源分配的最小单元；一个进程中可以有多个线程，同一个进程中的线程共享资源；

进程与进程之间则是相互隔离。

Python中通过多进程可以利用CPU的多核优势，计算密集型操作适用于多进程。

1.1 进程介绍

import multiprocessing

def task():

	pass

if __name__ == '__main__':

    p1 = multiprocessing.Process(target=task)

    p1.start()


from multiprocessing import Process

def task(arg):

	pass

def run():

    p = multiprocessing.Process(target=task, args=('xxx',))

    p.start()

if __name__ == '__main__':

    run()

关于在Python中基于multiprocessiong模块操作的进程：

Depending on the platform, multiprocessing supports three ways to start a process. These start methods are

  • fork，【“拷贝”几乎所有资源】【支持文件对象/线程锁等传参】【unix】【任意位置开始】【快】

    The parent process uses os.fork() to fork the Python interpreter. The child process, when it begins, is effectively identical to the parent process. All resources of the parent are inherited by the child process. Note that safely forking a multithreaded process is problematic.Available on Unix only. The default on Unix.

  • spawn，【run参数传必备资源】【不支持文件对象/线程锁等传参】【unix、win】【main代码块开始】【慢】

    The parent process starts a fresh python interpreter process. The child process will only inherit those resources necessary to run the process object’s run() method. In particular, unnecessary file descriptors and handles from the parent process will not be inherited. Starting a process using this method is rather slow compared to using fork or forkserver.Available on Unix and Windows. The default on Windows and macOS.

  • forkserver，【run参数传必备资源】【不支持文件对象/线程锁等传参】【部分unix】【main代码块开始】

    When the program starts and selects the forkserver start method, a server process is started. From then on, whenever a new process is needed, the parent process connects to the server and requests that it fork a new process. The fork server process is single threaded so it is safe for it to use os.fork(). No unnecessary resources are inherited.Available on Unix platforms which support passing file descriptors over Unix pipes.

import multiprocessing

multiprocessing.set_start_method("spawn")

Changed in version 3.8: On macOS, the spawn start method is now the default. The fork start method should be considered unsafe as it can lead to crashes of the subprocess. See bpo-33725.

Changed in version 3.4: spawn added on all unix platforms, and forkserver added for some unix platforms. Child processes no longer inherit all of the parents inheritable handles on Windows.

On Unix using the spawn or forkserver start methods will also start a resource tracker process which tracks the unlinked named system resources (such as named semaphores or SharedMemory objects) created by processes of the program. When all processes have exited the resource tracker unlinks any remaining tracked object. Usually there should be none, but if a process was killed by a signal there may be some “leaked” resources. (Neither leaked semaphores nor shared memory segments will be automatically unlinked until the next reboot. This is problematic for both objects because the system allows only a limited number of named semaphores, and shared memory segments occupy some space in the main memory.)

官方文档：https://docs.python.org/3/library/multiprocessing.html

  • 示例1

    import multiprocessing
    
import time

"""
    
def task():
    
    print(name)
    
    name.append(123)

if __name__ == '__main__':
    
	# windows 不支持fork
    
    multiprocessing.set_start_method("fork")  # fork、spawn、forkserver
    
    name = []

    p1 = multiprocessing.Process(target=task)
    
    p1.start()

    time.sleep(2)
    
    print(name)  # []
    
"""

def task():
    
    print(name) # [123]

if __name__ == '__main__':
    
    multiprocessing.set_start_method("fork")  # fork、spawn、forkserver
    
    name = []
    
    name.append(123)

    p1 = multiprocessing.Process(target=task)
    
    p1.start()
    
"""

"""
    
def task():
    
    print(name)  # []

if __name__ == '__main__':
    
	# 主进程
    
    # fork 拷贝父进程中的数据。
    
    multiprocessing.set_start_method("fork")  # fork、spawn、forkserver
    
    name = []

    # 设置子进程
    
    p1 = multiprocessing.Process(target=task)
    
    p1.start()
    
    # 开启子进程

    name.append(123)

#

  • 示例2

    import multiprocessing

def task():
    
    print(name)
    
    print(file_object)

if __name__ == '__main__':
    
    multiprocessing.set_start_method("fork")  # fork、spawn、forkserver

    name = []
    
    file_object = open('x1.txt', mode='a+', encoding='utf-8')

    p1 = multiprocessing.Process(target=task)
    
    p1.start()

案例：

import multiprocessing

def task():

    print(name)

    file_object.write("alex\n")# 子进程拷贝后，已经有数据（武沛齐），加上此时写入									的“alex”

    file_object.flush()# 刷新到硬盘。

if __name__ == '__main__':

    multiprocessing.set_start_method("fork")

    name = []

    file_object = open('x1.txt', mode='a+', encoding='utf-8')

    file_object.write("武沛齐\n")# 将数据写入内存，

    p1 = multiprocessing.Process(target=task)# 由于是fork模式,会将主进程中的数据

    										 # 拷贝

    p1.start()

    # 子进程执行完毕后，会将主进程中的数据（"武沛齐"）刷新到硬盘中。

'''

武沛齐

alex

武沛齐

'''


import multiprocessing

def task():

    print(name)

    file_object.write("alex\n")

    file_object.flush()

if __name__ == '__main__':

    multiprocessing.set_start_method("fork")

    name = []

    file_object = open('x1.txt', mode='a+', encoding='utf-8')

    file_object.write("武沛齐\n")

    file_object.flush()# 内存中的数据已经被刷新到硬盘上，此时内存中不在具有数据，因此只写入一次。

    p1 = multiprocessing.Process(target=task)

    p1.start()

'''

武沛齐

alex

'''


import multiprocessing

import threading

import time

def func():

    print("来了")

    with lock:

        print(666)

        time.sleep(1)

def task():

    # 拷贝的锁也是被申请走的状态

    # 被谁申请走了? 被子进程中的主线程申请走了

    for i in range(10):

        t = threading.Thread(target=func)

        t.start()

    time.sleep(2)

    lock.release()# 如果此处不释放锁，则func中的线程会被锁死，产生死锁现象。

if __name__ == '__main__':

    multiprocessing.set_start_method("fork")

    name = []

    lock = threading.RLock()

    lock.acquire()

    # print(lock)

    # lock.acquire() # 申请锁

    # print(lock)

    # lock.release()

    # print(lock)

    # lock.acquire()  # 申请锁

    # print(lock)

    p1 = multiprocessing.Process(target=task)

    p1.start()

1.2 常见功能

进程的常见方法：

  • p.start()，当前进程准备就绪，等待被CPU调度（工作单元其实是进程中的线程）。

  • p.join()，等待当前进程的任务执行完毕后再向下继续执行。

    import time
    
from multiprocessing import Process

def task(arg):
    
    time.sleep(2)
    
    print("执行中...")

if __name__ == '__main__':
    
    multiprocessing.set_start_method("spawn")
    
    p = Process(target=task, args=('xxx',))
    
    p.start()
    
    p.join()

    print("继续执行...")

  • p.daemon = 布尔值，守护进程（必须放在start之前）

    • p.daemon =True，设置为守护进程，主进程执行完毕后，子进程也自动关闭。
    • p.daemon =False，设置为非守护进程，主进程等待子进程，子进程执行完毕后，主进程才结束。
    import time
    
from multiprocessing import Process

def task(arg):
    
    time.sleep(2)
    
    print("执行中...")

if __name__ == '__main__':
    
    multiprocessing.set_start_method("spawn")
    
    p = Process(target=task, args=('xxx',))
    
    p.daemon = True
    
    p.start()

    print("继续执行...")

  • 进程的名称的设置和获取

    # 进程名称的设置与获取
    
import os
    
import time
    
import threading
    
import multiprocessing

def func():
    
    time.sleep(3)

def task(ard):
    
    # 每个进程内部开启10个线程
    
    for i in range(10):
    
        t=threading.Thread(target=func)
    
        t.start()
    
    print(os.getpid(),os.getppid())
    
    print("线程个数",len(threading.enumerate()))# 统计线程的个数
    
    time.sleep(2)
    
    print("当前进程的名字",multiprocessing.current_process().name)

if __name__ == '__main__':
    
    print(os.getpid())
    
    multiprocessing.set_start_method("spawn")
    
    p=multiprocessing.Process(target=task,args=('xxx',))
    
    p.name="哈哈哈"
    
    # 将进程设置为就绪状态，等待被CPU的调度
    
    p.start()
    
    # p.join()
    
    print("继续执行。。。")

  • 自定义进程类，直接将线程需要做的事写到run方法中。

    import multiprocessing

class MyProcess(multiprocessing.Process):
    
    def run(self):
    
        print('执行此进程', self._args)

if __name__ == '__main__':
    
    multiprocessing.set_start_method("spawn")
    
    p = MyProcess(args=('xxx',))
    
    p.start()
    
    print("继续执行...")

  • CPU个数，程序一般创建多少个进程？（利用CPU多核优势）。

    import multiprocessing
    
multiprocessing.cpu_count()
    

    import multiprocessing

if __name__ == '__main__':
    
    count = multiprocessing.cpu_count()
    
    for i in range(count - 1):
    
        p = multiprocessing.Process(target=xxxx)
    
        p.start()

2.进程间数据的共享

进程是资源分配的最小单元，每个进程中都维护自己独立的数据，不共享。

import multiprocessing

def task(data):

    data.append(666)

if __name__ == '__main__':

    data_list = []

    p = multiprocessing.Process(target=task, args=(data_list,))

    p.start()

    p.join()

    print("主进程：", data_list) # []

如果想要让他们之间进行共享，则可以借助一些特殊的东西来实现。

2.1 共享

Shared memory

Data can be stored in a shared memory map using Value or Array. For example, the following code

    'c': ctypes.c_char,  'u': ctypes.c_wchar,

    'b': ctypes.c_byte,  'B': ctypes.c_ubyte,

    'h': ctypes.c_short, 'H': ctypes.c_ushort,

    'i': ctypes.c_int,   'I': ctypes.c_uint,  （其u表示无符号）

    'l': ctypes.c_long,  'L': ctypes.c_ulong,

    'f': ctypes.c_float, 'd': ctypes.c_double


from multiprocessing import Process, Value, Array

def func(n, m1, m2):

    n.value = 888

    m1.value = 'a'.encode('utf-8')

    m2.value = "武"

if __name__ == '__main__':

    num = Value('i', 666)

    v1 = Value('c')

    v2 = Value('u')

    p = Process(target=func, args=(num, v1, v2))

    p.start()

    p.join()

    print(num.value)  # 888

    print(v1.value)  # a

    print(v2.value)  # 武


from multiprocessing import Process, Value, Array

def f(data_array):

    data_array[0] = 666

if __name__ == '__main__':

    arr = Array('i', [11, 22, 33, 44]) # 数组：元素类型必须是int; 只能是这么几个数据。

    p = Process(target=f, args=(arr,))

    p.start()

    p.join()

    print(arr[:])

Server process

A manager object returned by Manager() controls a server process which holds Python objects and allows other processes to manipulate them using proxies.

from multiprocessing import Process, Manager

def f(d, l):

    d[1] = '1'

    d['2'] = 2

    d[0.25] = None

    l.append(666)

if __name__ == '__main__':

    with Manager() as manager:

        d = manager.dict()

        l = manager.list()

        p = Process(target=f, args=(d, l))

        p.start()

        p.join()

        print(d)

        print(l)

2.2 交换

multiprocessing supports two types of communication channel between processes

Queues（队列）

The Queue class is a near clone of queue.Queue. For example

# 2.1 队列

import multiprocessing

def task(q):

    for i in range(10):

        # 使用put将值放进队列

        q.put(i)

if __name__ == '__main__':

    queue=multiprocessing.Queue()

    # 将队列作为参数传递给新开启的进程，

    p=multiprocessing.Process(target=task,args=(queue,))

    # 将进程设置为就绪状态，供CPU调度

    p.start()

    p.join()# 等待设置的进程完成

    print("主进程")

    print(queue.get())# 主进程从队列中获取数据,

    print(queue.get())

    print(queue.get())

    print(queue.get())

    print(queue.get())

Pipes（管道）

The Pipe() function returns a pair of connection objects connected by a pipe which by default is duplex (two-way). For example:

# 2.2 管道

import time

import multiprocessing

def task(conn):

    time.sleep(1)

    conn.send([111, 22, 33, 44])# 将数据发送给父管道

    data = conn.recv() # 阻塞

    print("子进程接收:", data)

    time.sleep(2)

if __name__ == '__main__':

    # 实例化管道对象。返回两个值，将子对象传递给新开的进程

    parent_conn, child_conn = multiprocessing.Pipe()

    p = multiprocessing.Process(target=task, args=(child_conn,))

    p.start()# 设置为就绪状态

    # 父管道进行接收。

    info = parent_conn.recv() # 阻塞

    print("主进程接收：", info)

    parent_conn.send(666)

    # 管道的方式类似与socket的接收与发送

上述都是Python内部提供的进程之间数据共享和交换的机制，作为了解即可，在项目开发中很少使用，后期项目中一般会借助第三方的来做资源的共享，例如：MySQL、redis等。

3. 进程锁

如果多个进程抢占式去做某些操作时候，为了防止操作出问题，可以通过进程锁来避免。

import time

from multiprocessing import Process, Value, Array

def func(n, ):

    n.value = n.value + 1

if __name__ == '__main__':

    num = Value('i', 0)

    for i in range(20):

        p = Process(target=func, args=(num,))

        p.start()

    time.sleep(3)

    print(num.value)


import time

from multiprocessing import Process, Manager

def f(d, ):

    d[1] += 1

if __name__ == '__main__':

    with Manager() as manager:

        d = manager.dict()

        d[1] = 0

        for i in range(20):

            p = Process(target=f, args=(d,))

            p.start()

        time.sleep(3)

        print(d)


import time

import multiprocessing

def task():

    # 假设文件中保存的内容就是一个值：10

    with open('f1.txt', mode='r', encoding='utf-8') as f:

        current_num = int(f.read())

    print("排队抢票了")

    time.sleep(1)

    current_num -= 1

    with open('f1.txt', mode='w', encoding='utf-8') as f:

        f.write(str(current_num))

if __name__ == '__main__':

    for i in range(20):# 开启20个进程

        p = multiprocessing.Process(target=task)

        p.start()

票数只减少了两张，而抢票的进程却有20个，说明多人抢到了一张票，因此需要锁来介入。

很显然，多进程在操作时就会出问题，此时就需要锁来介入：

import time

import multiprocessing

def task(lock):

    print("开始")

    lock.acquire()

    # 假设文件中保存的内容就是一个值：10

    with open('f1.txt', mode='r', encoding='utf-8') as f:

        current_num = int(f.read())

    print("排队抢票了")

    time.sleep(0.5)

    current_num -= 1

    with open('f1.txt', mode='w', encoding='utf-8') as f:

        f.write(str(current_num))

    lock.release()

if __name__ == '__main__':

    multiprocessing.set_start_method("spawn")

    lock = multiprocessing.RLock() # 进程锁

    for i in range(10):

        p = multiprocessing.Process(target=task, args=(lock,))

        p.start()

    # spawn模式，需要特殊处理。

    time.sleep(7)

设置锁之后，结果变为-10

import time

import multiprocessing

import os

def task(lock):

    print("开始")

    lock.acquire()

    # 假设文件中保存的内容就是一个值：10

    with open('f1.txt', mode='r', encoding='utf-8') as f:

        current_num = int(f.read())

    print(os.getpid(), "排队抢票了")

    time.sleep(0.5)

    current_num -= 1

    with open('f1.txt', mode='w', encoding='utf-8') as f:

        f.write(str(current_num))

    lock.release()

if __name__ == '__main__':

    multiprocessing.set_start_method("spawn")

    lock = multiprocessing.RLock()

    process_list = []

    for i in range(10):

        p = multiprocessing.Process(target=task, args=(lock,))

        p.start()

        process_list.append(p)

    # spawn模式，需要特殊处理。

    for item in process_list:

        item.join()# 等待每一个子进程的结束，子进程结束后在结束


import time

import multiprocessing

def task(lock):

    print("开始")

    lock.acquire()

    # 假设文件中保存的内容就是一个值：10

    with open('f1.txt', mode='r', encoding='utf-8') as f:

        current_num = int(f.read())

    print("排队抢票了")

    time.sleep(1)

    current_num -= 1

    with open('f1.txt', mode='w', encoding='utf-8') as f:

        f.write(str(current_num))

    lock.release()

if __name__ == '__main__':

    multiprocessing.set_start_method('fork')

    lock = multiprocessing.RLock()

    for i in range(10):

        p = multiprocessing.Process(target=task, args=(lock,))

        p.start()

4. 进程池

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

'''

@Time    : 2022/2/14 17:10

@Author  : ziqingbaojian

@File    : 4.进程池.py

'''

import time

from concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor

'''进程池 和 线程池 都在包 concurrent.futures 下'''

# 定义任务函数

def task(num):

    print("执行",num)

    time.sleep(2)

if __name__ == '__main__':

    # 修改模式

    pool=ProcessPoolExecutor(4)

    for i in range(10):

        pool.submit(task,i)

    print(1)

    print(2)



import time

from concurrent.futures import ProcessPoolExecutor

def task(num):

    print("执行", num)

    time.sleep(2)

if __name__ == '__main__':

    pool = ProcessPoolExecutor(4)

    for i in range(10):

        pool.submit(task, i)

	# 等待进程池中的任务都执行完毕后，再继续往后执行。

    pool.shutdown(True)

    print(1)


import time

from concurrent.futures import ProcessPoolExecutor

import multiprocessing

def task(num):

    print("执行", num)

    time.sleep(2)

    return num

def done(res):

    print(multiprocessing.current_process())

    time.sleep(1)

    print(res.result())

    time.sleep(1)

if __name__ == '__main__':

    pool = ProcessPoolExecutor(4)

    for i in range(50):

        fur = pool.submit(task, i)

        fur.add_done_callback(done) # done的调用由主进程处理（与线程池不同）

        # 进程执行完后获得返回值,并做其他的任务.

    print(multiprocessing.current_process())

    pool.shutdown(True)

注意：如果在进程池中要使用进程锁，则需要基于Manager中的Lock和RLock来实现。

import time

import multiprocessing

from concurrent.futures.process import ProcessPoolExecutor

def task(lock):

    print("开始")

    # lock.acquire()

    # lock.relase()

    with lock:

        # 假设文件中保存的内容就是一个值：10

        with open('f1.txt', mode='r', encoding='utf-8') as f:

            current_num = int(f.read())

        print("排队抢票了")

        time.sleep(1)

        current_num -= 1

        with open('f1.txt', mode='w', encoding='utf-8') as f:

            f.write(str(current_num))

if __name__ == '__main__':

    pool = ProcessPoolExecutor()

    # lock_object = multiprocessing.RLock() # 不能使用

    manager = multiprocessing.Manager()

    lock_object = manager.RLock() # Lock

    for i in range(10):

        pool.submit(task, lock_object)

案例：计算每天用户访问情况。

  • 示例1

    import os
    
import time
    
from concurrent.futures import ProcessPoolExecutor
    
from multiprocessing import Manager

def task(file_name, count_dict):
    
    ip_set = set()
    
    total_count = 0
    
    ip_count = 0
    
    file_path = os.path.join("files", file_name)
    
    file_object = open(file_path, mode='r', encoding='utf-8')
    
    for line in file_object:
    
        if not line.strip():
    
            continue
    
        user_ip = line.split(" - -", maxsplit=1)[0].split(",")[0]
    
        total_count += 1
    
        if user_ip in ip_set:
    
            continue
    
        ip_count += 1
    
        ip_set.add(user_ip)
    
    count_dict[file_name] = {"total": total_count, 'ip': ip_count}
    
    time.sleep(1)

def run():
    
    # 根据目录读取文件并初始化字典
    
    """
    
        1.读取目录下所有的文件，每个进程处理一个文件。
    
    """

    pool = ProcessPoolExecutor(4)
    
    with Manager() as manager:
    
        """
    
        count_dict={
    
        	"20210322.log":{"total":10000,'ip':800},
    
        }
    
        """
    
        count_dict = manager.dict()

        for file_name in os.listdir("files"):
    
            pool.submit(task, file_name, count_dict)

        pool.shutdown(True)
    
        for k, v in count_dict.items():
    
            print(k, v)

if __name__ == '__main__':
    
    run()

  • 示例2

    import os
    
import time
    
from concurrent.futures import ProcessPoolExecutor

def task(file_name):
    
    ip_set = set()
    
    total_count = 0
    
    ip_count = 0
    
    file_path = os.path.join("files", file_name)
    
    file_object = open(file_path, mode='r', encoding='utf-8')
    
    for line in file_object:
    
        if not line.strip():
    
            continue
    
        user_ip = line.split(" - -", maxsplit=1)[0].split(",")[0]
    
        total_count += 1
    
        if user_ip in ip_set:
    
            continue
    
        ip_count += 1
    
        ip_set.add(user_ip)
    
    time.sleep(1)
    
    return {"total": total_count, 'ip': ip_count}

def outer(info, file_name):
    
    def done(res, *args, **kwargs):
    
        info[file_name] = res.result()

    return done

def run():
    
    # 根据目录读取文件并初始化字典
    
    """
    
        1.读取目录下所有的文件，每个进程处理一个文件。
    
    """
    
    info = {}

    pool = ProcessPoolExecutor(4)

    for file_name in os.listdir("files"):
    
        fur = pool.submit(task, file_name)
    
        fur.add_done_callback(  outer(info, file_name)  ) # 回调函数：主进程

    pool.shutdown(True)
    
    for k, v in info.items():
    
        print(k, v)

if __name__ == '__main__':
    
    run()

5. 协程

暂时以了解为主。

计算机中提供了：线程、进程 用于实现并发编程（真实存在）。

协程（Coroutine），是程序员通过代码搞出来的一个东西（非真实存在）。

协程也可以被称为微线程，是一种用户态内的上下文切换技术。

简而言之，其实就是通过一个线程实现代码块相互切换执行（来回跳着执行）。

例如：

def func1():

    print(1)

    ...

    print(2)

def func2():

    print(3)

    ...

    print(4)

func1()

func2()

上述代码是普通的函数定义和执行，按流程分别执行两个函数中的代码，并先后会输出：1、2、3、4。

但如果介入协程技术那么就可以实现函数见代码切换执行，最终输入：1、3、2、4 。

在Python中有多种方式可以实现协程，例如：

  • greenlet

    pip install greenlet
    

    from greenlet import greenlet

def func1():
    
    print(1)        # 第1步：输出 1
    
    gr2.switch()    # 第3步：切换到 func2 函数
    
    print(2)        # 第6步：输出 2
    
    gr2.switch()    # 第7步：切换到 func2 函数，从上一次执行的位置继续向后执行

def func2():
    
    print(3)        # 第4步：输出 3
    
    gr1.switch()    # 第5步：切换到 func1 函数，从上一次执行的位置继续向后执行
    
    print(4)        # 第8步：输出 4

gr1 = greenlet(func1)
    
gr2 = greenlet(func2)

gr1.switch() # 第1步：去执行 func1 函数

  • yield

    def func1():
    
    yield 1
    
    yield from func2()
    
    yield 2

def func2():
    
    yield 3
    
    yield 4

f1 = func1()
    
for item in f1:
    
    print(item)

虽然上述两种都实现了协程，但这种编写代码的方式没啥意义。

这种来回切换执行，可能反倒让程序的执行速度更慢了（相比较于串行）。

协程如何才能更有意义呢？

不要让用户手动去切换，而是遇到IO操作时能自动切换。

Python在3.4之后推出了asyncio模块 + Python3.5推出async、async语法 ，内部基于协程并且遇到IO请求自动化切换。

import asyncio

async def func1():

    print(1)

    await asyncio.sleep(2)

    print(2)

async def func2():

    print(3)

    await asyncio.sleep(2)

    print(4)

tasks = [

    asyncio.ensure_future(func1()),

    asyncio.ensure_future(func2())

]

loop = asyncio.get_event_loop()

loop.run_until_complete(asyncio.wait(tasks))


"""

需要先安装：pip3 install aiohttp

"""

import aiohttp

import asyncio

async def fetch(session, url):

    print("发送请求：", url)

    async with session.get(url, verify_ssl=False) as response:

        content = await response.content.read()

        file_name = url.rsplit('_')[-1]

        with open(file_name, mode='wb') as file_object:

            file_object.write(content)

async def main():

    async with aiohttp.ClientSession() as session:

        url_list = [

            'https://www3.autoimg.cn/newsdfs/g26/M02/35/A9/120x90_0_autohomecar__ChsEe12AXQ6AOOH_AAFocMs8nzU621.jpg',

            'https://www2.autoimg.cn/newsdfs/g30/M01/3C/E2/120x90_0_autohomecar__ChcCSV2BBICAUntfAADjJFd6800429.jpg',

            'https://www3.autoimg.cn/newsdfs/g26/M0B/3C/65/120x90_0_autohomecar__ChcCP12BFCmAIO83AAGq7vK0sGY193.jpg'

        ]

        tasks = [asyncio.create_task(fetch(session, url)) for url in url_list]

        await asyncio.wait(tasks)

if __name__ == '__main__':

    asyncio.run(main())

通过上述内容发现，在处理IO请求时，协程通过一个线程就可以实现并发的操作。

协程、线程、进程的区别？

线程，是计算机中可以被cpu调度的最小单元。

进程，是计算机资源分配的最小单元（进程为线程提供资源）。

一个进程中可以有多个线程,同一个进程中的线程可以共享此进程中的资源。

由于CPython中GIL的存在：

	- 线程，适用于IO密集型操作。

    - 进程，适用于计算密集型操作。

协程，协程也可以被称为微线程，是一种用户态内的上下文切换技术，在开发中结合遇到IO自动切换，就可以通过一个线程实现并发操作。

所以，在处理IO操作时，协程比线程更加节省开销（协程的开发难度大一些）。

现在很多Python中的框架都在支持协程，比如：FastAPI、Tornado、Sanic、Django 3、aiohttp等，企业开发使用的也越来越多（目前不是特别多）。

关于协程，目前同学们先了解这些概念即可，更深入的开发、应用 暂时不必过多了解，等大家学了Web框架和爬虫相关知识之后，再来学习和补充效果更佳。有兴趣想要研究的同学可以参考我写的文章和专题视频：

  • 文章

    https://pythonav.com/wiki/detail/6/91/
    
https://zhuanlan.zhihu.com/p/137057192

  • 视频

    https://www.bilibili.com/video/BV1NA411g7yf

总结

  1. 了解的进程的几种模式
  2. 掌握进程和进程池的常见操作
  3. 进程之间数据共享
  4. 进程锁
  5. 协程、进程、线程的区别（概念）

继续努力，终成大器！

Python 并发编程（下）的更多相关文章

  1. Python并发编程__多进程

    Python并发编程_多进程 multiprocessing模块介绍 python中的多线程无法利用多核优势,如果想要充分地使用多核CPU的资源(os.cpu_count()查看),在python中大 ...

  2. Python并发编程之深入理解yield from语法（八）

    大家好,并发编程 进入第八篇. 直到上一篇,我们终于迎来了Python并发编程中,最高级.最重要.当然也是最难的知识点--协程. 当你看到这一篇的时候,请确保你对生成器的知识,有一定的了解.当然不了解 ...

  3. Python并发编程二（多线程、协程、IO模型）

    1.python并发编程之多线程(理论) 1.1线程概念 在传统操作系统中,每个进程有一个地址空间,而且默认就有一个控制线程 线程顾名思义,就是一条流水线工作的过程(流水线的工作需要电源,电源就相当于 ...

  4. Python并发编程一（多进程）

    1.背景知识(进程.多道技术) 顾名思义,进程即正在执行的一个过程.进程是对正在运行程序的一个抽象. 进程的概念起源于操作系统,是操作系统最核心的概念,也是操作系统提供的最古老也是最重要的抽象概念之一 ...

  5. 《转载》Python并发编程之线程池/进程池--concurrent.futures模块

    本文转载自Python并发编程之线程池/进程池--concurrent.futures模块 一.关于concurrent.futures模块 Python标准库为我们提供了threading和mult ...

  6. Python并发编程系列之多线程

    1 引言 上一篇博文详细总结了Python进程的用法,这一篇博文来所以说Python中线程的用法.实际上,程序的运行都是以线程为基本单位的,每一个进程中都至少有一个线程(主线程),线程又可以创建子线程 ...

  7. Python并发编程系列之多进程（multiprocessing）

    1 引言 本篇博文主要对Python中并发编程中的多进程相关内容展开详细介绍,Python进程主要在multiprocessing模块中,本博文以multiprocessing种Process类为中心 ...

  8. python并发编程之进程、线程、协程的调度原理(六)

    进程.线程和协程的调度和运行原理总结. 系列文章 python并发编程之threading线程(一) python并发编程之multiprocessing进程(二) python并发编程之asynci ...

  9. python并发编程&多线程（二）

    前导理论知识见:python并发编程&多线程(一) 一 threading模块介绍 multiprocess模块的完全模仿了threading模块的接口,二者在使用层面,有很大的相似性 官网链 ...

随机推荐

  1. backup archivelog all not backed up

    backup archivelog all not backed up;这条命令可以用来备份没有备份过的归档日志,同时不会备份已经备份过的归档日志.下面是具体用法.第一次备份归档日志 RMAN> ...

  2. 「JOISC 2014 Day1」巴士走读

    「JOISC 2014 Day1」巴士走读 将询问离线下来. 从终点出发到起点. 由于在每个点(除了终点)的时间被过来的边固定,因此如果一个点不被新的边更新,是不会发生变化的. 因此可以按照时间顺序, ...

  3. JAVA中获取不同系统的换行符和获取系统路径路径分割符

    简介 JAVA具有多平台特征,一次开发,多平台运行,主要依据JVM,但是不同的操作系统中换行符和分割符不同,故需要根据不同的操作系统去获取不同的符号. JAVA代码 @Test public void ...

  4. 定制博客CSS样式

    首先你需要添加页面CSS代码

  5. zabbix 监控系统概述及部署

    zabbix 监控系统概述及部署 1.Zabbix是什么: zabbix是一个个基于web界而的提供分布式系统监视以及网络监视功能的企业级的开源解决方案. zabbix能监视各种网络参数,保证服务器系 ...

  6. term&match得区别 text&keyword区别

    Text 概念 Text 数据类型被用来索引长文本,比如说电子邮件的主体部分或者一款产品的介绍.这些文本会被分析,在建立索引前会将这些文本进行分词,转化为词的组合,建立索引.允许 ES来检索这些词语. ...

  7. Node.js躬行记（15）——活动规则引擎

    在日常的业务开发中,会包含许多的业务规则,一般就是用if-else硬编码的方式实现,这样就会增加逻辑的维护成本,若无注释,可能都无法理解规则意图. 因为一旦规则有所改变,那么就需要修改代码再发布代码, ...

  8. 到底什么是TORCH.NN？

    该教程是在notebook上运行的,而不是脚本,下载notebook文件. PyTorch提供了设计优雅的模块和类:torch.nn, torch.optim, Dataset, DataLoader ...

  9. ClassPath资源的读取

    读取ClassPath的资源 在程序中经常有很多资源需要读取,常见的就是配置文件,Java中将文件当作一种资源来处理,可以使用Class或者ClassLoader来处理 一,使用Class类的getS ...

  10. PHP面试常考内容之面向对象（2）

    PHP面试专栏正式起更,每周一.三.五更新,提供最好最优质的PHP面试内容.继上一篇"PHP面试常考内容之面向对象(1)"发表后,今天更新(2),需要(1)的可以直接点击文字进行跳 ...