python中的多线程和多进程

一、简单理解一下线程和进程

　　一个进程中可有多个线程，线程之间可共享内存，进程间却是相互独立的。打比方就是，进程是火车，线程是火车厢，车厢内人员可以流动（数据共享）

二、python中的多线程和多进程

　　当遇到大文件读写或处理计算时，需要加速，则用上多线程和多进程，最常见的例子是网页爬虫，每次访问后等待时间很长，所以用了异步访问。

　　先说结论，多线程适合IO密集型任务，多进程适合计算密集型任务。

　　在python中，遇到IO操作，GIL（全局解释锁）会被释放，执行下一个操作，此时用到线程即可，如果开辟进程的话，需要分配初始化的时间和空间。计算密集型用线程则不行，因为若一个计算任务没有完成时，锁不会释放，所以线程相当于串行了。借用知乎上的比喻，有一个水池，4个泵，1个人，人同时只能操作一个泵，则此时相当于串行，但如果泵的工作冷却时间比为1：3，则利用率可以达到100%，其中冷却时间相当于IO操作的等待时间，此时多线程有效。

　　很多时候python多线程加速有限，除非是IO密集型场景，如爬虫访问网页。

三、python代码

　　多进程：from multiprocessing import Pool

　　　　pool = Pool（5）

　　多线程：from multiprocessing.pool import ThreadPool

　　　　pool = TreadPool（5）

四、代码模板

　　注意pool.apply_async的用法（异步执行）

　　可视化操作用到pbar

　　pool.close()  #关闭进程池/线程池

　　pool.join()     #阻塞主进程，等待所有子进程结束后再运行

　　其他话：有时候在jupyterlab中大数据操作时，感觉会有进程间锁死的奇怪问题，或者加速效果不明显的问题，仍需要研究

from multiprocessing import Pool
from multiprocessing.pool import ThreadPool

import math
import datetime

from tqdm import tqdm
from multiprocessing import Pool, cpu_count
import os, time, random

def func(num):
    name = num
    #for i in tqdm(range(5), ncols=80, desc='执行任务' + str(name) + ' pid:' + str(os.getpid())):
    for i in range(5):
        # time.sleep(random.random() * 3)
        time.sleep(1)
    print("finished")
    pbar.update()

print("cpu_count():",cpu_count())
pool = Pool(10)

start = time.time()
with tqdm(total=50) as pbar:
    for i  in (range(50)):
        pool.apply_async(func, args=(i,))
    pool.close()
    pool.join()

end = time.time()
print("\n应用多进程耗时: %0.2f seconds" % (end - start))

print("over")