Python中的并发编程

import multiprocessing
import os


def square_numbers():
    for i in range(5):
        print(f" {i} 的平方 {i * i}")
        print(f"进程 ID: {os.getpid()}")


if __name__ == '__main__':
    # 创建进程
    process = multiprocessing.Process(target=square_numbers)
    # 启动进程
    process.start()
    # 等待进程完成
    process.join()
    print("进程结束")

可以看到，整个任务期间，我们一直是使用创建的进程来执行任务。

使用`threading`模块创建线程

创建线程的方法类似：

import threading
import time


def print_numbers():
    for i in range(1, 6):
        time.sleep(1)
        print(f"======》 {i}")


# 创建线程
thread = threading.Thread(target=print_numbers)
# 启动线程
thread.start()
# 等待线程完成
thread.join()

print("=======结束")

至此为止，我们已经可以创建单独的进程和线程，并使用它来执行一些我们封装好的函数。但目前看来使用线程或者进程好像没啥用是吧，别急，你现在可以把他当做一个知识点，一个没什么用但是你掌握了的知识点，后面会有大用，在继续之前我们来补充一点注意事项：

线程共享内存空间，而进程拥有独立的内存。这意味着线程之间的通信更简单，但在多线程访问共享资源时需要特别注意同步问题；
由于GIL的存在，Python的线程并不能实现真正的并行，但它们适用于I/O密集型任务；
一个线程崩溃可能会影响整个进程的稳定性。进程间相互独立，一个进程的崩溃不会直接影响其他进程

协程与异步编程

基本概念

协程

协程是一种可以暂停和恢复执行的函数，是异步编程的核心。
在Python中，协程是通过async def关键字定义的。
使用await关键字暂停协程的执行，直到等待的操作完成。

异步编程

异步编程是一种编程范式，用于非阻塞性操作，特别是I/O操作。
它允许程序在等待某些操作完成时继续执行其他代码。
Python的asyncio库是实现异步编程的关键。

实现异步操作

话不多说，上代码：

使用`asyncio`进行异步

import asyncio

async def count():
    print("=====1======")
    await asyncio.sleep(1)
    print("======2=======")

async def main():
    await asyncio.gather(count(), count(), count())

asyncio.run(main())

输出结果：

分析：使用asyncio库来运行三个异步协程。在打印完第一次的结果后，睡了一秒，但因为同时有三个协程在工作，所以输出了三个，一秒后，又是三个2打印了出来。

异步I/O操作

异步爬虫必备：aiohttp

import aiohttp
import asyncio

async def fetch(session, url):
    async with session.get(url) as response:
        return await response.text()

async def main():
    async with aiohttp.ClientSession() as session:
        html = await fetch(session, 'http://www.baidu.com')
        print(html)

asyncio.run(main())

咳咳，爬虫虽好，也不要给对方太大压力哦

好了分析一下它的优势：

非阻塞性，异步编程允许程序在等待操作完成时继续执行，提高了程序的响应性和效率。

资源利用，对于I/O密集型任务，异步编程可以帮助更好地利用系统资源，避免因等待I/O操作而闲置。

简化复杂性，虽然异步编程在一开始可能看起来复杂，但它可以帮助简化某些类型的并发代码。

注意

异步编程需要一种不同的思维方式，理解async和await关键字是关键。
并不是所有的库都支持异步操作。在选择库时，需要注意是否存在异步支持。
错误处理在异步编程中同样重要，需要考虑如何处理异步任务中的异常。

并发难题

数据同步问题

当多个线程或进程尝试同时访问和修改共享数据时，可能会导致数据不一致和不可预测。

解决策略

使用互斥锁（Mutex）或其他同步机制（如信号量、临界区）来确保在任一时刻只有一个线程可以访问共享资源。
在Python中，可以使用threading.Lock来实现线程安全的操作。

demo

import threading

class Counter:
    def __init__(self):
        self.value = 0
        self.lock = threading.Lock()

    def increment(self):
        with self.lock:
            self.value += 1

死锁

死锁是指两个或多个线程相互等待对方释放资源，从而导致它们都停止执行的情况。
死锁通常发生在多个线程需要相同的锁，但以不同的顺序获取它们时。

解决策略

避免多个锁的不必要使用。
保证所有线程以相同的顺序获取锁。
使用超时机制强制释放锁，或检测并打破死锁。

活锁和资源饥饿

活锁是指线程虽然没有被阻塞（仍在运行），但无法继续执行有用的工作。
资源饥饿发生在某些线程无法获取必要的资源，而其他线程则持续运行。

解决策略

重新设计算法和工作流，以确保所有线程都有机会执行。
实现合理的资源分配策略和优先级制度。

上下文切换的开销

在并发环境中，操作系统经常需要在不同的线程或进程之间进行上下文切换。
这些切换可能导致显著的性能开销。

解决策略

优化线程数量，避免创建过多的线程。
使用线程池来管理线程，减少创建和销毁线程的次数。

实际案例

所有案例不提供业务逻辑部分，只是讨论并发操作。

网络服务器

案例描述

网络服务器常常需要同时处理成千上万的客户端请求。
使用多线程或异步编程可以有效地提高服务器的响应能力和吞吐量。

代码示例

import asyncio
from aiohttp import web

async def handle(request):
    return web.Response(text="Hello, world")

app = web.Application()
app.router.add_get('/', handle)

web.run_app(app)

数据处理

案例描述

在数据分析和数据科学中，经常需要处理大量数据集。
并发编程（特别是多进程处理）可以在这些任务中大幅提高处理速度。

代码示例

from multiprocessing import Pool

def process_data(data):
    # 数据处理逻辑
    return result

if __name__ == '__main__':
    pool = Pool(processes=4)
    data_to_process = [data1, data2, data3, data4]
    results = pool.map(process_data, data_to_process)

Web爬虫

案例描述

Web爬虫需要从多个网页上快速有效地收集数据。
使用多线程或异步编程可以同时发送多个网络请求，显著提高数据收集的效率。

代码示例

（感谢 baidu 提供的友情支持? -狗头）一般情况不建议大家高并发爬取一个网站，会给对方网站造成很大压力，不要让网站成为网战。

import asyncio
import aiohttp

async def fetch_page(url, session):
    async with session.get(url) as response:
        return await response.text()

async def main(urls):
    async with aiohttp.ClientSession() as session:
        tasks = [fetch_page(url, session) for url in urls]
        return await asyncio.gather(*tasks)

urls = ["http://www.baidu.com/a", "http://www.baidu.com/b", "http://www.baidu.com/c"]
pages = asyncio.run(main(urls))

-------------

觉得不错点个赞吧~

文章来源:https://blog.csdn.net/qq_52213943/article/details/135033821
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系我的编程经验分享网邮箱：chenni525@qq.com进行投诉反馈，一经查实，立即删除！