Python并发：多线程与多进程的详解

一、概述

在Python中进行并发编程可以使用多线程和多进程，两者都可以利用多核CPU提高程序的性能。多线程主要用于IO密集型任务，多进程则适用于CPU密集型任务。

二、多线程

1. 创建线程

在Python中创建线程可以使用threading库，具体步骤如下：

import threading

def func():
    print("Hello World!")

t = threading.Thread(target=func)
t.start()

2. 传递参数

需要注意的是，如果要传递参数，需要将参数放在一个元组中传递：

import threading

def func(num):
    print(f"num is {num}")

t = threading.Thread(target=func, args=(10,))
t.start()

3. 线程锁

多线程需要考虑线程安全的问题，可以使用线程锁进行控制：

import threading

num = 0
lock = threading.Lock()

def func():
    global num
    for i in range(100000):
        lock.acquire()
        num += 1
        lock.release()

t1 = threading.Thread(target=func)
t2 = threading.Thread(target=func)
t1.start()
t2.start()

t1.join()
t2.join()

print(num)

上述代码创建了两个线程，对共享的变量num进行加一操作，通过线程锁的方式保证了线程安全的问题。

4. 示例说明

下面给出一个常见的多线程示例：爬虫。

import requests
import threading

def download(url):
    r = requests.get(url)
    print(f"downloaded {len(r.content)} bytes from {url}")

urls = [
    "https://www.baidu.com",
    "https://www.sogou.com",
    "https://www.douban.com",
    "https://www.zhihu.com"
]

threads = []
for url in urls:
    t = threading.Thread(target=download, args=(url,))
    threads.append(t)
    t.start()

for t in threads:
    t.join()

print("All downloads finished.")

上述代码创建了多个线程，对多个URL进行下载操作，通过多线程的方式提高了下载的效率。

三、多进程

1. 创建进程

在Python中创建进程可以使用multiprocessing库，具体步骤如下：

import multiprocessing

def func(num):
    print(f"num is {num}")

p = multiprocessing.Process(target=func, args=(10,))
p.start()

2. 进程池

如果需要创建多个进程，可以使用进程池，将任务放入进程池中：

import time
import multiprocessing

def do(num):
    time.sleep(1)
    return num * num

if __name__ == '__main__':
    p = multiprocessing.Pool(4)
    nums = [1, 2, 3, 4, 5]
    results = p.map(do, nums)
    print(results)

上述代码利用multiprocessing.Pool()函数创建了进程池，并将任务放入进程池中，通过map()函数来获取每个进程的结果。

3. 示例说明

下面给出一个用于计算圆周率的多进程示例。

import random
import math
import multiprocessing

def pi(n):
    count = 0
    for _ in range(n):
        x, y = random.uniform(-1, 1), random.uniform(-1, 1)
        if math.sqrt(x ** 2 + y ** 2) < 1:
            count += 1
    return 4 * count / n

if __name__ == '__main__':
    with multiprocessing.Pool() as pool:
        results = pool.map(pi, [1000000]*10)
    print(sum(results) / len(results))

上述代码创建了多个进程，利用蒙特卡罗法进行圆周率的计算。可以看出，多进程能够在较短时间内完成较复杂的任务。

四、总结

本文介绍了Python中的多线程和多进程，并通过示例说明了它们的具体用法。在实际应用中，应根据任务类型和CPU核心数量等条件选择适合的并发方式。