Python 线程，进程，多线程，多进程以及并行执行for循环笔记（updating）

一、Python 线程，进程，多线程，多进程简要介绍

在 Python 中，我们可以使用多线程和多进程来实现并发执行的程序以提高效率。下面是对于 Python 中线程、进程、多线程和多进程的简要说明：

• 线程（Thread）：线程是进程内部的执行路径，用于执行程序的一部分。Python 提供了 threading 模块来创建和管理线程。
• 进程（Process）：进程是程序的执行实例，具有独立的资源和控制流程。可以使用 multiprocessing 模块在 Python 中创建和管理进程。
• 多线程（Multithreading）：多线程是在单个进程内创建多个线程来同时执行任务的方式。多个线程共享进程的资源，但需要注意线程间的同步和资源竞争问题。
• 多进程（Multiprocessing）：多进程是通过创建多个独立的进程来实现并发执行的方式。每个进程有自己独立的资源和控制流程，可以利用多核处理器并行执行任务。

使用多线程和多进程的选择取决于具体的场景和需求。多线程适合于 I/O 密集型任务，如网络请求、文件读写等，可以提高并发性和响应性。多进程适用于 CPU 密集型任务，如大量计算、图像处理等，可以利用多核处理器加速运算。

需要注意的是，在 Python 中全局解释器锁（Global Interpreter Lock，GIL）的限制下，多线程并不能实现真正的并行执行，而是通过在不同线程之间切换来达到并发效果。如果需要真正的并行执行，可以使用多进程来充分利用多核处理器。

要在 Python 中使用多线程和多进程，可以使用 threading 和 multiprocessing 模块，它们提供了相应的类和函数来创建和管理线程和进程，以及处理线程间的同步和通信。

问题1.python for循环可以用多线程吗

在Python中，简单的for循环无法直接并发执行多线程。这是因为Python解释器的全局解释器锁（Global Interpreter Lock，GIL）限制了在解释器级别同时运行多个线程执行字节码的能力。

GIL是一种机制，确保在CPython解释器中同一时刻只有一个线程在执行Python字节码。这意味着即使在多线程环境下，同一进程中的多个线程也无法同时利用多个CPU核心。

然而，值得注意的是，尽管for循环本身不能直接并发执行多线程，但是可以使用其他模块（如threading模块）来在循环内部创建和管理多个线程，以实现并发执行的效果。

以下是一个示例代码，展示了如何在for循环中使用threading模块创建多个线程并发执行任务：

import threading


def process_function(value):
    # 执行任务的代码
    print(f"Processing value {value}")


if __name__ == "__main__":
    values = [1, 2, 3, 4, 5]

    threads = []
    for value in values:
        thread = threading.Thread(target=process_function, args=(value,))
        threads.append(thread)
        thread.start()

    # 等待所有线程完成
    for thread in threads:
        thread.join()

    print("All threads completed")

在上述示例中，我们使用threading.Thread来创建多个线程，并将每个线程的目标函数设置为process_function。在循环结束后，我们启动每个线程，并使用join方法等待所有线程完成。

需要注意的是，由于GIL的存在，在多线程情况下，并不会提高CPU密集型任务的执行速度，因为同一时刻只有一个线程能够执行Python字节码。而对于I/O密集型任务，多线程可以在等待I/O的时候切换到其他线程，提高效率。

如果你希望充分利用多核/多CPU，实现并行处理，可以考虑使用multiprocessing模块来创建多个进程执行任务。

二、multiprocessing

Python 的 multiprocessing 模块提供了用于并行执行任务的多进程功能。它允许在 Python 中创建和管理多个独立的进程，每个进程有自己独立的资源和控制流程，可以同时执行任务以提高程序的性能和效率。

下面是对 multiprocessing 模块的详细说明：

• 进程创建：multiprocessing 模块提供了 Process 类，可以使用它来创建进程。通过创建 Process 类的实例，可以指定要执行的函数或方法，并传递参数给它们。然后调用进程的 start() 方法来启动进程的执行。
• 进程间通信：由于每个进程拥有独立的地址空间，进程间的数据共享需要使用特定的进程间通信（IPC）机制。multiprocessing 模块提供了多种 IPC 的方式，如队列（Queue）、管道（Pipe）、共享内存（Value、Array）等，在不同进程之间安全地传递数据。
• 进程池：通过使用 multiprocessing 模块的 Pool 类，可以创建进程池，实现对任务的批量处理。进程池中的多个进程可以并行执行任务，从而提高效率。
• 锁和同步：多个进程同时访问共享资源时，可能会导致资源竞争和数据不一致的问题。为了避免这些问题，multiprocessing 模块提供了锁（Lock）、信号量（Semaphore）、条件变量（Condition）、事件（Event）等同步原语，用于实现进程间的同步和通信。
• 异常处理：在多进程执行时，各个进程都是相互独立运行的，因此可能会出现进程抛出异常的情况。multiprocessing 模块提供了异常处理机制，可以捕获和处理子进程抛出的异常。

总体而言，multiprocessing 模块提供了一种简单且方便的方式来实现多进程并行处理。它适用于处理 CPU 密集型任务、利用多核处理器的计算、并行执行独立的子任务等场景，可以充分发挥多核处理器的能力，提高程序的性能和效率。

import multiprocessing as mul


def f(x):
    return x ** 2


if __name__ == '__main__':
    pool = mul.Pool(5)
    rel = pool.map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
    print(rel)

问题1.使用multiprocessing.Pool并行处理任务时，需要添加锁吗

在使用multiprocessing.Pool并行处理任务时，通常情况下不需要手动添加锁。

multiprocessing.Pool内部会自动处理进程间的并发访问问题，确保任务的并行执行不会导致数据竞争或冲突。

Pool会将任务分配给不同的进程，并确保每个进程独立地执行任务。每个进程都有自己的内存空间和执行环境，因此它们之间不会共享变量。

然而，如果你在任务内部使用了共享的可变数据结构（例如列表、字典）或共享的资源（例如文件、网络资源），那么你可能需要考虑使用进程锁（multiprocessing.Lock）或其他同步机制来保证数据访问的一致性和完整性。

在这种情况下，你可以在任务函数中使用锁来保护共享资源的读写操作，以避免数据竞争问题。如果你的任务没有使用共享的可变数据结构或资源，则通常情况下无需手动添加锁。

需要注意的是，进程锁的使用可能会对并行性能产生一定的影响，尤其是在高度竞争的情况下。因此，在使用锁时，需要权衡并行性能和数据一致性之间的需求。

三、concurrent.futures

concurrent.futures 是 Python 标准库中用于并发编程的模块。它提供了一种高级的接口，使得在编写并发代码时更加简单和直观。concurrent.futures 模块基于线程池和进程池的概念，允许在多个线程或进程中并发执行任务，并提供了一些方便的方法来管理并发任务的执行和获取结果。

下面是对 concurrent.futures 模块的一些关键概念和用法的详细说明：

1. Executor 接口：concurrent.futures 模块提供了 Executor 接口作为执行并发任务的抽象。它定义了一些常用的方法，如 submit()、map() 和 shutdown()。

   • submit(fn, *args, **kwargs)：将函数 fn 以及其参数 args 和关键字参数 kwargs 提交给执行器，返回一个 Future 对象，代表函数的异步执行。
   • map(fn, *iterables, timeout=None)：将函数 fn 应用于 iterables 中的每个元素，并返回一个可迭代的 Future 对象，每个 Future 对象代表一个函数的异步执行。
   • shutdown(wait=True)：关闭执行器，等待所有任务完成。如果 wait 参数为 True（默认），则会阻塞直到所有任务完成。

2. Future 对象：Future 对象代表一个异步操作的结果。通过 submit() 或 map() 方法返回的 Future 对象可以用于获取任务的结果和管理任务的状态。

   • result(timeout=None)：等待并返回任务的结果。如果 timeout 参数指定了超时时间，超过该时间仍未完成则抛出 TimeoutError 异常。
   • add_done_callback(fn)：添加一个回调函数，在任务完成时被调用。
   • cancelled()：返回任务是否被取消。
   • running()：返回任务是否正在运行。
   • done()：返回任务是否已经完成。

3. 并发任务的执行方式：

   • 线程池执行器：concurrent.futures.ThreadPoolExecutor 类提供了线程池的实现，使用线程来执行并发任务。
   • 进程池执行器：concurrent.futures.ProcessPoolExecutor 类提供了进程池的实现，使用多个进程来执行并发任务。

下面是一个简单示例，演示了如何使用 concurrent.futures 模块创建线程池执行器并异步执行任务：

import concurrent.futures

def task(name):
    print(f"Task {name} started")
    result = name.upper()
    print(f"Task {name} completed")
    return result

if __name__ == '__main__':
    with concurrent.futures.ThreadPoolExecutor() as executor:
        futures = [executor.submit(task, i) for i in range(5)]
        for future in concurrent.futures.as_completed(futures):
            result = future.result()
            print(f"Result: {result}")

在上述示例中，我们定义了一个简单的任务函数 task()，它接受一个名称作为输入，并将其转换为大写。然后，我们使用 ThreadPoolExecutor 创建了一个线程池执行器，并使用 submit() 方法提交了五个任务。通过 as_completed() 函数，我们可以按照任务完成的顺序获取结果，并打印出每个任务的结果。

这只是 concurrent.futures 模块的基本用法介绍，它还提供了其他功能，如超时处理、并发映射、异常处理等。

四、joblib

joblib 是一个用于高效地并行运行 Python 函数的库，特别适用于科学计算和机器学习任务。它提供了一种简单的方式来并行执行函数，自动处理函数的序列化和反序列化，并提供了内存缓存功能，以减少重复计算的开销。

下面是对 joblib 库的一些关键概念和用法的详细说明：

• 并行执行函数：joblib 提供了 Parallel 类，用于并行执行函数。它可以通过多线程或多进程的方式实现并行计算。

from joblib import Parallel, delayed

# 定义需要并行执行的函数
def my_function(x):
    return x ** 2

# 并行执行函数
results = Parallel(n_jobs=2)(delayed(my_function)(i) for i in range(10))

在上述示例中，我们定义了一个简单的函数 my_function()，它接受一个参数并返回参数的平方。通过 Parallel 类，我们可以并行地执行 my_function() 函数，并得到一个包含计算结果的列表。

• 内存缓存：joblib 提供了 Memory 类，用于在函数执行期间缓存中间结果，以减少重复计算的开销。

from joblib import Memory

# 创建内存缓存对象
mem = Memory("cachedir")

# 定义需要缓存的函数
@mem.cache
def my_function(x):
    return x ** 2

# 调用函数
result = my_function(5)

在上述示例中，我们使用 Memory 类创建了一个内存缓存对象，指定缓存目录为 “cachedir”。通过装饰器 @mem.cache，我们将 my_function() 函数包装成一个带有缓存功能的函数。在函数被调用时，如果输入参数已经被缓存，那么将直接返回缓存的结果，避免重复计算。

• 其他功能：joblib 还提供了其他一些功能，如延迟计算、并行循环、内存映射等。你可以根据具体需求进一步探索和了解这些功能。

joblib 库的优势在于它的简单易用性和高效性，特别适用于科学计算和机器学习中的大规模计算任务。它可以帮助提高代码的执行速度，并提供了一些方便的功能来处理函数的并行执行和结果的缓存，从而提升工作效率。

参考：
https://docs.python.org/zh-cn/3/library/multiprocessing.html