第十三章:python中的并发编程详细讲解

文章目录

  • 第十三章:并发编程
    • 一、操作系统的基本介绍
      • (一) 多道技术
        • 一、空间上的复用
        • 二、时间上的复用
      • (二) 操作系统的作用
      • (三) 多道技术总结
    • 二、并发编程之进程
      • (一) 基本概念
        • 一、什么是进程
        • 二、并发
        • 三、并行
        • 四、进程的三种状态
        • 五、同步和异步的基本概念
        • 六、阻塞与非阻塞
      • (二) 创建进程的两种方式
        • 方式一
        • 方式二
      • (三) join方法
      • (四) 进程之间数据彼此隔离
      • (五) 进程对象及其他方法
      • (六)僵尸进程与孤儿进程
      • (七) 守护进程
      • (八) 互斥锁
      • (九) 队列
      • (十) IPC机制
      • (十一) 生产者消费者模型
    • 三、并发编程之线程
      • (一) 基本概念
        • 一、什么是线程
        • 二、为何要有线程
      • (二) 开启线程的两种方式
      • (三) TCP服务端实现并发的效果
      • (四) 线程对象的join方法
      • (五) 同一个进程下的多个线程数据是共享的
      • (六) 线程对象属性及其他方法
      • (七)守护线程
      • (八) 线程互斥锁
      • (九) GIL全局解释器锁
      • (十) GIL与普通互斥锁的区别
      • (十一) 同一个进程下的多线程无法利用多核优势,是不是就没有用了
    • 总结

第十三章:并发编程

一、操作系统的基本介绍

第一代计算机(1940~1955):真空管和穿孔卡片

第二代计算机(1955~1965):晶体管和批处理系统

第三代计算机(1965~1980):集成电路芯片和多道程序设计

第四代计算机(1980~至今):个人计算机

(一) 多道技术

一、空间上的复用

将内存分为几部分,每个部分放入一个程序,这样,同一时间内存中就有了多道程序。

二、时间上的复用

当一个程序在等待I/O时,另一个程序可以使用cpu,如果内存中可以同时存放足够多的作业,则cpu的利用率可以接近100%,类似于我们小学数学所学的统筹方法。
(操作系统采用了多道技术后,可以控制进程的切换,或者说进程之间去争抢cpu的执行权限。这种切换不仅会在一个进程遇到io时进行,一个进程占用cpu时间过长也会切换,或者说被操作系统夺走cpu的执行权限)

(二) 操作系统的作用

1:隐藏丑陋复杂的硬件接口,提供良好的抽象接口
2:管理、调度进程,并且将多个进程对硬件的竞争变得有序

(三) 多道技术总结

1.产生背景:针对单核,实现并发
注意:现在的主机一般是多核,那么每个核都会利用多道技术有4个cpu,运行于cpu1的某个程序遇到io阻塞,会等到io结束再重新调度,会被调度到4个cpu中的任意一个,具体由操作系统调度算法决定。

2.空间上的复用:如内存中同时有多道程序
3.时间上的复用:复用一个cpu的时间片
强调:遇到io切,占用cpu时间过长也切,核心在于切之前将进程的状态保存下来,这样才能保证下次切换回来时,能基于上次切走的位置继续运行

二、并发编程之进程

(一) 基本概念

一、什么是进程

1.程序:一堆代码文件
2.进程:一个正在运行的程序or程序的运行过程
3.进程与程序的区别:程序仅仅只是一堆代码而已,而进程指的是程序的运行过程。

二、并发

多个进程/任务看起来是同时运行的

三、并行

多个进程/任务是真正意义上的同时运行

四、进程的三种状态

运行态
就绪态
阻塞态

五、同步和异步的基本概念

**同步:**就是在发出一个功能调用时,在没有得到结果之前,该调用就不会返回。

**异步:**它的概念和同步相对。当一个异步功能调用发出后,调用者不能立刻得到结果。当该异步功能完成后,通过状态、通知或回调来通知调用者。如果异步功能用状态来通知,那么调用者就需要每隔一定时间检查一次,效率就很低(有些初学多线程编程的人,总喜欢用一个循环去检查某个变量的值,这其实是一 种很严重的错误)。如果是使用通知的方式,效率则很高,因为异步功能几乎不需要做额外的操作。至于回调函数,其实和通知没太多区别。

六、阻塞与非阻塞

阻塞调用: 指调用结果返回之前,当前线程会被挂起(如遇到io操作)。函数只有在得到结果之后才会将阻塞的线程激活。有人也许会把阻塞调用和同步调用等同起来,实际上他是不同的。对于同步调用来说,很多时候当前线程还是激活的,只是从逻辑上当前函数没有返回而已。

非阻塞: 它和阻塞的概念相对应,指在不能立刻得到结果之前也会立刻返回,同时该函数不会阻塞当前线程。

理想状态: 我们应该让代码永远处于就绪态和运行态之间切换

综合五和六所述,最搞笑的一种组合式 异步非阻塞

(二) 创建进程的两种方式

方式一

# 建议使用第一种方式
from multiprocessing import Process
import time


def task(name):
    print('%s is running' % name)
    time.sleep(3)
    print('%s is end' % name)

# 注意:
    # windows操作系统下,创建进程一定要在main内创建
    # 因为Windows下创建进程类似于模块导入的方式,会从往下依次执行程序
    # Linux中是直接将代码完整的拷贝一份


if __name__ == '__main__':
    # 创建进程
    # 1.创建一个对象
    p = Process(target=task, args=('wuchangwen',))
    # 2.启动进程
    p.start()  # 告诉操作系统创建一个进程  异步提交
    print('主')

方式二

# 第二种方式  类的继承
from multiprocessing import Process
import time


class MyProcess(Process):
    def run(self):
        print('run process')
        time.sleep(1)
        print('end process')


if __name__ == '__main__':
    p = MyProcess()
    p.start()
    print('主')

总结:

'''
创建进程就是在内存中申请一块内存空间将需要运行的代码丢进去
一个进程对应在内存中就是一块独立的内存空间
一个进程对应在内存中就是一块独立的内存空间
进程与进程之间数据默认情况下是无法直接交互的,如果需要交互则借助于第三方工具或者模块
'''

(三) join方法

join是让主进程等待子进程程序运行结束后,再继续运行,不影响其他子进程的执行。

from multiprocessing import Process
import time


def task(name, n):
    print('%s is running' % name)
    time.sleep(n)
    print('%s is end' % name)


if __name__ == '__main__':
    # # 创建进程
    # # 1.创建一个对象
    # p1 = Process(target=task, args=('wuchangwen', 1))
    # p2 = Process(target=task, args=('tom', 2))
    # p3 = Process(target=task, args=('tony', 3))
    # start_time = time.time()
    # # 2.启动进程
    # p1.start()  # 告诉操作系统创建一个进程  异步提交
    # p2.start()  # 告诉操作系统创建一个进程  异步提交
    # p3.start()  # 告诉操作系统创建一个进程  异步提交
    # # time.sleep(5)
    # # p.join()  # 主进程等待子进程p运行结束之后再继续往后执行程序
    # p1.join()
    # p2.join()
    # p3.join()

    start_time = time.time()
    p_list = []
    for i in range(1, 4):
        p = Process(target=task, args=('子进程 %s' % i, i))
        p.start()
        p_list.append(p)
        # p.join()
    for p in p_list:
        p.join()
    print('主', time.time() - start_time)

(四) 进程之间数据彼此隔离

from multiprocessing import Process


money = 1000000


def task():
    global money  # 局部修改全局
    money = 11111111
    print('子', money)


if __name__ == '__main__':
    p = Process(target=task)
    p.start()
    p.join()
    print(money)

(五) 进程对象及其他方法

# 方式一
from multiprocessing import Process, current_process
import time
import os


# 一台计算机上面运行这很多多进程,那么计算机是如何区分管理这些进程服务端的呢?
# 计算机会给一个运行的进程分配一个PID号
# 如何查看?
# Windows电脑输入cmd输入tasklist即可查看,tasklist | findstr PID查看具体的进程
# mac电脑 进入终端之后输入ps aux,ps aux|grep PID查看具体的进程
def task():
    print('%s is running' % current_process().pid)   # 查看当前进程的进程号
    time.sleep(1)


if __name__ == '__main__':
    p = Process(target=task)
    p.start()
    print('主', current_process().pid)
 

#方式二
from multiprocessing import Process, current_process
import time
import os


# 一台计算机上面运行这很多多进程,那么计算机是如何区分管理这些进程服务端的呢?
# 计算机会给一个运行的进程分配一个PID号
# 如何查看?
# Windows电脑输入cmd输入tasklist即可查看,tasklist | findstr PID查看具体的进程
# mac电脑 进入终端之后输入ps aux,ps aux|grep PID查看具体的进程
def task():
    # print('%s is running' % current_process().pid)   # 方式一、查看当前进程的进程号
    print('%s is running' % os.getpid())  # 方式二、查看当前进程的进程号
    print('%s 子进程的父进程号' % os.getppid())
    time.sleep(1)


if __name__ == '__main__':
    p = Process(target=task)
    p.start()
    # print('主', current_process().pid)
    print('主', os.getpid())
    print('主主主', os.getppid())  # 获取父进程的pid号
    
    

#  terminate和is_alive
from multiprocessing import Process
import time
import os


def task():
    print('%s is running' % os.getpid())  # 方式二、查看当前进程的进程号
    time.sleep(1)


if __name__ == '__main__':
    p = Process(target=task)
    p.start()
    p.terminate()  # 杀死当前进程,告诉操作系统帮你去杀死当前进程,但需要时间,而代码运行速度极快
    time.sleep(0.3)  # 所以此处等待小一段时间
    print(p.is_alive())  # 判断当前进程是否存活
    '''
    一般情况下我们会默认将存储布尔值的变量名和返回的结果是布尔值的方法名都起成is_开头
    '''
    print('主')

(六)僵尸进程与孤儿进程

from multiprocessing import Process
import time


def run():
    print('start,,,')
    time.sleep(1)
    print('end...')


if __name__ == '__main__':
    p = Process(target=run)
    p.start()
    print('主')
# 僵尸进程
"""
死了但是没有死透
当你开设了子进程之后 该进程死后不会立刻释放占用的进程号
因为我要让父进程能够查看到它开设的子进程的一些基本信息 占用的pid号 运行时间。。。
所有的进程都会步入僵尸进程
	父进程不死并且在无限制的创建子进程并且子进程也不结束
	回收子进程占用的pid号
		父进程等待子进程运行结束
		父进程调用join方法
"""

# 孤儿进程
"""
子进程存活,父进程意外死亡
操作系统会开设一个“儿童福利院”专门管理孤儿进程回收相关资源
"""

(七) 守护进程

from multiprocessing import Process
import time


def task(name):
    print('%s 张三正在活着' % name)
    time.sleep(3)
    print('%s 张三正在死亡')


if __name__ == '__main__':
    p = Process(target=task, args=('罪人', ))
    # p = Process(target=task, kwargs={'name':'罪人'})
    p.daemon = True  # 将进程p设置成守护进程  这一句一定要放在start方法上面才有效否则会直接报错
    p.start()
    print('同伙李四畏罪自杀')

(八) 互斥锁

多个进程操作同一份数据的时候,会出现数据错乱的问题

针对上述问题,解决方式就是加锁处理:将并发变成串行,牺牲效率但是保证了数据的安全

from multiprocessing import Process, Lock
import json
import time
import random


# 查票
def search(i):
    # 文件操作读取票数
    with open('data','r',encoding='utf8') as f:
        dic = json.load(f)
    print('用户%s查询余票:%s'%(i, dic.get('ticket_num')))
    # 字典取值不要用[]的形式 推荐使用get  你写的代码打死都不能报错!!!


# 买票  1.先查 2.再买
def buy(i):
    # 先查票
    with open('data','r',encoding='utf8') as f:
        dic = json.load(f)
    # 模拟网络延迟
    time.sleep(random.randint(1,3))
    # 判断当前是否有票
    if dic.get('ticket_num') > 0:
        # 修改数据库 买票
        dic['ticket_num'] -= 1
        # 写入数据库
        with open('data','w',encoding='utf8') as f:
            json.dump(dic,f)
        print('用户%s买票成功'%i)
    else:
        print('用户%s买票失败'%i)


# 整合上面两个函数
def run(i, mutex):
    search(i)
    # 给买票环节加锁处理
    # 抢锁
    mutex.acquire()

    buy(i)
    # 释放锁
    mutex.release()


if __name__ == '__main__':
    # 在主进程中生成一把锁 让所有的子进程抢 谁先抢到谁先买票
    mutex = Lock()
    for i in range(1,11):
        p = Process(target=run, args=(i, mutex))
        p.start()
"""
扩展 行锁 表锁

注意:
   1.锁不要轻易的使用,容易造成死锁现象(我们写代码一般不会用到,都是内部封装好的)
   2.锁只在处理数据的部分加来保证数据安全(只在争抢数据的环节加锁处理即可) 
"""

(九) 队列

# 队列Queue模块
"""
管道:subprocess 
	stdin stdout stderr
队列:管道+锁

队列:先进先出
堆栈:先进后出
"""
from multiprocessing import Queue

# 创建一个队列
q = Queue(5)  # 括号内可以传数字 标示生成的队列最大可以同时存放的数据量

# 往队列中存数据
q.put(111)
q.put(222)
q.put(333)
# print(q.full())  # 判断当前队列是否满了
# print(q.empty())  # 判断当前队列是否空了
q.put(444)
q.put(555)
# print(q.full())  # 判断当前队列是否满了

# q.put(666)  # 当队列数据放满了之后 如果还有数据要放程序会阻塞 直到有位置让出来 不会报错

"""
存取数据 存是为了更好的取
千方百计的存、简单快捷的取

同在一个屋檐下
差距为何那么大
"""

# 去队列中取数据
v1 = q.get()
v2 = q.get()
v3 = q.get()
v4 = q.get()
v5 = q.get()
# print(q.empty())
# V6 = q.get_nowait()  # 没有数据直接报错queue.Empty
# v6 = q.get(timeout=3)  # 没有数据之后原地等待三秒之后再报错  queue.Empty
try:
    v6 = q.get(timeout=3)
    print(v6)
except Exception as e:
    print('一滴都没有了!')

# # v6 = q.get()  # 队列中如果已经没有数据的话 get方法会原地阻塞
# print(v1, v2, v3, v4, v5, v6)

"""
q.full()
q.empty()
q.get_nowait()
在多进程的情况下是不精确
"""

(十) IPC机制

from multiprocessing import Queue, Process

"""
研究思路
    1.主进程跟子进程借助于队列通信
    2.子进程跟子进程借助于队列通信
"""
def producer(q):
    q.put('我是23号技师 很高兴为您服务')


def consumer(q):
    print(q.get())


if __name__ == '__main__':
    q = Queue()
    p = Process(target=producer,args=(q,))
    p1 = Process(target=consumer,args=(q,))
    p.start()
    p1.start()

(十一) 生产者消费者模型

"""
生产者:生产/制造东西的
消费者:消费/处理东西的
该模型除了上述两个之外还需要一个媒介
	生活中的例子做包子的将包子做好后放在蒸笼(媒介)里面,买包子的取蒸笼里面拿
	厨师做菜做完之后用盘子装着给你消费者端过去
	生产者和消费者之间不是直接做交互的,而是借助于媒介做交互
	
生产者(做包子的) + 消息队列(蒸笼) + 消费者(吃包子的)
"""

三、并发编程之线程

(一) 基本概念

一、什么是线程

"""
进程:资源单位
线程:执行单位

将操作系统比喻成一个大的工厂
那么进程就相当于工厂里面的车间
而线程就是车间里面的流水线

每一个进程肯定自带一个线程

再次总结:
	进程:资源单位(起一个进程仅仅只是在内存空间中开辟一块独立的空间)
	线程:执行单位(真正被cpu执行的其实是进程里面的线程,线程指的就是代码的执行过程,执行代码中所需要使用到的资源都找所在的进程索要)
	
进程和线程都是虚拟单位,只是为了我们更加方便的描述问题
"""

二、为何要有线程

"""
开设进程
	1.申请内存空间	耗资源
	2.“拷贝代码”   耗资源
开线程
	一个进程内可以开设多个线程,在用一个进程内开设多个线程无需再次申请内存空间操作

总结:
	开设线程的开销要远远的小于进程的开销
	同一个进程下的多个线程数据是共享的!!!
"""
我们要开发一款文本编辑器
	获取用户输入的功能
  实时展示到屏幕的功能
  自动保存到硬盘的功能
针对上面这三个功能,开设进程还是线程合适???
	开三个线程处理上面的三个功能更加的合理

(二) 开启线程的两种方式

# from multiprocessing import Process
# from threading import Thread
# import time
#
#
# def task(name):
#     print('%s is running'%name)
#     time.sleep(1)
#     print('%s is over'%name)
#
#
# # 开启线程不需要在main下面执行代码 直接书写就可以
# # 但是我们还是习惯性的将启动命令写在main下面
# t = Thread(target=task,args=('egon',))
# # p = Process(target=task,args=('jason',))
# # p.start()
# t.start()  # 创建线程的开销非常小 几乎是代码一执行线程就已经创建了
# print('主')



from threading import Thread
import time


class MyThead(Thread):
    def __init__(self, name):
        """针对刷个下划线开头双下滑线结尾(__init__)的方法 统一读成 双下init"""
        # 重写了别人的方法 又不知道别人的方法里有啥 你就调用父类的方法
        super().__init__()
        self.name = name

    def run(self):
        print('%s is running'%self.name)
        time.sleep(1)
        print('egon DSB')


if __name__ == '__main__':
    t = MyThead('egon')
    t.start()
    print('主')

(三) TCP服务端实现并发的效果

import socket
from threading import Thread
from multiprocessing import Process
"""
服务端
    1.要有固定的IP和PORT
    2.24小时不间断提供服务
    3.能够支持并发
    
从现在开始要养成一个看源码的习惯
我们前期要立志称为拷贝忍者 卡卡西 不需要有任何的创新
等你拷贝到一定程度了 就可以开发自己的思想了
"""
server =socket.socket()  # 括号内不加参数默认就是TCP协议
server.bind(('127.0.0.1',8080))
server.listen(5)


# 将服务的代码单独封装成一个函数
def talk(conn):
    # 通信循环
    while True:
        try:
            data = conn.recv(1024)
            # 针对mac linux 客户端断开链接后
            if len(data) == 0: break
            print(data.decode('utf-8'))
            conn.send(data.upper())
        except ConnectionResetError as e:
            print(e)
            break
    conn.close()

# 链接循环
while True:
    conn, addr = server.accept()  # 接客
    # 叫其他人来服务客户
    # t = Thread(target=talk,args=(conn,))
    t = Process(target=talk,args=(conn,))
    t.start()


"""客户端"""
import socket


client = socket.socket()
client.connect(('127.0.0.1',8080))

while True:
    client.send(b'hello world')
    data = client.recv(1024)
    print(data.decode('utf-8'))

(四) 线程对象的join方法

from threading import Thread
import time


def task(name):
    print('%s is running'%name)
    time.sleep(3)
    print('%s is over'%name)


if __name__ == '__main__':
    t = Thread(target=task,args=('egon',))
    t.start()
    t.join()  # 主线程等待子线程运行结束再执行
    print('主')

(五) 同一个进程下的多个线程数据是共享的

from threading import Thread
import time


money = 100


def task():
    global money
    money = 666
    print(money)


if __name__ == '__main__':
    t = Thread(target=task)
    t.start()
    t.join()
    print(money)

(六) 线程对象属性及其他方法

from threading import Thread, active_count, current_thread
import os,time


def task(n):
    # print('hello world',os.getpid())
    print('hello world',current_thread().name)
    time.sleep(n)


if __name__ == '__main__':
    t = Thread(target=task,args=(1,))
    t1 = Thread(target=task,args=(2,))
    t.start()
    t1.start()
    t.join()
    print('主',active_count())  # 统计当前正在活跃的线程数
    # print('主',os.getpid())
    # print('主',current_thread().name)  # 获取线程名字

(七)守护线程

# from threading import Thread
# import time
#
#
# def task(name):
#     print('%s is running'%name)
#     time.sleep(1)
#     print('%s is over'%name)
#
#
# if __name__ == '__main__':
#     t = Thread(target=task,args=('egon',))
#     t.daemon = True
#     t.start()
#     print('主')

"""
主线程运行结束之后不会立刻结束 会等待所有其他非守护线程结束才会结束
    因为主线程的结束意味着所在的进程的结束
"""


# 稍微有一点迷惑性的例子
from threading import Thread
import time


def foo():
    print(123)
    time.sleep(1)
    print('end123')


def func():
    print(456)
    time.sleep(3)
    print('end456')


if __name__ == '__main__':
    t1 = Thread(target=foo)
    t2 = Thread(target=func)
    t1.daemon = True
    t1.start()
    t2.start()
    print('主.......')

(八) 线程互斥锁

from threading import Thread,Lock
import time


money = 100
mutex = Lock()


def task():
    global money
    mutex.acquire()
    tmp = money
    time.sleep(0.1)
    money = tmp - 1
    mutex.release()


if __name__ == '__main__':

    t_list = []
    for i in range(100):
        t = Thread(target=task)
        t.start()
        t_list.append(t)
    for t in t_list:
        t.join()
    print(money)

(九) GIL全局解释器锁

Ps:博客园密码:xiaoyuanqujing@666

"""
In CPython, the global interpreter lock, or GIL, is a mutex that prevents multiple 
native threads from executing Python bytecodes at once. This lock is necessary mainly 
because CPython’s memory management is not thread-safe. (However, since the GIL 
exists, other features have grown to depend on the guarantees that it enforces.)
"""
"""
python解释器其实有多个版本
	Cpython
	Jpython
	Pypypython
但是普遍使用的都是CPython解释器

在CPython解释器中GIL是一把互斥锁,用来阻止同一个进程下的多个线程的同时执行
	同一个进程下的多个线程无法利用多核优势!!!
	疑问:python的多线程是不是一点用都没有???无法利用多核优势
	
因为cpython中的内存管理不是线程安全的
内存管理(垃圾回收机制)
	1.应用计数
	2.标记清楚
	3.分代回收
	
"""

"""
重点:
	1.GIL不是python的特点而是CPython解释器的特点
	2.GIL是保证解释器级别的数据的安全
	3.GIL会导致同一个进程下的多个线程的无法同时执行即无法利用多核优势(******)
	4.针对不同的数据还是需要加不同的锁处理 
	5.解释型语言的通病:同一个进程下多个线程无法利用多核优势
"""

(十) GIL与普通互斥锁的区别

from threading import Thread,Lock
import time


mutex = Lock()
money = 100


def task():
    global money
    # with mutex:
    #     tmp = money
    #     time.sleep(0.1)
    #     money = tmp -1
    mutex.acquire()
    tmp = money
    time.sleep(0.1)  # 只要你进入IO了 GIL会自动释放
    money = tmp - 1
    mutex.release()


if __name__ == '__main__':
    t_list = []
    for i in range(100):
        t = Thread(target=task)
        t.start()
        t_list.append(t)
    for t in t_list:
        t.join()
    print(money)



"""
100个线程起起来之后  要先去抢GIL
我进入io GIL自动释放 但是我手上还有一个自己的互斥锁
其他线程虽然抢到了GIL但是抢不到互斥锁 
最终GIL还是回到你的手上 你去操作数据
"""

(十一) 同一个进程下的多线程无法利用多核优势,是不是就没有用了

"""
多线程是否有用要看具体情况
单核:四个任务(IO密集型\计算密集型)
多核:四个任务(IO密集型\计算密集型)
"""
# 计算密集型   每个任务都需要10s
单核(不用考虑了)
	多进程:额外的消耗资源
  多线程:介绍开销
多核
	多进程:总耗时 10+
  多线程:总耗时 40+
# IO密集型  
多核
	多进程:相对浪费资源
  多线程:更加节省资源

代码验证

# 计算密集型
# from multiprocessing import Process
# from threading import Thread
# import os,time
#
#
# def work():
#     res = 0
#     for i in range(10000000):
#         res *= i
#
# if __name__ == '__main__':
#     l = []
#     print(os.cpu_count())  # 获取当前计算机CPU个数
#     start_time = time.time()
#     for i in range(12):
#         p = Process(target=work)  # 1.4679949283599854
#         t = Thread(target=work)  # 5.698534250259399
#         t.start()
#         # p.start()
#         # l.append(p)
#         l.append(t)
#     for p in l:
#         p.join()
#     print(time.time()-start_time)



# IO密集型
from multiprocessing import Process
from threading import Thread
import os,time


def work():
    time.sleep(2)

if __name__ == '__main__':
    l = []
    print(os.cpu_count())  # 获取当前计算机CPU个数
    start_time = time.time()
    for i in range(4000):
        # p = Process(target=work)  # 21.149890184402466
        t = Thread(target=work)  # 3.007986068725586
        t.start()
        # p.start()
        # l.append(p)
        l.append(t)
    for p in l:
        p.join()
    print(time.time()-start_time)

总结

"""
多进程和多线程都有各自的优势
并且我们后面在写项目的时候通常可以
	多进程下面再开设多线程
这样的话既可以利用多核也可以介绍资源消耗
"""

作者:吴常文
出处:https://blog.csdn.net/qq_41405475
本文版权归作者和CSDN共有,欢迎转载,但未经作者同意必须保留此段声明,且在文章页面明显位置给出原文连接。

你可能感兴趣的:(Python,python,并发编程)