Python并发编程：多线程与多进程案例分析

原创今天药忘吃喽~ 2025-01-31 15:36 34阅读 0赞

在Python中，并发编程主要涉及到两种方式：多线程和多进程。下面我们将通过一些案例来详细分析这两种方式。

1. **多线程**：

- **基本例子**：
     ```python
     import threading

def thread_function():
         print(f'Thread {threading.current_thread().name}} started')

threads = []
     for i in range(5):
         t = threading.Thread(target=thread_function)
         t.start()
         threads.append(t)

for thread in threads:
         thread.join()  # 等待线程结束

print('All threads completed')
     ```
   - **协程**（Python 3.7+）：
     ```python
     import asyncio

@asyncio.coroutine
     def coro_function():
         yield from asyncio.sleep(1)
         print(f'Coro {coro_function.__name__}} started')

loop = asyncio.get_event_loop()
     tasks = [loop.create_task(coro_function())) for _ in range(5)]

try:
         loop.run_until_complete(asyncio.gather(*tasks)))
     finally:
         loop.close()

print('All coroutines completed')
     ```

2. **多进程**（使用`multiprocessing`模块）：
   ```python
   import multiprocessing

def worker_function(num):
       print(f'Worker {num} started processing task...'))
       time.sleep(1)  # 模拟任务处理时间
       print(f'Worker {num} completed task...'))

if __name__ == '__main__':
     num_workers = 5  # 设置多进程的线程数量

# 创建进程池
     pool = multiprocessing.Pool(num_workers)

# 分配任务到各个进程中
     tasks = [pool.apply_async(worker_function, i))) for i in range(10)]  # 每个进程处理10个任务

# 等待所有进程完成任务
     results = pool.map(worker_function, [i for _ in range(10)]]))  # 使用map函数，一次性获取所有结果

print('All workers completed their tasks...')
     for result in results:
         print(result)

# 关闭进程池，释放资源
     pool.close()
     pool.join()

print('Multiprocessing complete')
   ```

总结：Python并发编程主要通过多线程（使用`threading`模块）和多进程（使用`multiprocessing`模块）实现。在实际项目中，选择哪种方式取决于任务性质、系统资源需求以及对程序性能的考虑。

Python并发编程：多线程与多进程案例分析

发表评论取消回复

还没有评论，来说两句吧...

相关阅读

相关 Python并发编程：多线程与进程的例子

相关 Python并发编程：多线程与多进程案例分析

相关 Python并发编程：多线程与进程实例

相关 Python多线程编程案例分析

相关 Python并发编程：多线程和多进程案例解析？

相关 Python并发编程：线程与进程案例

相关 Python并发编程：线程池和多进程差异案例

相关并发编程与多线程：Python多进程应用挑战

相关 Python并发编程：多线程与进程案例分析

相关 Java多线程并发编程案例分析