Python并发编程：多线程和多进程案例解析？

原创ゝ一纸荒年。 2025-01-17 08:42 101阅读 0赞

Python的并发编程主要涉及两种机制：多线程（Thread）和多进程（Process）。下面我会通过一些案例来解析这两种并发模型。

1. **多线程案例**：
   - **线程池**：通过ThreadPoolExecutor创建线程池，可以有效地管理线程资源。
   - **异步IO**：Python的asyncio库提供了基于事件的异步编程方式，适合高并发场景。
   ```python
   import threading
   from queue import Queue

def worker(q):
       while True:
           item = q.get()
           if item is None:
               break
           # 处理item
           q.put(item)

def main():
       # 创建队列和线程池
       q = Queue(10)
       threads = []
       thread_pool = ThreadPoolExecutor(max_workers=5)

# 将任务添加到队列中
       for _ in range(10):
           item = threading.current_thread().ident  # 获取当前线程的ID
           q.put(item)

# 创建并启动线程
       for _ in range(5):
           thread = threading.Thread(target=worker, args=(q,)))
           threads.append(thread)
           thread.start()

# 当所有任务完成后关闭线程池
       thread_pool.shutdown()
       main()

if __name__ == '__main__':
       main()
   ```

2. **多进程案例**：
   - **使用`multiprocessing`模块创建进程**：使用Pool或ProcessPoolExecutor进行并发操作。
   ```python
   import multiprocessing

def worker(num):
       print(f'Worker {num}: Running task')

if __name__ == '__main__':
       # 创建一个进程池，最大进程数为4
       pool = multiprocessing.Pool(processes=4)

# 提交任务到进程池中执行
       for num in range(10, 20)):
           pool.apply_async(worker, args=(num,)))

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

```

总结：Python的多线程和多进程都可以用于并发编程。多线程适合CPU密集型任务，而多进程更适合I/O密集型任务。