python中的多執行緒和多程序

python中的多執行緒和多程序

如果使用multiprocessing模組是相當簡單的，通過程序池或執行緒池來限定併發的數量。

建立多程序和多執行緒的語法是一樣的，只需要將pool替換為threadpool即可將多程序替換為多執行緒。

from multiprocessing import pool  # 程序池

from multiprocessing.dummy import pool as threadpool  # 執行緒池
defdo_something
(args):
# 注意，如果有多個引數，需要包裝成乙個tuple傳入
param1,param2 = args
#獲取當前執行緒的名字
name = multiprocessing.current_process().name
print('process=%s, p1=%d, p2=%d' %(name, param1,param2))
return n*2
defmain
():# 注意，如果需要傳入過個引數，需要整理成tuple格式
# task是乙個可迭代物件，傳入需要計算的引數
task=[(1,11),(2,22),(3,33),(4,44),(5,55),(6,66),(7,77)]
# 多程序示例
pool = pool(4)  # 開4個核
result = pool.map(do_something, task)  # 將每個程序的結果組成list
pool.close()    # 關閉程序池（pool），使其不在接受新的任務
pool.join()  # 等待子程序結束
# 多執行緒示例
pool = threadpool(20)  # 20個執行緒
result = pool.map(do_something, task)
pool.close()
pool.join()
if __name__ == '__main__':
main()

但是，在relp模式下肯定是不會成功的。

參考

python 多執行緒 和 多程序

單執行緒例子 usr bin python coding utf 8 name danxiancheng.py import time import threading def loop num,sec print loop s start num,time.strftime y m d h m s...

python多執行緒和多程序

pool 感謝多執行緒和多程序最大的不同在於，多程序中，同乙個變數，各自有乙份拷貝存在於每個程序中，互不影響 而多執行緒中，所有變數都由所有執行緒共享，所以，任何乙個變數都可以被任何乙個執行緒修改，因此，執行緒之間共享資料最大的危險在於多個執行緒同時改乙個變數，把內容給改亂了。python中，多執行...

多程序和多執行緒python

coding utf8 import threading import time class mop floor threading.thread def init self super mop floor,self init def run self print 我要拖地了 time.sleep ...