第033课：Python中的并发编程（中）.md

第033课：Python中的并发编程（中）

###创建进程

多进程和多线程的比较

由于GIL问题，CPython中的多线程是不能很好发挥多核优势的，如果想要发挥多核优势，可以考虑使用多进程。对于多进程的程序，每个进程都有属于自己的GIL，所以多进程不会受GIL的影响，能够很好的发挥多核CPU的优势。对于爬虫这类I/O密集型任务来说，多线程和多进程影响差别并不大。对于计算密集型任务来说，多进程相比多线程，在效率上会有成倍的提升。

我们通过下面的代码来为大家证实多进程的优势。

"""
time python3 example22.py
real    0m11.512s
user    0m39.319s
sys     0m0.169s
使用多进程后实际执行时间为11.512秒，而用户时间39.319秒约为实际执行时间的4倍
这就证明我们的程序通过多进程使用了CPU的多核特性，而且这台计算机配置了4核的CPU
"""
import concurrent.futures
import math

PRIMES = [
    1116281,
    1297337,
    104395303,
    472882027,
    533000389,
    817504243,
    982451653,
    112272535095293,
    112582705942171,
    112272535095293,
    115280095190773,
    115797848077099,
    1099726899285419
] * 5


def is_prime(n):
    """判断素数"""
    if n % 2 == 0:
        return False

    sqrt_n = int(math.floor(math.sqrt(n)))
    for i in range(3, sqrt_n + 1, 2):
        if n % i == 0:
            return False
    return True


def main():
    """主函数"""
    with concurrent.futures.ProcessPoolExecutor() as executor:
        for number, prime in zip(PRIMES, executor.map(is_prime, PRIMES)):
            print('%d is prime: %s' % (number, prime))


if __name__ == '__main__':
    main()

进程间通信

简单的总结

对于Python开发者来说，以下情况需要考虑使用多线程：

1. 程序需要维护许多共享的状态（尤其是可变状态），Python中的列表、字典、集合都是线程安全的，所以使用线程而不是进程维护共享状态的代价相对较小。
2. 程序会花费大量时间在I/O操作上，没有太多并行计算的需求且不需占用太多的内存。

那么在遇到下列情况时，应该考虑使用多进程：

1. 程序执行计算密集型任务（如：字节码操作、数据处理、科学计算）。
2. 程序的输入可以并行的分成块，并且可以将运算结果合并。
3. 程序在内存使用方面没有任何限制且不强依赖于I/O操作（如：读写文件、套接字等）。

温馨提示：学习中如果遇到困难，可以加QQ交流群询问。

付费群：789050736，群一直保留，供大家学习交流讨论问题。

免费群：151669801，仅供入门新手提问，定期清理群成员。