前言：以前玩單機或者玩小資料集，都基本不用多執行緒或多程序都能基本滿足需求了…所以沒怎麼了解這方面的東西。但現在玩幾百萬甚至上千萬的資料，甚至集群等東西之後，就有必要學習多執行緒或多程序了。
在python中首先要匯入相關的模組
import threading as td
import multiprocessing as mp
td.active_count() #獲取當前執行緒數
td.current_thread() #獲取當前執行的執行緒資訊
td.enumerate() #獲取所有執行緒資訊
def func(x):
print(x**2)
thread1 = td.thread(target=func, args=(2,))
thread1.start()
a. target 的引數為函式的引用，所以是 func 而不是 func()。
b. args 的引數為迭代器 iterator，所以當引數只有乙個值時不能把 ',' 給忘了，是(2, )而不是(2)。引數有兩個值時不用在末尾加','。
守護執行緒
thread1.setdaemon()執行緒同步
thread1.join()獲取執行緒返回值
由於在多執行緒函式中不能返回值，但可以利用佇列來實現儲存結果。
from queue import queue
q = queue() #定義乙個物件q
q.put(value) #將value加入佇列中
q.get() #獲取佇列中的值
執行緒鎖
有的時候，執行緒之間需要有先後順序，那麼就需要執行緒鎖這個東西
lock = td.lock()
lock.acquire() #在函式func1中開始的時候加入鎖
lock.release() #在函式func1中結束的時候釋放
關於 python 的多執行緒，還需要了解到它的乙個效能問題。python 的 threading 對於處理 i/o 的程式加速效果更好一些，但是對於計算密集型的程式則未必。最主要的原因是, python 的設計上, 有乙個必要的環節, 就是 global interpreter lock (gil) 這個東西讓 python 還是一次性只能處理乙個東西。儘管python完全支援多執行緒程式設計，但是直譯器的c語言實現部分在完全並行執行時並不是執行緒安全的。實際上，直譯器被乙個全域性直譯器鎖保護著，它確保任何時候都只有乙個python執行緒執行。gil最大的問題就是python的多執行緒程式並不能利用多核cpu的優勢（比如乙個使用了多個執行緒的計算密集型程式只會在乙個單cpu上面執行）。gil只會影響到那些嚴重依賴cpu的程式（比如計算型的）。如果你的程式大部分只會涉及到i/o，比如網路互動，那麼使用多執行緒就很合適， 因為它們大部分時間都在等待。
對於 python 來說，多程序加速可以彌補多執行緒的短處。
多程序和多執行緒的用法有相似之處，如以下：
import multiprocessing as mp
process1 = mp.process(target=func1,args=(2,))
process1.start()
process1.join()
程序池
其實，利用程序池是可以呼叫有返回值的函式的，假設有函式
def func(x):
return x**2
pool = mp.pool()
res = pool.map(func, range(5))
pool 預設的大小為 cpu 的核數，也可以指定核數
pool = mp.pool(processes=4)如果需要處理多組引數，則只能用到迴圈
python 多執行緒與多程序
程序與執行緒的區別 程序 應用程式的執行例項，每乙個執行中的程式就是乙個程序 執行緒 程序的組成部分，乙個程序可以擁有多個執行緒 在多執行緒中，會有乙個主線程來完成整個程序從開始到結束的全部操作，而其他的執行緒會在主線程的執行過程中被建立或退出。python景區賣票系統 多執行緒的應用 import...
Python多執行緒與多程序
python多執行緒與多程序 程序 process 和執行緒 thread 是非常抽象的概念,也是程式設計師必需掌握的核心知識！多程序和多執行緒程式設計對於 的併發執行，提公升 效率和縮短執行時間至關重要。程序 process 和執行緒 thread 程序是作業系統分配資源的最小單元 執行緒是作業系...
python 多程序與多執行緒
由於python gil的存在，讓python 多執行緒很雞肋，很多時候如果有併發的需求，則選擇多程序來實現，但是多程序是很消耗資源的，而且程序之間不能資源共享，而且還會受到機器cpu核心數目的限制，因此在特定場景下針對不同需求會有一些取捨。傳聞對於io密集性的操作，比如，處理多個http 的請求，...