python進(jìn)程和線程用法知識點(diǎn)總結(jié)

今天我們使用的計(jì)算機(jī)早已進(jìn)入多CPU或多核時(shí)代，而我們使用的操作系統(tǒng)都是支持“多任務(wù)”的操作系統(tǒng)，這使得我們可以同時(shí)運(yùn)行多個(gè)程序，也可以將一個(gè)程序分解為若干個(gè)相對獨(dú)立的子任務(wù)，讓多個(gè)子任務(wù)并發(fā)的執(zhí)行，從而縮短程序的執(zhí)行時(shí)間，同時(shí)也讓用戶獲得更好的體驗(yàn)。因此在當(dāng)下不管是用什么編程語言進(jìn)行開發(fā)，實(shí)現(xiàn)讓程序同時(shí)執(zhí)行多個(gè)任務(wù)也就是常說的“并發(fā)編程”，應(yīng)該是程序員必備技能之一。為此，我們需要先討論兩個(gè)概念，一個(gè)叫進(jìn)程，一個(gè)叫線程。

概念

進(jìn)程就是操作系統(tǒng)中執(zhí)行的一個(gè)程序，操作系統(tǒng)以進(jìn)程為單位分配存儲空間，每個(gè)進(jìn)程都有自己的地址空間、數(shù)據(jù)棧以及其他用于跟蹤進(jìn)程執(zhí)行的輔助數(shù)據(jù)，操作系統(tǒng)管理所有進(jìn)程的執(zhí)行，為它們合理的分配資源。進(jìn)程可以通過fork或spawn的方式來創(chuàng)建新的進(jìn)程來執(zhí)行其他的任務(wù)，不過新的進(jìn)程也有自己獨(dú)立的內(nèi)存空間，因此必須通過進(jìn)程間通信機(jī)制（IPC，Inter-Process Communication）來實(shí)現(xiàn)數(shù)據(jù)共享，具體的方式包括管道、信號、套接字、共享內(nèi)存區(qū)等。

一個(gè)進(jìn)程還可以擁有多個(gè)并發(fā)的執(zhí)行線索，簡單的說就是擁有多個(gè)可以獲得CPU調(diào)度的執(zhí)行單元，這就是所謂的線程。由于線程在同一個(gè)進(jìn)程下，它們可以共享相同的上下文，因此相對于進(jìn)程而言，線程間的信息共享和通信更加容易。當(dāng)然在單核CPU系統(tǒng)中，真正的并發(fā)是不可能的，因?yàn)樵谀硞€(gè)時(shí)刻能夠獲得CPU的只有唯一的一個(gè)線程，多個(gè)線程共享了CPU的執(zhí)行時(shí)間。使用多線程實(shí)現(xiàn)并發(fā)編程為程序帶來的好處是不言而喻的，最主要的體現(xiàn)在提升程序的性能和改善用戶體驗(yàn)，今天我們使用的軟件幾乎都用到了多線程技術(shù)，這一點(diǎn)可以利用系統(tǒng)自帶的進(jìn)程監(jiān)控工具（如macOS中的“活動監(jiān)視器”、Windows中的“任務(wù)管理器”）來證實(shí)，如下圖所示。

當(dāng)然多線程也并不是沒有壞處，站在其他進(jìn)程的角度，多線程的程序?qū)ζ渌绦虿⒉挥押?，因?yàn)樗加昧烁嗟腃PU執(zhí)行時(shí)間，導(dǎo)致其他程序無法獲得足夠的CPU執(zhí)行時(shí)間；另一方面，站在開發(fā)者的角度，編寫和調(diào)試多線程的程序都對開發(fā)者有較高的要求，對于初學(xué)者來說更加困難。

Python既支持多進(jìn)程又支持多線程，因此使用Python實(shí)現(xiàn)并發(fā)編程主要有3種方式：多進(jìn)程、多線程、多進(jìn)程+多線程。

Python中的多進(jìn)程

Unix和Linux操作系統(tǒng)上提供了fork()系統(tǒng)調(diào)用來創(chuàng)建進(jìn)程，調(diào)用fork()函數(shù)的是父進(jìn)程，創(chuàng)建出的是子進(jìn)程，子進(jìn)程是父進(jìn)程的一個(gè)拷貝，但是子進(jìn)程擁有自己的PID。fork()函數(shù)非常特殊它會返回兩次，父進(jìn)程中可以通過fork()函數(shù)的返回值得到子進(jìn)程的PID，而子進(jìn)程中的返回值永遠(yuǎn)都是0。Python的os模塊提供了fork()函數(shù)。由于Windows系統(tǒng)沒有fork()調(diào)用，因此要實(shí)現(xiàn)跨平臺的多進(jìn)程編程，可以使用multiprocessing模塊的Process類來創(chuàng)建子進(jìn)程，而且該模塊還提供了更高級的封裝，例如批量啟動進(jìn)程的進(jìn)程池（Pool）、用于進(jìn)程間通信的隊(duì)列（Queue）和管道（Pipe）等。

下面用一個(gè)下載文件的例子來說明使用多進(jìn)程和不使用多進(jìn)程到底有什么差別，先看看下面的代碼。

from random import randint
from time import time, sleep


def download_task(filename):
 print('開始下載%s...' % filename)
 time_to_download = randint(5, 10)
 sleep(time_to_download)
 print('%s下載完成! 耗費(fèi)了%d秒' % (filename, time_to_download))


def main():
 start = time()
 download_task('Python從入門到住院.pdf')
 download_task('Peking Hot.avi')
 end = time()
 print('總共耗費(fèi)了%.2f秒.' % (end - start))


if __name__ == '__main__':
 main()

下面是運(yùn)行程序得到的一次運(yùn)行結(jié)果。

開始下載Python從入門到住院.pdf...
Python從入門到住院.pdf下載完成! 耗費(fèi)了6秒
開始下載Peking Hot.avi...
Peking Hot.avi下載完成! 耗費(fèi)了7秒
總共耗費(fèi)了13.01秒.

從上面的例子可以看出，如果程序中的代碼只能按順序一點(diǎn)點(diǎn)的往下執(zhí)行，那么即使執(zhí)行兩個(gè)毫不相關(guān)的下載任務(wù)，也需要先等待一個(gè)文件下載完成后才能開始下一個(gè)下載任務(wù)，很顯然這并不合理也沒有效率。接下來我們使用多進(jìn)程的方式將兩個(gè)下載任務(wù)放到不同的進(jìn)程中，代碼如下所示。

from multiprocessing import Process
from os import getpid
from random import randint
from time import time, sleep


def download_task(filename):
 print('啟動下載進(jìn)程，進(jìn)程號[%d].' % getpid())
 print('開始下載%s...' % filename)
 time_to_download = randint(5, 10)
 sleep(time_to_download)
 print('%s下載完成! 耗費(fèi)了%d秒' % (filename, time_to_download))


def main():
 start = time()
 p1 = Process(target=download_task, args=('Python從入門到住院.pdf', ))
 p1.start()
 p2 = Process(target=download_task, args=('Peking Hot.avi', ))
 p2.start()
 p1.join()
 p2.join()
 end = time()
 print('總共耗費(fèi)了%.2f秒.' % (end - start))


if __name__ == '__main__':
 main()

在上面的代碼中，我們通過Process類創(chuàng)建了進(jìn)程對象，通過target參數(shù)我們傳入一個(gè)函數(shù)來表示進(jìn)程啟動后要執(zhí)行的代碼，后面的args是一個(gè)元組，它代表了傳遞給函數(shù)的參數(shù)。Process對象的start方法用來啟動進(jìn)程，而join方法表示等待進(jìn)程執(zhí)行結(jié)束。運(yùn)行上面的代碼可以明顯發(fā)現(xiàn)兩個(gè)下載任務(wù)“同時(shí)”啟動了，而且程序的執(zhí)行時(shí)間將大大縮短，不再是兩個(gè)任務(wù)的時(shí)間總和。下面是程序的一次執(zhí)行結(jié)果。

啟動下載進(jìn)程，進(jìn)程號[1530].
開始下載Python從入門到住院.pdf...
啟動下載進(jìn)程，進(jìn)程號[1531].
開始下載Peking Hot.avi...
Peking Hot.avi下載完成! 耗費(fèi)了7秒
Python從入門到住院.pdf下載完成! 耗費(fèi)了10秒
總共耗費(fèi)了10.01秒.

我們也可以使用subprocess模塊中的類和函數(shù)來創(chuàng)建和啟動子進(jìn)程，然后通過管道來和子進(jìn)程通信，這些內(nèi)容我們不在此進(jìn)行講解，有興趣的讀者可以自己了解這些知識。接下來我們將重點(diǎn)放在如何實(shí)現(xiàn)兩個(gè)進(jìn)程間的通信。我們啟動兩個(gè)進(jìn)程，一個(gè)輸出Ping，一個(gè)輸出Pong，兩個(gè)進(jìn)程輸出的Ping和Pong加起來一共10個(gè)。聽起來很簡單吧，但是如果這樣寫可是錯(cuò)的哦。

from multiprocessing import Process
from time import sleep

counter = 0


def sub_task(string):
 global counter
 while counter < 10:
  print(string, end='', flush=True)
  counter += 1
  sleep(0.01)

  
def main():
 Process(target=sub_task, args=('Ping', )).start()
 Process(target=sub_task, args=('Pong', )).start()


if __name__ == '__main__':
 main()

看起來沒毛病，但是最后的結(jié)果是Ping和Pong各輸出了10個(gè)，Why？當(dāng)我們在程序中創(chuàng)建進(jìn)程的時(shí)候，子進(jìn)程復(fù)制了父進(jìn)程及其所有的數(shù)據(jù)結(jié)構(gòu)，每個(gè)子進(jìn)程有自己獨(dú)立的內(nèi)存空間，這也就意味著兩個(gè)子進(jìn)程中各有一個(gè)counter變量，所以結(jié)果也就可想而知了。要解決這個(gè)問題比較簡單的辦法是使用multiprocessing模塊中的Queue類，它是可以被多個(gè)進(jìn)程共享的隊(duì)列，底層是通過管道和信號量（semaphore）機(jī)制來實(shí)現(xiàn)的，有興趣的讀者可以自己嘗試一下。

Python中的多線程

在Python早期的版本中就引入了thread模塊（現(xiàn)在名為_thread）來實(shí)現(xiàn)多線程編程，然而該模塊過于底層，而且很多功能都沒有提供，因此目前的多線程開發(fā)我們推薦使用threading模塊，該模塊對多線程編程提供了更好的面向?qū)ο蟮姆庋b。我們把剛才下載文件的例子用多線程的方式來實(shí)現(xiàn)一遍。

from random import randint
from threading import Thread
from time import time, sleep


def download(filename):
 print('開始下載%s...' % filename)
 time_to_download = randint(5, 10)
 sleep(time_to_download)
 print('%s下載完成! 耗費(fèi)了%d秒' % (filename, time_to_download))


def main():
 start = time()
 t1 = Thread(target=download, args=('Python從入門到住院.pdf',))
 t1.start()
 t2 = Thread(target=download, args=('Peking Hot.avi',))
 t2.start()
 t1.join()
 t2.join()
 end = time()
 print('總共耗費(fèi)了%.3f秒' % (end - start))


if __name__ == '__main__':
 main()

我們可以直接使用threading模塊的Thread類來創(chuàng)建線程，但是我們之前講過一個(gè)非常重要的概念叫“繼承”，我們可以從已有的類創(chuàng)建新類，因此也可以通過繼承Thread類的方式來創(chuàng)建自定義的線程類，然后再創(chuàng)建線程對象并啟動線程。代碼如下所示。

from random import randint
from threading import Thread
from time import time, sleep


class DownloadTask(Thread):

 def __init__(self, filename):
  super().__init__()
  self._filename = filename

 def run(self):
  print('開始下載%s...' % self._filename)
  time_to_download = randint(5, 10)
  sleep(time_to_download)
  print('%s下載完成! 耗費(fèi)了%d秒' % (self._filename, time_to_download))


def main():
 start = time()
 t1 = DownloadTask('Python從入門到住院.pdf')
 t1.start()
 t2 = DownloadTask('Peking Hot.avi')
 t2.start()
 t1.join()
 t2.join()
 end = time()
 print('總共耗費(fèi)了%.2f秒.' % (end - start))


if __name__ == '__main__':
 main()

因?yàn)槎鄠€(gè)線程可以共享進(jìn)程的內(nèi)存空間，因此要實(shí)現(xiàn)多個(gè)線程間的通信相對簡單，大家能想到的最直接的辦法就是設(shè)置一個(gè)全局變量，多個(gè)線程共享這個(gè)全局變量即可。但是當(dāng)多個(gè)線程共享同一個(gè)變量（我們通常稱之為“資源”）的時(shí)候，很有可能產(chǎn)生不可控的結(jié)果從而導(dǎo)致程序失效甚至崩潰。如果一個(gè)資源被多個(gè)線程競爭使用，那么我們通常稱之為“臨界資源”，對“臨界資源”的訪問需要加上保護(hù)，否則資源會處于“混亂”的狀態(tài)。下面的例子演示了100個(gè)線程向同一個(gè)銀行賬戶轉(zhuǎn)賬（轉(zhuǎn)入1元錢）的場景，在這個(gè)例子中，銀行賬戶就是一個(gè)臨界資源，在沒有保護(hù)的情況下我們很有可能會得到錯(cuò)誤的結(jié)果。

from time import sleep
from threading import Thread


class Account(object):

 def __init__(self):
  self._balance = 0

 def deposit(self, money):
  # 計(jì)算存款后的余額
  new_balance = self._balance + money
  # 模擬受理存款業(yè)務(wù)需要0.01秒的時(shí)間
  sleep(0.01)
  # 修改賬戶余額
  self._balance = new_balance

 @property
 def balance(self):
  return self._balance


class AddMoneyThread(Thread):

 def __init__(self, account, money):
  super().__init__()
  self._account = account
  self._money = money

 def run(self):
  self._account.deposit(self._money)


def main():
 account = Account()
 threads = []
 # 創(chuàng)建100個(gè)存款的線程向同一個(gè)賬戶中存錢
 for _ in range(100):
  t = AddMoneyThread(account, 1)
  threads.append(t)
  t.start()
 # 等所有存款的線程都執(zhí)行完畢
 for t in threads:
  t.join()
 print('賬戶余額為: ￥%d元' % account.balance)


if __name__ == '__main__':
 main()

運(yùn)行上面的程序，結(jié)果讓人大跌眼鏡，100個(gè)線程分別向賬戶中轉(zhuǎn)入1元錢，結(jié)果居然遠(yuǎn)遠(yuǎn)小于100元。之所以出現(xiàn)這種情況是因?yàn)槲覀儧]有對銀行賬戶這個(gè)“臨界資源”加以保護(hù)，多個(gè)線程同時(shí)向賬戶中存錢時(shí)，會一起執(zhí)行到new_balance = self._balance + money這行代碼，多個(gè)線程得到的賬戶余額都是初始狀態(tài)下的0，所以都是0上面做了+1的操作，因此得到了錯(cuò)誤的結(jié)果。在這種情況下，“鎖”就可以派上用場了。我們可以通過“鎖”來保護(hù)“臨界資源”，只有獲得“鎖”的線程才能訪問“臨界資源”，而其他沒有得到“鎖”的線程只能被阻塞起來，直到獲得“鎖”的線程釋放了“鎖”，其他線程才有機(jī)會獲得“鎖”，進(jìn)而訪問被保護(hù)的“臨界資源”。下面的代碼演示了如何使用“鎖”來保護(hù)對銀行賬戶的操作，從而獲得正確的結(jié)果。

from time import sleep
from threading import Thread, Lock


class Account(object):

 def __init__(self):
  self._balance = 0
  self._lock = Lock()

 def deposit(self, money):
  # 先獲取鎖才能執(zhí)行后續(xù)的代碼
  self._lock.acquire()
  try:
   new_balance = self._balance + money
   sleep(0.01)
   self._balance = new_balance
  finally:
   # 在finally中執(zhí)行釋放鎖的操作保證正常異常鎖都能釋放
   self._lock.release()

 @property
 def balance(self):
  return self._balance


class AddMoneyThread(Thread):

 def __init__(self, account, money):
  super().__init__()
  self._account = account
  self._money = money

 def run(self):
  self._account.deposit(self._money)


def main():
 account = Account()
 threads = []
 for _ in range(100):
  t = AddMoneyThread(account, 1)
  threads.append(t)
  t.start()
 for t in threads:
  t.join()
 print('賬戶余額為: ￥%d元' % account.balance)


if __name__ == '__main__':
 main()

比較遺憾的一件事情是Python的多線程并不能發(fā)揮CPU的多核特性，這一點(diǎn)只要啟動幾個(gè)執(zhí)行死循環(huán)的線程就可以得到證實(shí)了。之所以如此，是因?yàn)镻ython的解釋器有一個(gè)“全局解釋器鎖”（GIL）的東西，任何線程執(zhí)行前必須先獲得GIL鎖，然后每執(zhí)行100條字節(jié)碼，解釋器就自動釋放GIL鎖，讓別的線程有機(jī)會執(zhí)行，這是一個(gè)歷史遺留問題，但是即便如此，就如我們之前舉的例子，使用多線程在提升執(zhí)行效率和改善用戶體驗(yàn)方面仍然是有積極意義的。

多進(jìn)程還是多線程

無論是多進(jìn)程還是多線程，只要數(shù)量一多，效率肯定上不去，為什么呢？我們打個(gè)比方，假設(shè)你不幸正在準(zhǔn)備中考，每天晚上需要做語文、數(shù)學(xué)、英語、物理、化學(xué)這5科的作業(yè)，每項(xiàng)作業(yè)耗時(shí)1小時(shí)。如果你先花1小時(shí)做語文作業(yè)，做完了，再花1小時(shí)做數(shù)學(xué)作業(yè)，這樣，依次全部做完，一共花5小時(shí)，這種方式稱為單任務(wù)模型。如果你打算切換到多任務(wù)模型，可以先做1分鐘語文，再切換到數(shù)學(xué)作業(yè)，做1分鐘，再切換到英語，以此類推，只要切換速度足夠快，這種方式就和單核CPU執(zhí)行多任務(wù)是一樣的了，以旁觀者的角度來看，你就正在同時(shí)寫5科作業(yè)。

但是，切換作業(yè)是有代價(jià)的，比如從語文切到數(shù)學(xué)，要先收拾桌子上的語文書本、鋼筆（這叫保存現(xiàn)場），然后，打開數(shù)學(xué)課本、找出圓規(guī)直尺（這叫準(zhǔn)備新環(huán)境），才能開始做數(shù)學(xué)作業(yè)。操作系統(tǒng)在切換進(jìn)程或者線程時(shí)也是一樣的，它需要先保存當(dāng)前執(zhí)行的現(xiàn)場環(huán)境（CPU寄存器狀態(tài)、內(nèi)存頁等），然后，把新任務(wù)的執(zhí)行環(huán)境準(zhǔn)備好（恢復(fù)上次的寄存器狀態(tài)，切換內(nèi)存頁等），才能開始執(zhí)行。這個(gè)切換過程雖然很快，但是也需要耗費(fèi)時(shí)間。如果有幾千個(gè)任務(wù)同時(shí)進(jìn)行，操作系統(tǒng)可能就主要忙著切換任務(wù)，根本沒有多少時(shí)間去執(zhí)行任務(wù)了，這種情況最常見的就是硬盤狂響，點(diǎn)窗口無反應(yīng)，系統(tǒng)處于假死狀態(tài)。所以，多任務(wù)一旦多到一個(gè)限度，反而會使得系統(tǒng)性能急劇下降，最終導(dǎo)致所有任務(wù)都做不好。

是否采用多任務(wù)的第二個(gè)考慮是任務(wù)的類型，可以把任務(wù)分為計(jì)算密集型和I/O密集型。計(jì)算密集型任務(wù)的特點(diǎn)是要進(jìn)行大量的計(jì)算，消耗CPU資源，比如對視頻進(jìn)行編碼解碼或者格式轉(zhuǎn)換等等，這種任務(wù)全靠CPU的運(yùn)算能力，雖然也可以用多任務(wù)完成，但是任務(wù)越多，花在任務(wù)切換的時(shí)間就越多，CPU執(zhí)行任務(wù)的效率就越低。計(jì)算密集型任務(wù)由于主要消耗CPU資源，這類任務(wù)用Python這樣的腳本語言去執(zhí)行效率通常很低，最能勝任這類任務(wù)的是C語言，我們之前提到了Python中有嵌入C/C++代碼的機(jī)制。

除了計(jì)算密集型任務(wù)，其他的涉及到網(wǎng)絡(luò)、存儲介質(zhì)I/O的任務(wù)都可以視為I/O密集型任務(wù)，這類任務(wù)的特點(diǎn)是CPU消耗很少，任務(wù)的大部分時(shí)間都在等待I/O操作完成（因?yàn)镮/O的速度遠(yuǎn)遠(yuǎn)低于CPU和內(nèi)存的速度）。對于I/O密集型任務(wù)，如果啟動多任務(wù)，就可以減少I/O等待時(shí)間從而讓CPU高效率的運(yùn)轉(zhuǎn)。有一大類的任務(wù)都屬于I/O密集型任務(wù)，這其中包括了我們很快會涉及到的網(wǎng)絡(luò)應(yīng)用和Web應(yīng)用。

說明： 上面的內(nèi)容和例子來自于廖雪峰官方網(wǎng)站的《Python教程》，因?yàn)閷ψ髡呶闹械哪承┯^點(diǎn)持有不同的看法，對原文的文字描述做了適當(dāng)?shù)恼{(diào)整。

單線程+異步I/O

現(xiàn)代操作系統(tǒng)對I/O操作的改進(jìn)中最為重要的就是支持異步I/O。如果充分利用操作系統(tǒng)提供的異步I/O支持，就可以用單進(jìn)程單線程模型來執(zhí)行多任務(wù)，這種全新的模型稱為事件驅(qū)動模型。Nginx就是支持異步I/O的Web服務(wù)器，它在單核CPU上采用單進(jìn)程模型就可以高效地支持多任務(wù)。在多核CPU上，可以運(yùn)行多個(gè)進(jìn)程（數(shù)量與CPU核心數(shù)相同），充分利用多核CPU。用Node.js開發(fā)的服務(wù)器端程序也使用了這種工作模式，這也是當(dāng)下實(shí)現(xiàn)多任務(wù)編程的一種趨勢。

在Python語言中，單線程+異步I/O的編程模型稱為協(xié)程，有了協(xié)程的支持，就可以基于事件驅(qū)動編寫高效的多任務(wù)程序。協(xié)程最大的優(yōu)勢就是極高的執(zhí)行效率，因?yàn)樽映绦蚯袚Q不是線程切換，而是由程序自身控制，因此，沒有線程切換的開銷。協(xié)程的第二個(gè)優(yōu)勢就是不需要多線程的鎖機(jī)制，因?yàn)橹挥幸粋€(gè)線程，也不存在同時(shí)寫變量沖突，在協(xié)程中控制共享資源不用加鎖，只需要判斷狀態(tài)就好了，所以執(zhí)行效率比多線程高很多。如果想要充分利用CPU的多核特性，最簡單的方法是多進(jìn)程+協(xié)程，既充分利用多核，又充分發(fā)揮協(xié)程的高效率，可獲得極高的性能。關(guān)于這方面的內(nèi)容，我稍后會做一個(gè)專題來進(jìn)行講解。

應(yīng)用案例

例子1：將耗時(shí)間的任務(wù)放到線程中以獲得更好的用戶體驗(yàn)。
如下所示的界面中，有“下載”和“關(guān)于”兩個(gè)按鈕，用休眠的方式模擬點(diǎn)擊“下載”按鈕會聯(lián)網(wǎng)下載文件需要耗費(fèi)10秒的時(shí)間，如果不使用“多線程”，我們會發(fā)現(xiàn)，當(dāng)點(diǎn)擊“下載”按鈕后整個(gè)程序的其他部分都被這個(gè)耗時(shí)間的任務(wù)阻塞而無法執(zhí)行了，這顯然是非常糟糕的用戶體驗(yàn)，代碼如下所示。

import time
import tkinter
import tkinter.messagebox


def download():
 # 模擬下載任務(wù)需要花費(fèi)10秒鐘時(shí)間
 time.sleep(10)
 tkinter.messagebox.showinfo('提示', '下載完成!')


def show_about():
 tkinter.messagebox.showinfo('關(guān)于', '作者: 駱昊(v1.0)')


def main():
 top = tkinter.Tk()
 top.title('單線程')
 top.geometry('200x150')
 top.wm_attributes('-topmost', True)

 panel = tkinter.Frame(top)
 button1 = tkinter.Button(panel, text='下載', command=download)
 button1.pack(side='left')
 button2 = tkinter.Button(panel, text='關(guān)于', command=show_about)
 button2.pack(side='right')
 panel.pack(side='bottom')

 tkinter.mainloop()


if __name__ == '__main__':
 main()

如果使用多線程將耗時(shí)間的任務(wù)放到一個(gè)獨(dú)立的線程中執(zhí)行，這樣就不會因?yàn)閳?zhí)行耗時(shí)間的任務(wù)而阻塞了主線程，修改后的代碼如下所示。

import time
import tkinter
import tkinter.messagebox
from threading import Thread


def main():

 class DownloadTaskHandler(Thread):

  def run(self):
   time.sleep(10)
   tkinter.messagebox.showinfo('提示', '下載完成!')
   # 啟用下載按鈕
   button1.config(state=tkinter.NORMAL)

 def download():
  # 禁用下載按鈕
  button1.config(state=tkinter.DISABLED)
  # 通過daemon參數(shù)將線程設(shè)置為守護(hù)線程(主程序退出就不再保留執(zhí)行)
  # 在線程中處理耗時(shí)間的下載任務(wù)
  DownloadTaskHandler(daemon=True).start()

 def show_about():
  tkinter.messagebox.showinfo('關(guān)于', '作者: 駱昊(v1.0)')

 top = tkinter.Tk()
 top.title('單線程')
 top.geometry('200x150')
 top.wm_attributes('-topmost', 1)

 panel = tkinter.Frame(top)
 button1 = tkinter.Button(panel, text='下載', command=download)
 button1.pack(side='left')
 button2 = tkinter.Button(panel, text='關(guān)于', command=show_about)
 button2.pack(side='right')
 panel.pack(side='bottom')

 tkinter.mainloop()


if __name__ == '__main__':
 main()

例子2：使用多進(jìn)程對復(fù)雜任務(wù)進(jìn)行“分而治之”。

我們來完成1~100000000求和的計(jì)算密集型任務(wù)，這個(gè)問題本身非常簡單，有點(diǎn)循環(huán)的知識就能解決，代碼如下所示。

from time import time


def main():
 total = 0
 number_list = [x for x in range(1, 100000001)]
 start = time()
 for number in number_list:
  total += number
 print(total)
 end = time()
 print('Execution time: %.3fs' % (end - start))


if __name__ == '__main__':
 main()

在上面的代碼中，我故意先去創(chuàng)建了一個(gè)列表容器然后填入了100000000個(gè)數(shù)，這一步其實(shí)是比較耗時(shí)間的，所以為了公平起見，當(dāng)我們將這個(gè)任務(wù)分解到8個(gè)進(jìn)程中去執(zhí)行的時(shí)候，我們暫時(shí)也不考慮列表切片操作花費(fèi)的時(shí)間，只是把做運(yùn)算和合并運(yùn)算結(jié)果的時(shí)間統(tǒng)計(jì)出來，代碼如下所示。

from multiprocessing import Process, Queue
from random import randint
from time import time


def task_handler(curr_list, result_queue):
 total = 0
 for number in curr_list:
  total += number
 result_queue.put(total)


def main():
 processes = []
 number_list = [x for x in range(1, 100000001)]
 result_queue = Queue()
 index = 0
 # 啟動8個(gè)進(jìn)程將數(shù)據(jù)切片后進(jìn)行運(yùn)算
 for _ in range(8):
  p = Process(target=task_handler,
     args=(number_list[index:index + 12500000], result_queue))
  index += 12500000
  processes.append(p)
  p.start()
 # 開始記錄所有進(jìn)程執(zhí)行完成花費(fèi)的時(shí)間
 start = time()
 for p in processes:
  p.join()
 # 合并執(zhí)行結(jié)果
 total = 0
 while not result_queue.empty():
  total += result_queue.get()
 print(total)
 end = time()
 print('Execution time: ', (end - start), 's', sep='')


if __name__ == '__main__':
 main()

比較兩段代碼的執(zhí)行結(jié)果（在我目前使用的MacBook上，上面的代碼需要大概6秒左右的時(shí)間，而下面的代碼只需要不到1秒的時(shí)間，再強(qiáng)調(diào)一次我們只是比較了運(yùn)算的時(shí)間，不考慮列表創(chuàng)建及切片操作花費(fèi)的時(shí)間），使用多進(jìn)程后由于獲得了更多的CPU執(zhí)行時(shí)間以及更好的利用了CPU的多核特性，明顯的減少了程序的執(zhí)行時(shí)間，而且計(jì)算量越大效果越明顯。當(dāng)然，如果愿意還可以將多個(gè)進(jìn)程部署在不同的計(jì)算機(jī)上，做成分布式進(jìn)程，具體的做法就是通過multiprocessing.managers模塊中提供的管理器將Queue對象通過網(wǎng)絡(luò)共享出來（注冊到網(wǎng)絡(luò)上讓其他計(jì)算機(jī)可以訪問），這部分內(nèi)容也留到爬蟲的專題再進(jìn)行講解。