多进程以及并行口头for循环笔记 进程 线程 Python 多线程 (多进程并行计算)
本文目录导航：
Python 线程，进程，多线程，多进程以及并行口头for循环笔记
Python中的并发解决工具，如线程、进程、多线程、多进程以及并行口头for循环，有助于提高程序效率。
首先，Python中的线程和进程用于解决不同类型的义务：线程适宜I/O密集型义务，如网络恳求，而多进程实用于CPU密集型义务，如少量计算。
GIL（全局解释器锁）在Python中限度了多线程的并行度，但多进程可以应用多核解决器。
Python的multiprocessing模块提供了弱小的多进程配置，适宜CPU密集型义务。
Pool类和其close()和join()方法用于治理进程池，确保义务成功后正确中断。
在经常使用时，需依据义务个性和资源共享状况选择能否须要增加锁，以防止数据竞争。
在Python中，只管for循环自身不能间接并发口头多线程，但可以经过threading模块创立子线程来成功。
须要留意，GIL会影响CPU密集型义务的并行性。
模块提供了初级接口，如ThreadPoolExecutor和ProcessPoolExecutor，简化了并发义务的治理。
joblib库则实用于迷信计算和机器学习，提供了内存缓存配置，以缩小重复计算。
模块中，ThreadPoolExecutor和ProcessPoolExecutor区分用于线程和进程池，它们提供可调用对象的提交和Future对象的治理。
as_completed函数则准许按义务成功顺序失掉结果，而无需期待一切义务完结。
python多线程与多进程的区别是什么?
多线程与多进程是计算机程序运转时两种不同的并发模型。
构想一家忙碌的餐厅，用来解释它们的区别。
多进程就像餐厅开分店，每个店都有独立的服务员，各自独立运作，解决不同的顾客需求，相互不影响。
多线程则像是同一家餐厅，但多雇用服务员。
这些服务员共处一室，为同一餐厅服务，可以同时解决多份订单，提高效率。
在多线程中，还存在协程(异步)的概念，即服务员可以先解决下一份订单，直到上一份成功，以提高效率。
但是，假设餐厅外敷务员之间由于争夺资源(如出票机或操作屏)而相互阻遏，就或许造成线程死锁。
Python经过全局解释器锁(gil锁)来防止此类死锁，但这也限度了多线程在CPU密集型义务上的性能。
餐厅中的顾客寻觅服务员点餐，若多个顾客同时寻觅同一服务员，造成排队期待，即为阻塞形态。
异步复线程非阻塞形式准许餐厅在不期待的状况下，让多个顾客在不同期间段成功点餐，成功并发。
异步多线程非阻塞形式则经过多个服务员分工协作，雷同成功多个顾客不期待即可成功点餐，雷同成功并发。
同步多线程非阻塞形式则准许同时点餐，但须要服务员协调，以防止资源争夺。
复线程的餐厅不易产生相似死锁疑问。
了解了多线程与多进程的实质区别后，你曾经把握了Python并发编程的外围局部，可以开局通常了。
为什么在python里介绍经常使用多进程而不是多线程
监控一个信号就起一个线程与进程解决。
这样的逻辑是不太适宜的。
一切的资源都是有限的，假设这样糜费很快会资源治理失控。
惯例的做法是起一个线程池，或许是进程池。
经常使用线程还是进程取决于你解决的信号的类型。
假设计算量大，则须要进程池，假设只是设施期待，比如网络数据收发，则线程也勉强够用。
信号上来后解决方法有两种，一种是实时解决，这个没有上策，可以用“微线程”的方法做，尽量缩小解决周期。
另外一种是准许大批的提前。
那么通常的做法是用队列。
将信号放到线程或许是进程池的信息队列里。
而后再由后者调配。
还有一种高效的解决方法，依据信号的值做hash，而后智能散发到不同的CPU或许是主机。
这个就算是大规模并发解决机制。
通常状况下，比如一个WEB主机，它须要失掉一个恳求，而后解决照应，可以经常使用线程模型，或许是进程模型。
也是经常使用典型的池的方法。
一个Pool的大于，取决于你的计算 机的计算 才干，内存大小，以及你的并发访问数量。
所要要启用多少个呢？假定你的一个信号的解决周期是1秒，你同时有100个信号出去，那么就须要100个线程或许是进程。
phper