Python并发编程入门指南

在当今多核处理器盛行的时代，并发编程已成为提升程序性能的重要手段。Python，以其简洁易懂的语法和强大的库支持，成为了并发编程的理想选择。本文将带你走进Python并发编程的世界，探索如何运用Python进行简单的并发编程。

Python并发编程入门指南

并发与并行的区别

首先，我们需要明确并发（Concurrency）与并行（Parallelism）的区别。并发是指多个任务交替执行，看起来像是同时进行；而并行则是多个任务真正同时执行。Python中的并发编程主要依赖于线程（Threading）和进程（Multiprocessing）。

使用线程进行并发

Python的threading模块提供了线程相关的功能。以下是一个简单的示例，展示如何使用线程来并发执行任务：

import threading
import time

def task(name):
    print(f"Task {name} started")
    time.sleep(2)
    print(f"Task {name} finished")

# 创建线程
thread1 = threading.Thread(target=task, args=("A",))
thread2 = threading.Thread(target=task, args=("B",))

# 启动线程
thread1.start()
thread2.start()

# 等待线程结束
thread1.join()
thread2.join()

print("All tasks completed")

在这个例子中，我们定义了一个task函数，并在两个线程中分别调用它。通过start()方法启动线程，join()方法等待线程结束。

使用进程进行并发

对于计算密集型任务，使用多进程可以更好地利用多核处理器。Python的multiprocessing模块提供了进程相关的功能。以下是一个使用进程的示例：

import multiprocessing
import time

def compute-heavy-task(number):
    result = sum(i * i for i in range(10**7))
    print(f"Result for {number}: {result}")

# 创建进程
process1 = multiprocessing.Process(target=compute-heavy-task, args=(1,))
process2 = multiprocessing.Process(target=compute-heavy-task, args=(2,))

# 启动进程
process1.start()
process2.start()

# 等待进程结束
process1.join()
process2.join()

print("All processes completed")

在这个例子中，我们定义了一个计算密集型的compute-heavy-task函数，并在两个进程中分别调用它。通过start()方法启动进程，join()方法等待进程结束。

使用`concurrent.futures`模块

Python的concurrent.futures模块提供了一个高层次的接口，用于异步执行调用。它支持线程池和进程池，使得并发编程更加简洁。以下是一个使用线程池的示例：

import concurrent.futures
import time

def task(name):
    print(f"Task {name} started")
    time.sleep(2)
    print(f"Task {name} finished")
    return f"Result of {name}"

with concurrent.futures.ThreadPoolExecutor(max_workers=2) as executor:
    future1 = executor.submit(task, "A")
    future2 = executor.submit(task, "B")

    print(future1.result())
    print(future2.result())

print("All tasks completed")

在这个例子中，我们使用ThreadPoolExecutor创建了一个线程池，并通过submit方法提交任务。result()方法用于获取任务的返回值。