Python：线程和多处理模块之间有什么区别？
我正在学习如何在Python中使用threading和multiprocessing模块来并行运行某些操作，并加速我的代码。
我发现这很难（也许是因为我没有任何理论背景）来理解threading.Thread()对象和multiprocessing.Process()之间的区别。
此外，我不完全清楚如何实例化一个作业队列，并且只有4个（例如）它们并行运行，而另一个则等待资源释放，然后再执行。
我在文档中find清楚的例子，但不是很详尽; 只要我尝试使事情变得复杂一些，就会收到很多奇怪的错误（比如不能被腌制的方法等等）。
那么，我应该什么时候使用threading和multiprocessing模块呢？
你能把我和一些资源联系起来解释这两个模块背后的概念，以及如何正确使用它们来完成复杂的任务吗？
朱利奥·佛朗哥（Giulio Franco）所说的multithreading与多处理一般是一样的 。
但是，Python *有一个额外的问题：有一个全局解释器锁，它可以防止同一进程中的两个线程同时运行Python代码。 这意味着如果你有8个内核，并且改变你的代码使用8个线程，它将不能使用800％的CPU并且运行速度提高8倍。 它将使用相同的100％CPU并以相同的速度运行。 （实际上，它会运行得慢一点，因为线程有额外的开销，即使你没有任何共享数据，但是现在却忽略了）。
这也有例外。 如果您的代码繁重的计算实际上并不是在Python中发生的，但是在一些使用自定义C代码的库中，像Gnu应用程序一样，您将从线程中获得预期的性能优势。 如果大量计算是由您运行和等待的某个subprocess完成的，则情况也是如此。
更重要的是，这种情况并不重要。 例如，networking服务器花费大部分时间从networking上读取数据包，GUI应用程序大部分时间都在等待用户事件。 在networking服务器或GUI应用程序中使用线程的一个原因是允许您在不停止主线程继续服务networking数据包或GUI事件的情况下执行长时间运行的“后台任务”。 这对Python线程来说工作得很好。 （从技术angular度来说，这意味着Python线程可以提供并发性，尽pipe它们不会提供核心并行性。）
但是如果你用纯Python编写一个CPU绑定的程序，使用更多的线程通常是没有用的。
使用单独的进程没有这样的问题与GIL，因为每个进程有其自己的单独的GIL。 当然，在任何其他语言中，线程和进程之间仍然有相同的折衷 – 在进程之间共享数据比线程之间共享数据更加困难和更昂贵，运行大量进程或创build和销毁他们经常等等。但是，GIL严重地影响了对stream程的平衡，而对于C或者Java这种情况并非如此。 所以，你会发现自己在Python中比使用C或Java更频繁地使用多处理。
同时，Python“包含电池”的理念带来了一些好消息：编写可以在线程和进程之间来回切换的代码非常简单，只需要一个线程就可以完成。
如果你用自包含的“作业”来devise你的代码，除了input和输出之外，其他作业（或者主程序）不能共享任何东西，你可以使用concurrent.futures库在线程池中编写代码喜欢这个：
with concurrent.futures.ThreadPoolExecutor(max_workers=4) as executor: executor.submit(job, argument) executor.map(some_function, collection_of_independent_things) # ...
你甚至可以得到这些工作的结果，并把它们传递给更多的工作，按照执行的顺序等待或者按照完成的顺序等等。 有关详细信息，请阅读Future对象部分。
现在，如果你的程序总是使用100％的CPU，而增加更多的线程会让它变慢，那么你就会遇到GIL问题，所以你需要切换到进程。 你所要做的就是改变第一行：
with concurrent.futures.ProcessPoolExecutor(max_workers=4) as executor:
唯一真正的警告是，你的工作的论点和回报价值必须是可以select的（而不是花费太多的时间和记忆来腌制），以便能够跨越过程。 通常这不是问题，但有时候是这样。
但是如果你的工作不能自给自足呢？ 如果你可以根据将消息从一个消息传递到另一个消息的作业来devise你的代码，那么这个过程还是非常简单的。 你可能不得不使用threading.Thread或multiprocessing.Process而不是依靠池。 你将不得不显式创buildqueue.Queue或multiprocessing.Queue对象。 （还有很多其他选项 – pipe道，套接字，文件夹，…但问题是，如果Executor的自动魔法不足，则必须手动执行某些操作。
但是，如果你甚至不能依靠消息传递呢？ 如果你需要两个工作来改变相同的结构，并看到彼此的变化呢？ 在这种情况下，你将需要手动同步（锁，信号，条件等），如果你想使用进程，明确的共享内存对象来引导。 这是multithreading（或多处理）变得困难的时候。 如果你能避免，那很好; 如果你不能，你将需要阅读的东西比可以放在一个SO的答案。
从一个评论中，你想知道Python中的线程和进程有什么不同。 真的，如果你阅读朱利奥·佛朗哥的答案和我的所有链接，这应该涵盖一切…但总结肯定是有用的，所以在这里：
- 线程默认共享数据; stream程不。
- 作为（1）的结果，在进程之间发送数据通常需要酸洗和取消它。 **
- 作为（1）的另一个结果，在进程之间直接共享数据通常需要将其放入像Value，Array和
ctypestypes的低级格式。 - 进程不受GIL限制。
- 在某些平台（主要是Windows）上，创build和销毁过程要昂贵得多。
- 对进程有一些额外的限制，其中一些在不同平台上有所不同。 详细信息请参阅编程指南 。
-
threading模块没有multiprocessing模块的某些function。 （您可以使用multiprocessing.dummy来获取线程顶部的大部分缺失的API，也可以使用诸如concurrent.futures类的高级模块，而不用担心。
*实际上Python不是这个语言，而是CPython，它是该语言的“标准”实现。 其他一些实现没有GIL，比如Jython。
**如果您正在使用fork启动方法进行多处理（您可以在大多数非Windows平台上使用这种方法），则每个subprocess都会获取父进程启动时的任何资源，这可以是将数据传递给subprocess的另一种方法。
多个线程可以存在于一个进程中。 属于同一进程的线程共享相同的内存区域（可以读取和写入相同的variables，并且可以相互干扰）。 相反，不同的进程存在于不同的存储区域，每个进程都有自己的variables。 为了沟通，stream程必须使用其他渠道（文件，pipe道或套接字）。
如果你想并行化一个计算，你可能会需要multithreading，因为你可能希望线程在同一个内存上合作。
说到性能，与线程相比，线程创build和pipe理的速度更快（因为OS不需要分配全新的虚拟内存区域），线程间通信通常比进程间通信更快。 但是线程更难编程。 线程可以相互干扰，并可以写入对方的内存，但这种情况发生的方式并不总是很明显（由于几个因素，主要是指令重新sorting和内存caching），所以你将需要同步原语来控制访问到你的variables。
我相信这个链接以优雅的方式回答你的问题。
简而言之，如果其中一个子问题需要等待另一个子问题完成，那么multithreading就是好的（例如，在I / O繁重的操作中）。 相反，如果您的子问题可能同时发生，则build议进行多处理。 但是，您不会创build比核心数量更多的进程。
下面是python 2.6.x的一些性能数据，这些数据调用了对IO-约束场景中的多处理性能更高性能的线索的质疑。 这些结果来自40个处理器的IBM System x3650 M4 BD。
IO绑定处理：进程池执行比线程池更好
>>> do_work(50, 300, 'thread','fileio') do_work function took 455.752 ms >>> do_work(50, 300, 'process','fileio') do_work function took 319.279 ms
CPU绑定处理：进程池比线程池执行得更好
>>> do_work(50, 2000, 'thread','square') do_work function took 338.309 ms >>> do_work(50, 2000, 'process','square') do_work function took 287.488 ms
这些并不是严格的testing，但是他们告诉我，与线程相比，多处理并不是完全不成熟的。
用于上述testing的交互式Python控制台中使用的代码
from multiprocessing import Pool from multiprocessing.pool import ThreadPool import time import sys import os from glob import glob text_for_test = str(range(1,100000)) def fileio(i): try : os.remove(glob('./test/test-*')) except : pass f=open('./test/test-'+str(i),'a') f.write(text_for_test) f.close() f=open('./test/test-'+str(i),'r') text = f.read() f.close() def square(i): return i*i def timing(f): def wrap(*args): time1 = time.time() ret = f(*args) time2 = time.time() print '%s function took %0.3f ms' % (f.func_name, (time2-time1)*1000.0) return ret return wrap result = None @timing def do_work(process_count, items, process_type, method) : pool = None if process_type == 'process' : pool = Pool(processes=process_count) else : pool = ThreadPool(processes=process_count) if method == 'square' : multiple_results = [pool.apply_async(square,(a,)) for a in range(1,items)] result = [res.get() for res in multiple_results] else : multiple_results = [pool.apply_async(fileio,(a,)) for a in range(1,items)] result = [res.get() for res in multiple_results] do_work(50, 300, 'thread','fileio') do_work(50, 300, 'process','fileio') do_work(50, 2000, 'thread','square') do_work(50, 2000, 'process','square')
那么，大部分的问题都由Giulio Franco解答。 我将进一步详细说明消费者生产者问题，我想这将使您的解决scheme使用multithreading应用程序的正确轨道。
fill_count = Semaphore(0) # items produced empty_count = Semaphore(BUFFER_SIZE) # remaining space buffer = Buffer() def producer(fill_count, empty_count, buffer): while True: item = produceItem() empty_count.down(); buffer.push(item) fill_count.up() def consumer(fill_count, empty_count, buffer): while True: fill_count.down() item = buffer.pop() empty_count.up() consume_item(item)
你可以阅读更多关于同步原语：
http://linux.die.net/man/7/sem_overview http://docs.python.org/2/library/threading.html
伪代码在上面。 我想你应该search生产者 – 消费者问题来获得更多的参考。
