目录

• 1 什么是并发编程？
• 2 进程与多进程
• 3 线程与多线程
• 4 协程与多协程
• 5 总结

1 什么是并发编程？

并发编程是实现多任务协同处理，改善系统性能的方式。Python中实现并发编程主要依靠

• 进程(Process)：进程是计算机中的程序关于某数据集合的一次运行实例，是操作系统进行资源分配的最小单位
• 线程(Thread)：线程被包含在进程之中，是操作系统进行程序调度执行的最小单位
• 协程(Coroutine)：协程是用户态执行的轻量级编程模型，由单一线程内部发出控制信号进行调度

直接上一张图看看三者概念间的关系。

这张图说明了什么？首先，一条线程是进程中一个单一的顺序控制流，一个进程可以并发多个线程执行不同任务。协程由单一线程内部发出控制信号进行调度，而非受到操作系统管理，因此协程没有切换开销和同步锁机制，具有极高的执行效率。

进程、线程、协程间的特性决定了它们的应用场景不同：

协程常用于IO密集型工作，例如网络资源请求等；而进程、线程常用于计算密集型工作，例如科学计算、人工神经网络等。

接下来对每种并发编程方法进行详细阐述。

2 进程与多进程

Python多进程依赖于标准库mutiprocessing，进程类Process的常用方法如下

创建多进程任务的实例如下

import os, timeimport multiprocessingclass myProcess(multiprocessing.Process):    def __init__(self, *args, **kwargs) -> None: super().__init__() self.name = kwargs['name']    def run(self): print("process name:", self.name) for i in range(10):     print(multiprocessing.current_process(), "process pid:",    os.getpid(), "正在执行...")     time.sleep(0.2)if __name__ == "__main__":    task = myProcess(name="testProcess")    task.start()    task.join()# 该语句会阻塞主进程直至子进程结束    print("----------------")

注意：Windows系统在子进程结束后会立即自动清除子进程实例；而Linux系统子进程实例仅当主进程结束后才被回收，在子进程结束但主进程仍在运行的时间内处于僵尸进程状态，会造成性能损失甚至死锁。对子进程实例的手动回收可以通过

p.terminate()p.join()

完成，此外，start()函数也有清除僵尸进程的功能。在使用多进程处理任务时并非进程越多越好，因为进程切换会造成性能开销。

3 线程与多线程

Python多线程依赖于标准库threading，线程类Thread的常用方法如下表：

关于线程与进程的关系，还有一个很生动的例子

把一条公路看作一道进程，那么公路上的各个车道就是进程中的各个线程。这些线程(车道)共享了进程(道路)的公共资源；这些线程(车道)之间可以并发执行(各个车道相对独立)，也可以互相同步(交通信号灯)。

多线程可以通过线程锁来进行数据同步，可用于保护共享资源同时被多个线程读写引起冲突导致错误。给出一个实例：

rsrc = 10lock = threading.Lock()def task1(name):    global rsrc, lock    for i in range(5): with lock:     rsrc += 1     print("task1:", rsrc)    return name + "has been done!"def task2(name):    global rsrc, lock    for i in range(5): lock.acquire() rsrc -= 1 print("task2:", rsrc) lock.release()     return name + "has been done!"

结果如下

在多线程并发过程中，若没有控制好线程间的执行逻辑，将可能产生死锁现象，可以使用with关键词在线程访问临界区结束后自动释放锁，也可使用release()方法手动释放句柄。

4 协程与多协程

协程适用于I/O密集型而非计算密集型场景。在协程发起I/O请求后返回结果前往往有大量闲置时间——该时间可能用于网络数据传输、获取协议头、服务器查询数据库等，而I/O请求本身并不耗时，因此协程可以发送一个请求后让渡给系统干别的事，这就是协程提高性能的原因。

协程编程的框架如下：

• 创建协程对象并将其封装成任务实例；
• 创建事件循环实例并监听任务队列；
• 获取协程结果(可在事件循环结束后获取，或提前添加回调函数)。

一个嵌套协程的示例如下：

import asyncio, time# 内层协程async def do_some_work(x):    print('Waiting: ', x)    await asyncio.sleep(x)return 'Done after {}s'.format(x)def OnCallBack(res):print(res.result())# 外层协程mainasync def main():    # 创建三个协程对象并封装成任务    task1 = asyncio.ensure_future(do_some_work(1))    task2 = asyncio.ensure_future(do_some_work(8))    task3 = asyncio.ensure_future(do_some_work(4))    # 添加回调    task1.add_done_callback(OnCallBack)    task2.add_done_callback(OnCallBack)    task3.add_done_callback(OnCallBack)    # 内层任务列表    tasks = [task1, task2, task3]# 将列表转为可等待对象    dones, pendings = await asyncio.wait(tasks)# 外层协程funcasync def func():    for i in range(5): print("func:", i)# 外层任务列表tasks = [asyncio.ensure_future(func()), asyncio.ensure_future(main())]# 创建事件循环loop = asyncio.get_event_loop()start = time.time()# 监听异步任务loop.run_until_complete(asyncio.wait(tasks))end = time.time()print("总耗时:", end - start)

5 总结

看了这么多概念可能有点晕了，下面这张表总结了本文的内容。总得来说，进程、线程、协程各有各的应用场景，不能说多进程、多线程、多协程就一定好，而是要根据具体的使用情况来确定。

🔥 更多精彩专栏：

• 《机器人原理与技术》
• 《ROS从入门到精通》
• 《计算机视觉教程》
• 《机器学习》
• 《数值优化方法》
• …

🏠 欢迎加入社区和更多志同道合的朋友交流：AI 技术社

👇配套代码 · 优质体验 · 系统知识 请关注👇 KTV音响网