今天我們要一起探索的是Python中的并發編程,這可是提升程序速度的魔法鑰匙哦!別擔心,即使你是新手,我也會讓你一步步成為并發小能手。
想象一下,你在咖啡館同時處理郵件、聊天和寫代碼,這就是多線程的日常。在Python里,threading模塊是你的得力助手。
import threadingimport timedef say_hello(name): print(f"Hello, {name}!") time.sleep(2) # 模擬耗時操作# 創建線程thread1 = threading.Thread(target=say_hello, args=("World",))thread2 = threading.Thread(target=say_hello, args=("Python",))# 啟動線程thread1.start()thread2.start()# 等待所有線程完成thread1.join()thread2.join()print("All tasks done.")
這段代碼創建了兩個線程,分別打印不同的問候語,然后等待它們完成。記住join(),它是等待線程的守護者。
哎呀,提到多線程,不得不提Python的“獨特”設計——GIL。它就像個小警察,讓CPU核心輪流執行Python字節碼,這意味著多線程在CPU密集型任務中并不總是更快。別灰心,對于I/O密集型任務,多線程還是很香的!
如果想真正利用多核CPU,multiprocessing模塊是你的不二之選。它為每個進程創建獨立的Python解釋器,繞過GIL。
from multiprocessing import Processdef worker(num): print(f'Worker: {num}') time.sleep(2)if __name__ == '__main__': processes = [] for i in range(4): p = Process(target=worker, args=(i,)) processes.append(p) p.start()
每個Process都是一個獨立的小世界,它們并行運行,不受GIL限制。
并發或并行雖然快,但也會帶來復雜性,比如數據同步問題。記得使用鎖(Lock)來避免資源沖突,就像在廚房里只有一個微波爐,大家輪流用。
from threading import Locklock = Lock()def safe_print(number): with lock: print(f'Safe print: {number}')safe_print(1)safe_print(2)
使用with語句自動管理鎖,安全又方便。
想象一個工廠的流水線,隊列(Queue)就是那個協調者。在多線程/進程間傳遞數據,非它莫屬。
from queue import Queuefrom threading import Threaddef producer(queue): queue.put('Product')def consumer(queue): print(queue.get())q = Queue()producer_thread = Thread(target=producer, args=(q,))consumer_thread = Thread(target=consumer, args=(q,))producer_thread.start()consumer_thread.start()producer_thread.join()consumer_thread.join()
隊列保證了數據的安全傳遞,避免了混亂。
等不及了?asyncio帶你進入異步編程的世界,用async/await關鍵字,就像給你的代碼加了翅膀。
import asyncioasync def hello(i): print(f'Hello {i}') await asyncio.sleep(1) # 異步等待async def main(): tasks = [hello(i) for i in range(3)] await asyncio.gather(*tasks)# Python 3.7+asyncio.run(main())
異步等待,讓程序在等待時去做其他事,效率杠杠的。
雖然asyncio很強大,但并非所有函數都可以異步化,比如那些直接操作硬件的低級API。選擇合適的方法,別硬塞。
想要簡單地并發執行任務,不論同步還是異步,concurrent.futures是你的良師益友。
from concurrent.futures import ThreadPoolExecutordef worker(n): return n * nwith ThreadPoolExecutor() as executor: results = executor.map(worker, range(5)) print(list(results)) # 輸出平方數
用ThreadPoolExecutor輕松管理線程池,執行任務就像點菜一樣簡單。
并發中錯誤處理很重要,使用try-except來保護你的代碼,確保一個任務的失敗不會影響到整個程序。
try: # 可能會出錯的并發代碼except Exception as e: print(f'Caught an exception: {e}')
保持冷靜,優雅處理,你的程序更健壯。
with語句不僅僅是為了代碼簡潔,它還能確保資源(如文件、鎖)的正確釋放,避免并發中的資源泄露。
with Lock(): # 在這里安全地操作共享資源
自動的開始與結束,像一位細心的管家。
使用timeit, cProfile等工具來監控你的并發程序,了解哪些部分慢如蝸牛,哪些是速度惡魔,優化從了解開始。
最后,讓我們實戰一把,用多線程下載圖片,感受并發的魅力。
import osimport requestsfrom threading import Threaddef download_image(url, filename): response = requests.get(url) with open(filename, 'wb') as f: f.write(response.content) print(f'{filename} downloaded.')urls = ['img_url1', 'img_url1'] # 假設的URLthreads = []for url in urls: t = Thread(target=download_image, args=(url, os.path.basename(url))) threads.append(t) t.start()for t in threads: t.join()print('All images downloaded.')
通過并發下載,我們可以顯著加快下載速度!
到這里,我們已經解鎖了Python并發編程的12個實用技巧,是不是感覺自己的編程技能又上了一個新臺階?實踐是檢驗真理的唯一標準,趕緊動手試試,讓你的程序跑得飛起來吧!
本文鏈接:http://www.tebozhan.com/showinfo-26-90039-0.htmlPython 并發編程的 12 個實用技巧
聲明:本網頁內容旨在傳播知識,若有侵權等問題請及時與本網聯系,我們將在第一時間刪除處理。郵件:2376512515@qq.com
上一篇: 阿里面試:說說自適應限流?