py 多进程，多线程，线进池

1. 多进程

在 Python 中，多进程是通过 multiprocessing 模块实现的。具体来说，可以通过 multiprocessing.Process 创建进程，并且可以通过 Process.start() 启动进程，通过 Process.join() 等待进程结束。

下面是一个使用多进程的例子：

import multiprocessing
def worker(num):
    print('Worker: %s' % num)
if __name__ == '__main__':
    for i in range(5):
        p = multiprocessing.Process(target=worker, args=(i,))
        p.start()

在这个例子中，我们创建了 5 个进程来执行 worker 函数。每个进程都打印出自己的编号。

需要注意的是，由于 Python 对于全局变量的处理机制，多进程中无法直接共享全局变量。如果多个进程需要共享数据，可以使用 multiprocessing.Manager 创建共享对象。例如，可以创建一个共享列表：

import multiprocessing
def worker(lst, num):
    lst.append(num)
if __name__ == '__main__':
    manager = multiprocessing.Manager()
    lst = manager.list()
    for i in range(5):
        p = multiprocessing.Process(target=worker, args=(lst, i))
        p.start()
    p.join()
    print(lst)

在这个例子中，我们创建了一个空的共享列表，然后让 5 个进程向里面加入自己的编号。最后输出共享列表。

2. 多线程

多线程是指在同一个进程内，同时执行多个线程。Python 中的多线程是通过 threading 模块实现的。可以通过 threading.Thread 创建线程，并且可以通过 Thread.start() 启动线程，通过 Thread.join() 等待线程结束。

下面是一个使用多线程的例子：

import threading
def worker(num):
    print('Worker: %s' % num)
if __name__ == '__main__':
    for i in range(5):
        t = threading.Thread(target=worker, args=(i,))
        t.start()

在这个例子中，我们创建了 5 个线程来执行 worker 函数。每个线程都打印出自己的编号。

需要特别注意的是，在 Python 中，多线程并不能很好地利用多核 CPU 的优势。因为 Python 的 GIL(Global Interpreter Lock) 限制了同一时刻只能有一个线程执行 Python 的字节码。所以说，Python 的多线程只适合 IO 密集型任务，对于 CPU 密集型任务，建议使用多进程。

3. 线程池

3.1 线程池的作用

线程池是一种提高线程效率的方式。具体来说，线程池维护着一个池子，里面有一些线程，这些线程可以被反复利用，执行一些需要使用线程的任务。而不是每次需要使用线程时都重新创建一个线程。

线程池的好处在于，可以减少线程的创建和销毁，提高线程的重用率，从而提高程序的效率。

3.2 使用线程池

Python 中可以使用 ThreadPoolExecutor 类来创建线程池。具体来说，可以通过 ThreadPoolExecutor 的构造函数指定线程池中的线程数量，并且可以通过 submit() 方法向线程池提交任务，并返回一个 Future 对象，这个对象可以用来获取任务的执行结果。

下面是一个使用线程池的例子：

import concurrent.futures
def worker(num):
    print('Worker: %s' % num)
    return 'Result: %s' % num
if __name__ == '__main__':
    with concurrent.futures.ThreadPoolExecutor(max_workers=3) as executor:
        futures = [executor.submit(worker, i) for i in range(5)]
        for future in concurrent.futures.as_completed(futures):
            print(future.result())

在这个例子中，我们创建了一个最多可以同时执行 3 个线程的线程池，并且用它来执行 5 个任务。因为线程池只有 3 个线程，所以这 5 个任务不会同时执行，而是分批次执行。

以上就介绍了 Python 中的多进程、多线程和线程池。需要根据具体情况选择适当的方法，才能发挥最大的效果。