龙空技术网

Python 高级编程之并发与多线程(三)

大数据老司机 1264

前言:

现时姐妹们对“python多核”大约比较关切,兄弟们都需要了解一些“python多核”的相关资讯。那么小编在网摘上汇集了一些有关“python多核””的相关内容,希望同学们能喜欢,你们快快来了解一下吧!

一、概述

并发与多线程在任何编程语言中都是非常常用的,也是非常重要的,接下来就细讲python中的并发与多线程原理和实践,如果想了解python基础部分,可以参考我以下几篇文章:

Python 介绍和环境准备

Python 基础语法介绍(一)

Python 基础语法介绍(二)

Python 高级编程之面向对象(一)

Python 高级编程之面向切面编程 AOP(二)

二、并发与并行原理1)并行

当系统有一个以上CPU时,则进程的操作有可能非并发。当一个CPU执行一个进程时,另一个CPU可以执行另一个进程,两个进程互不抢占CPU资源,可以同时进行,这种方式我们称之为并行

2)并发

当有多个进程在操作时,如果系统只有一个CPU,则它根本不可能真正同时执行一个以上的进程,说白了就是多个进程同时由同一个CPU执行,并发只能把CPU运行时间划分成若干个时间段,再将时间段分配给各个进程执行,在一个时间段的进程代码运行时,其它进程处于挂起状,这种方式我们称之为并发

3)并发和并行区别并发和并行是即相似又有区别的两个概念,并行是指两个或者多个事件在同一时刻同时执行,而并发是指两个或多个事件通过时间片轮流被执行在多道程序环境下,并发性是指在一段时间内宏观上有多个程序在同时运行,但在单核CPU中,同一时刻仅能有一道程序执行,故微观上这些程序只能是分时地交替执行倘若在计算机中有多个CPU,则这些可以并发执行的程序便可被分配到多个处理机上,实现并行执行,即利用每个处理机来处理一个可并发执行的程序,这样,多个程序便可以同时执行。三、Python 多线程1)进程与线程关系线程——线程是一个基本的CPU执行单元。它必须依托于进程存活。一个线程是一个execution context(执行上下文),即一个CPU执行时所需要的一串指令。进程——进程是指一个程序在给定数据集合上的一次执行过程,是系统进行资源分配和运行调用的独立单位。可以简单地理解为操作系统中正在执行的程序。也就说,每个应用程序都有一个自己的进程。每一个进程启动时都会最先产生一个线程,即主线程。然后主线程会再创建其他的子线程。即进程由一个或多个线程组成。

两者的区别

线程必须在某个进程中执行。一个进程可包含多个线程,其中有且只有一个主线程。多线程共享同个地址空间、打开的文件以及其他资源。多进程共享物理内存、磁盘、打印机以及其他资源。

线程的因作用可以划分为不同的类型,大致可分为:

主线程子线程守护线程(后台线程)前台线程2)Python 多线程GIL介绍

其他语言,CPU是多核时是支持多个线程同时执行。但在Python中,无论是单核还是多核,同时只能由一个线程在执行。其根源是GIL的存在。GIL的全称是Global Interpreter Lock(全局解释器锁),来源是Python设计之初的考虑,为了数据安全所做的决定。某个线程想要执行,必须先拿到GIL,我们可以把GIL看作是“通行证”,并且在一个Python进程中,GIL只有一个。拿不到通行证的线程,就不允许进入CPU执行。

而目前Python的解释器有多种,例如:

CPython:CPython是用C语言实现的Python解释器。 作为官方实现,它是最广泛使用的Python解释器。PyPy:PyPy是用RPython实现的解释器。RPython是Python的子集, 具有静态类型。这个解释器的特点是即时编译,支持多重后端(C, CLI, JVM)。PyPy旨在提高性能,同时保持最大兼容性(参考CPython的实现)。Jython:Jython是一个将Python代码编译成Java字节码的实现,运行在JVM (Java Virtual Machine) 上。另外,它可以像是用Python模块一样,导入并使用任何Java类。IronPython:IronPython是一个针对 .NET 框架的Python实现。它可以用Python和 .NET framework的库,也能将Python代码暴露给 .NET框架中的其他语言。

重点注意事项:

GIL只在CPython中才有,而在PyPy和Jython中是没有GIL的。每次释放GIL锁,线程进行锁竞争、切换线程,会消耗资源。这就导致打印线程执行时长,会发现耗时更长的原因。并且由于GIL锁存在,Python里一个进程永远只能同时执行一个线程(拿到GIL的线程才能执行),这就是为什么在多核CPU上,Python 的多线程效率并不高的根本原因。3)Python 创建多线程

Python提供两个模块进行多线程的操作,分别是threadthreading(常用),前者是比较低级的模块,用于更底层的操作,一般应用级别的开发不常用。

1、thread

直接使用threading.Thread()。示例如下:

import threading # 这个函数名可随便定义def run(n):    print("current task:", n) if __name__ == "__main__":    t1 = threading.Thread(target=run, args=("thread 1",))    t2 = threading.Thread(target=run, args=("thread 2",))    t1.start()    t2.start()
2、threading(常用)

继承threading.Thread来自定义线程类,重写run方法。示例如下:

import threading class MyThread(threading.Thread):    def __init__(self, n):        super(MyThread, self).__init__()  # 重构run函数必须要写        self.n = n     def run(self):        print("current task:", self.n) if __name__ == "__main__":    t1 = MyThread("thread 1")    t2 = MyThread("thread 2")     t1.start()    t2.start()
4)守护线程

守护线程就是主线程执行完,子线程不管有没有执行完,都会跟着主线程结束。早期python版本可以这样设置:setDaemon(True),新版本这样设置:t.daemon=True,默认为False。

示例如下:

import threadingimport timedef count(n, c):    while c > 0:        c -= 1        print("线程:{} 在执行\n".format(n))        time.sleep(1)if __name__ == "__main__":    t1 = threading.Thread(target=count, args=("t1", 3))    t2 = threading.Thread(target=count, args=("t2", 3))    t1.daemon = True    t2.daemon = True    t1.start()    t2.start()    # 将 t1 和 t2 加入到主线程中    #t1.join()    #t2.join()    # 主线程    print("主线程执行!")

执行结果如下:

线程:t1 在执行线程:t2 在执行主线程执行!

发现子线程并没有执行完就结束了。

5)线程合并(join)

join函数执行顺序是逐个执行每个线程,执行完毕后继续往下执行。主线程结束后,子线程还在运行,join函数使得主线程等到子线程结束时才退出。示例如下:

import threadingimport timedef count(n, c):    while c > 0:        c -= 1        print("线程:{} 在执行\n".format(n))        time.sleep(1)if __name__ == "__main__":    t1 = threading.Thread(target=count, args=("t1", 3))    t2 = threading.Thread(target=count, args=("t2", 3))    t1.start()    t2.start()    # 将 t1 和 t2 加入到主线程中    #t1.join()    #t2.join()    # 主线程    print("主线程执行!")

先来看把join去掉之后的输出效果如下:

主线程执行!线程:t1 在执行线程:t2 在执行线程:t1 在执行线程:t2 在执行线程:t1 在执行线程:t2 在执行

加上join之后,效果如下:

线程:t1 在执行线程:t2 在执行线程:t2 在执行线程:t1 在执行线程:t1 在执行线程:t2 在执行主线程执行!

【结论】

守护线程(t1.daemon)——就是主线程结束,子线程不管有没有执行完都会跟着主线程结束。线程合并(join)——主线程会等待所有子线程执行完之后再继续持续主线程。6)线程同步与互斥锁

线程之间数据共享的。当多个线程对某一个共享数据进行操作时,就需要考虑到线程安全问题。threading模块中定义了Lock 类,提供了互斥锁的功能来保证多线程情况下数据的正确性。

用法的基本步骤:

#创建锁mutex = threading.Lock()#锁定mutex.acquire([timeout])#释放mutex.release()

其中,锁定方法acquire可以有一个超时时间的可选参数timeout。如果设定了timeout,则在超时后通过返回值可以判断是否得到了锁,从而可以进行一些其他的处理。具体用法见示例代码:

import threadingimport time num = 0mutex = threading.Lock() class MyThread(threading.Thread):    def run(self):        global num         time.sleep(1)         if mutex.acquire(1):              num = num + 1            msg = self.name + ': num value is ' + str(num)            print(msg)            mutex.release() if __name__ == '__main__':    for i in range(5):        t = MyThread()        t.start()

输出结果:

Thread-3: num value is 1Thread-2: num value is 2Thread-5: num value is 3Thread-1: num value is 4Thread-4: num value is 5
7)可重入锁(递归锁)

RLock 可重入锁是指同一个锁可以多次被同一线程加锁而不会死锁。 实现可重入锁的目的是防止递归函数内的加锁行为,或者某些场景内无法获取锁A是否已经被加锁,这时如果不使用可重入锁就会对同一锁多次重复加锁,导致立即死锁。

如果是一把互斥锁(threading.Lock()),那么下面的代码会发生堵塞:

import threadinglock = threading.Lock()lock.acquire()    for i in range(10):        print('获取第二把锁')        lock.acquire()        print(f'test.......{i}')        lock.release()    lock.release()

输出结果:

获取第二把锁

发现执行上面的代码,会出现死锁状态。这是因为获取第二次锁的时候需要等待释放锁,导致死锁状态了。

再来看使用RLock的示例:

import threadinglock = threading.RLock()lock.acquire()for i in range(10):    print('获取第二把锁')    lock.acquire()    print(f'test.......{i}')    lock.release()lock.release()

输出结果:

获取第二把锁test.......0获取第二把锁test.......1获取第二把锁test.......2获取第二把锁test.......3获取第二把锁test.......4获取第二把锁test.......5获取第二把锁test.......6获取第二把锁test.......7获取第二把锁test.......8获取第二把锁test.......9

可能我们大部分人都知道,RLock其实底层维护了一个互斥锁和一个计数器,那互斥锁和计数器到底是如何工作的?

当一个线程通过acquire()获取一个锁时,首先会判断拥有锁的线程和调用acquire()的线程是否是同一个线程,如果是同一个线程,那么计数器+1,函数直接返回(return 1),如果两个线程不一致时,那么会通过调用底层锁(_allocate_lock())进行阻塞自己(也可能是获得锁)。

8)定时器

如果需要规定函数在多少秒后执行某个操作,需要用到Timer类。具体用法如下:

from threading import Timerdef show():    print("Pyhton")if __name__ == "__main__":    # 指定一秒钟之后执行 show 函数    # 等待1s执行show函数    t = Timer(1, show)    t.start()
四、Python 多进程

Python要进行多进程操作,需要用到muiltprocessing库,其中的Process类跟threading模块的Thread类很相似。所以直接看代码熟悉多进程。

1)创建多进程1、直接使用Process

示例如下:

from multiprocessing import Process   def show(name):    print("Process name is " + name) if __name__ == "__main__":     proc = Process(target=show, args=('subprocess',))      proc.start()      proc.join()

输出结果:

Process name is subprocess
2、继承Process来自定义进程类,重写run方法

示例如下:

from multiprocessing import Processimport timeclass MyProcess(Process):    def __init__(self, name):        super(MyProcess, self).__init__()        self.name = name    def run(self):        print('process name :' + str(self.name))        time.sleep(1)if __name__ == '__main__':    for i in range(3):        p = MyProcess(str(i))        p.start()        p.join()

输出结果:

process name :0process name :1process name :2
2)多进程通信

进程之间不共享数据的。如果进程之间需要进行通信,则要用到Queue模块或者Pipe模块来实现。

1、Queue

Queue是多进程安全的队列,可以实现多进程之间的数据传递。它主要有三个函数put()get()empty()

put()用以插入数据到队列中,put还有两个可选参数:blockedtimeout如果可选的参数block为True且timeout为空对象(默认的情况,阻塞调用,无超时)。如果timeout是个正整数,阻塞调用进程最多timeout秒,如果一直无空空间可用,抛出Full异常(带超时的阻塞调用)。如果block为False,如果有空闲空间可用将数据放入队列,否则立即抛出Full异常。其非阻塞版本为put_nowait等同于put(item, False)。get()可以从队列读取并且删除一个元素。同样get有两个可选参数:blockedtimeout如果blocked为True(默认值),并且 timeout为正值,那么在等待时间内没有取到任何元素,会抛出Queue.Empty异常。如果blocked为False,有两种情况存在,如果Queue有一个值可用,则立即返回该值,否则,如果队列为空,则立即抛出Queue.Empty异常。empty() 如果队列为空,返回True,反之返回False·

示例如下:

from multiprocessing import Process, Queue def put(queue):    queue.put('Queue 用法') if __name__ == '__main__':    queue = Queue()    pro = Process(target=put, args=(queue,))    pro.start()    print(queue.get())       pro.join()
2、Pipe

多进程还有一种数据传递方式叫做管道(Pipe),和Queue相类似。Pipe可以在进程之间创建一条管道,并返回元组(con1,con2)。其中,con1,con2表示管道两端的连接对象。这里要注意,必须在产生Process对象之前产生管道,具体用法如下:

send(obj):通过连接发送对象objrecv():接收con2.send(obj)所发送的对象。如果没有消息可接收,recv方法会一直阻塞。如果接收的一端已经关闭连接,则抛出EOFErrorclose():关闭连接。如果con1被垃圾回收,将自动调用此方法。fileno():返回连接使用的整数文件描述符poll([timeout]):如果连接上的数据可用,返回True。timeout为指定等待的最长时限,若timeout缺省,方法立即返回结果,不再等待。若timeout值为None,则操作将无限制等待数据到来。send_bytes(buffer[,offset[,size]]):通过连接发送字节数据缓冲区,buffer是支持缓冲区接口的任意对象,offset是缓冲区中的字节偏移量,size是要发生的字节数。结果以单条消息的形式发出,然后使用recv_bytes()进行接收。

from multiprocessing import Process, Pipe def show(conn):    conn.send('Pipe 用法')    conn.close() if __name__ == '__main__':    parent_conn, child_conn = Pipe()     pro = Process(target=show, args=(child_conn,))    pro.start()    print(parent_conn.recv())       pro.join()

【温馨提示】调用Pipe()返回管道的两端的Connection,因此, Pipe仅仅适用于只有两个进程一读一写的单双工情况,也就是说信息是只向一个方向流动。例如电视、广播,看电视的人只能看,电视台是能播送电视节目。

【总结】

Pipe的读写效率要高于Queue。进程间的Pipe基于fork机制建立。当主进程创建Pipe的时候,Pipe的两个Connections连接的的都是主进程。

当主进程创建子进程后,Connections也被拷贝了一份。此时有了4个Connections。此后,关闭主进程的一个Out Connection,关闭一个子进程的一个In Connection。那么就建立好了一个输入在主进程,输出在子进程的管道。3)进程池

创建多个进程,我们不用傻傻地一个个去创建。我们可以使用Pool模块来搞定。Pool 常用的方法如下:

方法

含义

apply()

同步执行(串行)

apply_async()

异步执行(并行)

terminate()

立刻关闭进程池

join()

主进程等待所有子进程执行完毕。必须在close或terminate()之后使用

close()

等待所有进程结束后,才关闭进程池

示例如下:

#!/usr/bin/env python# -*- coding: utf-8 -*-import multiprocessingimport time def func(msg):    print("msg:", msg)    time.sleep(3)    print("end") if __name__ == "__main__":    # 维持执行的进程总数为processes,当一个进程执行完毕后会添加新的进程进去    pool = multiprocessing.Pool(processes = 3)    for i in range(5):        msg = "hello %d" %(i)        # 非阻塞式,子进程不影响主进程的执行,会直接运行到 pool.join()        pool.apply_async(func, (msg, ))            # 阻塞式,先执行完子进程,再执行主进程        # pool.apply(func, (msg, ))        print("Mark~ Mark~ Mark~~~~~~~~~~~~~~~~~~~~~~")    # 调用join之前,先调用close函数,否则会出错。    pool.close()    # 执行完close后不会有新的进程加入到pool,join函数等待所有子进程结束    pool.join()       print("Sub-process(es) done.")

输出结果:

Mark~ Mark~ Mark~~~~~~~~~~~~~~~~~~~~~~msg: hello 0msg: hello 1msg: hello 2endmsg: hello 3endmsg: hello 4endendendSub-process(es) done.
如上,进程池Pool被创建出来后,即使实际需要创建的进程数远远大于进程池的最大上限,p.apply_async(test) 代码依旧会不停的执行,并不会停下等待;相当于向进程池提交了10个请求,会被放到一个队列中;当执行完p1 = Pool(5)这条代码后,5条进程已经被创建出来了,只是还没有为他们各自分配任务,也就是说,无论有多少任务,实际的进程数只有5条,计算机每次最多5条进程并行。当Pool中有进程任务执行完毕后,这条进程资源会被释放,pool会按先进先出的原则取出一个新的请求给空闲的进程继续执行;当Pool所有的进程任务完成后,会产生5个僵尸进程,如果主线程不结束,系统不会自动回收资源,需要调用join函数去回收。join函数是主进程等待子进程结束回收系统资源的,如果没有join,主程序退出后不管子进程有没有结束都会被强制杀死;创建Pool池时,如果不指定进程最大数量,默认创建的进程数为系统的内核数量。4)多线程和多进程如何选择?

在这个问题上,首先要看下你的程序是属于哪种类型的。一般分为两种:CPU密集型和I/O密集型。

CPU 密集型(计算型):程序比较偏重于计算,需要经常使用CPU来运算。例如科学计算的程序,机器学习的程序等。(最好使用进程,因为python现在同一时刻只能由一个线程在执行,具体原因看上面解释)I/O 密集型:顾名思义就是程序需要频繁进行输入输出操作。爬虫程序就是典型的I/O密集型程序。(最好使用线程,因为涉及到网络、磁盘IO的任务都是IO密集型任务,这类任务的特点是CPU消耗很少。)五、Python 之 signal 模块

signal 模块负责python程序内部的信号处理;典型的操作包括信号处理函数、暂停并等待信号,以及定时发出SIGALRM等。

尽管signal是python中的模块,但是主要针对UNIX平台(比如Linux,MAC OS),而Windows内核中由于对信号机制的支持不充分,所以在Windows上的Python不能发挥信号系统的功能。

1)发生信号的原因

发送信号一般有两种原因:

被动式:内核检测到一个系统事件.例如子进程退出会像父进程发送SIGCHLD信号.键盘按下control+c会发送SIGINT信号。主动式:通过系统调用kill来向指定进程发送信号。2)信号处理方式

接收信号的进程对不同的信号有三种处理方式:

指定处理函数忽略根据系统默认值处理, 大部分信号的默认处理是终止进程3)规则信号

常用的信号:

signal.SIGHUP   # 连接挂断;signal.SIGILL   # 非法指令;signal.SIGINT   # 终止进程(ctrl+c);signal.SIGTSTP  # 暂停进程(ctrl+z);signal.SIGKILL  # 杀死进程(此信号不能被捕获或忽略);signal.SIGQUIT  # 终端退出;signal.SIGTERM  # 终止信号,软件终止信号;signal.SIGALRM  # 闹钟信号,由signal.alarm()发起;signal.SIGCONT  # 继续执行暂停进程;

【温馨提示】

由于不同系统中同一个数值对应的信号类型不一样, 所以最好使用信号名称。wnidows系统中只能调用 SIGABRT, SIGFPE, SIGILL, SIGINT, SIGSEGV, or SIGTERM信号的数值越小, 优先级越高。3)signal.alarm(time)参数:time为时间参数功能:在time时间后,向进程自身发送SIGALRM信号

示例如下:

#!/usr/bin/env python# -*- coding: utf-8 -*-# 注意:在UNIX平台上执行,window没有alarm()方法import signalimport time signal.alarm(4)#4s后终止程序 while True:    time.sleep(1)    print("学习python中...")

输出结果:

学习python中...学习python中...学习python中...Alarm clock
4)signal.pasue()

signal.pause() Wait until a signal arrives。让进程进程暂停,以等待信号(什么信号均可);也即阻塞进程进行,接收到信号后使进程停止。

#!/usr/bin/env python# -*- coding: utf-8 -*-import signalimport time time.sleep(1) #阻塞等待信号的发生,如论什么信号都可以signal.pause() while True:    time.sleep(1)    print("学习python中...")
5)设置信号处理函数

signal.signal(sig, handler)

功能:按照handler制定的信号处理方案处理函数

参数:

sig:拟需处理的信号,处理信号只针对这一种信号起作用sighander:信号处理方案

在信号基础里提到,进程可以无视信号、可采取默认操作、还可自定义操作;当handler为下列函数时,将有如下操作:

SIG_IGN:信号被无视(ignore)或忽略SIG_DFL:进程采用默认(default)行为处理

示例如下:

#!/usr/bin/env python# -*- coding: utf-8 -*-import signal #6s后终止程序signal.alarm(6) #遇到SIGINT ctrl+c时,忽略SIG_IGNsignal.signal(signal.SIGINT,signal.SIG_IGN) signal.pause()

运行后6s 打印出: Alarm clock

如果在运行中在键盘中输入CTRL+C也无济于事,此时输出结果 CCCCCCCC闹钟

原因分析:

signal.signal(signal.SIGINT, signal.SIG_IGN) 表示遇到信号SIGINT CTRL + C,时,忽略SIG_IGN该信号。所以在程序运行中从键盘输入ctrl+c(在终端上显示 ^C )时无效。当signal.alarm(6)计时6秒后,直接在终端上输出 “Alarm clock” 后退出。signal.pause()是为了阻塞进程,等待信号。如果没有这句话,可以在程序中更变为:

while True:    pass

进程中默认信号方式处理:

import signal#6s后终止程序signal.alarm(6)signal.signal(signal.SIGALRM,signal.SIG_DFL)signal.pause()
六、并发网络通信模型

常见网络模型:

循环服务器模型——循环接受客户端请求,处理请求.同一时刻只能处理一个请求,处理完毕后在处理下一个。优势:实现简单,占用资源少服务器。缺点:没法同时处理多个客户端请求网。适用状况:处理的任务能够很快完成,客户端无需长期占用服务端程序.UDP比TCP更适合循环多线程。多进程/线程网络并发模型——每当一个客户端链接服务器,就建立一个新的进程/线程为该客户端服务,客户端退出时在销毁该进程/线程。优势:能同时知足多个客户端长期占有服务端需求,能够处理各类请求并发。缺点:资源消耗较大异步。适用状况:客户端同时链接量较少,须要处理行为较复杂场景。IO并发模型——利用IO多路复用,异步IO等技术,同时处理多个客户端IO请求优势:资源消耗少,能同时高效处理多个IO行为。缺点:只能处理并发产生的IO事件,没法处理CPU计算函数。适用状况:HTTP请求,网络传输等都是IO行为。1)基于fork的多进程网络并发模型

实现步骤:

建立监听套接字;等待接受客户端请求;客户端链接建立新的进程处理客户端请求;原进程继续等待其余客户端链接;若是客户端退出,则销毁对应的进程。

示例如下:

import socketimport signalimport os# 全局变量HOST = "127.0.0.1"PORT = 9090ADDR = (HOST, PORT)def dispose(val):    while True:        data = val.recv(1024)        if not data:            break        print(">>", data.decode())        val.send(b"OK")    val.close()# 创建套接字soc = socket.socket(socket.AF_INET, socket.SOCK_STREAM)# 设置端口立即重用soc.setsockopt(socket.SOL_SOCKET, socket.SO_REUSEADDR, 1)# 绑定套接字soc.bind(ADDR)# 设置监听soc.listen(5)# 处理僵尸进程signal.signal(signal.SIGCHLD, signal.SIG_IGN)print("Listen the port 9090...")while True:    # 循环处理客户端连接    try:        c, addr = soc.accept()        print("Connect from", addr)    except KeyboardInterrupt:        os._exit(0)    except Exception as e:        print(e)        continue    # 创建子进程处理客户端事物    pid = os.fork()    if pid == 0:        soc.close()        # 客户端套接字处理具体事物        dispose(c)        # 处理完成销毁子进程        os._exit(0)    else:        # 父进程等待其他用户连接不需要和子进程通信        c.close()
2)基于threading的多线程网络并发

实现步骤

建立监听套接字;等待接收客户端请求;客户端链接建立新的线程处理客户端请求;主线程继续等待其余客户端链接;若是客户端退出,则对应分支线程退出。

示例如下:

from socket import *from threading import Threadimport sys# 创建监听套接字HOST = '0.0.0.0'PORT = 8888ADDR = (HOST,PORT)# 处理客户端请求def handle(c):  while True:    data = c.recv(1024)    if not data:      break    print(data.decode())    c.send(b'OK')  c.close()s = socket()  # tcp套接字s.setsockopt(SOL_SOCKET,SO_REUSEADDR,1)s.bind(ADDR)s.listen(3)print("Listen the port %d..."%PORT)# 循环等待客户端连接while True:  try:    c,addr = s.accept()  except KeyboardInterrupt:    sys.exit("服务器退出")  except Exception as e:    print(e)    continue      # 创建线程处理客户端请求  t = Thread(target=handle, args=(c,))  t.setDaemon(True)   # 父进程结束则所有进程终止  t.start()

文章篇幅有点长,上面的示例用到了socket,等到讲到socket再详细解释,socket就放到下篇文章介绍了,请小伙伴耐心等待~

Python 高级编程之并发与多线程就先介绍到这里,有疑问的小伙伴欢迎给我留言,后续会持续更新相关技术文章,也可关注我的公众号【大数据与云原生技术分享】深入技术交流~

标签: #python多核