Python中的线程处理

Question

已关闭 。这个问题是基于观点的。它当前不接受答案。

---

想改善这个问题吗？ 更新问题，以便通过编辑此帖子以事实和引用的形式回答。

6年前关闭。

改善这个问题

在Python中用于编写多线程应用程序的模块有哪些？我知道该语言以及Stackless
Python
提供的基本并发机制，但是它们各自的优缺点是什么？

Answer 1

为了增加复杂度：

使用穿线模块

优点：

• 在自己的线程中运行任何函数（实际上是任何可调用的）真的很容易。
• 共享数据不是一件容易的事（锁从不容易：），至少很简单。

缺点：

• 正如Juergen所提到的， Python线程实际上不能并发访问解释器中的状态（有一个大锁，臭名昭著的Global Interpreter Lock。）实际上，这意味着线程对于I / O绑定任务（网络，写入磁盘，等等），但对于并发计算根本没有用。

使用多重处理模块

在简单的用例中，threading除了每个任务都是在自己的进程而不是自己的线程中运行之外，这与使用完全一样。（几乎从字面上看：如果您以Eli的示例为例，并threading用multiprocessing，，替换Thread为Process，并且Queue（模块）替换为multiprocessing.Queue，则应该可以正常运行。）

优点：

• 所有任务的实际并发（无全局解释器锁定）。
• 可以扩展到多个处理器，甚至可以扩展到多 台机器 。

缺点：

• 进程比线程慢。
• 进程之间的数据共享比线程复杂。
• 内存不是隐式共享的。您要么必须明确共享它，要么必须腌制变量并将其来回发送。这更安全，但更困难。（如果越来越重要，Python开发人员似乎正在朝这个方向努力。）

使用事件模型，例如Twisted

优点：

• 您可以很好地控制优先级，执行时间。

缺点：

• 即使有了一个好的库，异步编程通常也比线程编程难，无论是在理解应该发生的事情还是在调试实际发生的事情上都很难。

---

在 所有
情况下，我假设您已经了解了多任务处理中的许多问题，尤其是如何在任务之间共享数据的棘手问题。如果由于某种原因您不知道何时以及如何使用锁和条件，则必须从这些开始。多任务代码充满了微妙之处和技巧，在开始之前最好对概念有一个很好的了解。