前面講了為什么python里推薦用多進(jìn)程而不是多線程，但是多進(jìn)程也有其自己的限制：相比線程更加笨重、切換耗時更長，并且在python的多進(jìn)程下，進(jìn)程數(shù)量不推薦超過CPU核心數(shù)（一個進(jìn)程只有一個GIL，所以一個進(jìn)程只能跑滿一個CPU），因為一個進(jìn)程占用一個CPU時能充分利用機(jī)器的性能，但是進(jìn)程多了就會出現(xiàn)頻繁的進(jìn)程切換，反而得不償失。

不過特殊情況（特指IO密集型任務(wù)）下，多線程是比多進(jìn)程好用的。

舉個例子：給你200W條url，需要你把每個url對應(yīng)的頁面抓取保存起來，這種時候，單單使用多進(jìn)程，效果肯定是很差的。為什么呢？

例如每次請求的等待時間是2秒，那么如下（忽略cpu計算時間）：

1、單進(jìn)程+單線程：需要2秒*200W=400W秒==1111.11個小時==46.3天，這個速度明顯是不能接受的

2、單進(jìn)程+多線程：例如我們在這個進(jìn)程中開了10個多線程，比1中能夠提升10倍速度，也就是大約4.63天能夠完成200W條抓取，請注意，這里的實際執(zhí)行是：線程1遇見了阻塞，CPU切換到線程2去執(zhí)行，遇見阻塞又切換到線程3等等，10個線程都阻塞后，這個進(jìn)程就阻塞了，而直到某個線程阻塞完成后，這個進(jìn)程才能繼續(xù)執(zhí)行，所以速度上提升大約能到10倍（這里忽略了線程切換帶來的開銷，實際上的提升應(yīng)該是不能達(dá)到10倍的），但是需要考慮的是線程的切換也是有開銷的，所以不能無限的啟動多線程（開200W個線程肯定是不靠譜的）

3、多進(jìn)程+多線程：這里就厲害了，一般來說也有很多人用這個方法，多進(jìn)程下，每個進(jìn)程都能占一個cpu，而多線程從一定程度上繞過了阻塞的等待，所以比單進(jìn)程下的多線程又更好使了，例如我們開10個進(jìn)程，每個進(jìn)程里開20W個線程，執(zhí)行的速度理論上是比單進(jìn)程開200W個線程快10倍以上的（為什么是10倍以上而不是10倍，主要是cpu切換200W個線程的消耗肯定比切換20W個進(jìn)程大得多，考慮到這部分開銷，所以是10倍以上）。

還有更好的方法嗎？答案是肯定的，它就是：

4、協(xié)程，使用它之前我們先講講what/why/how（它是什么/為什么用它/怎么使用它）

what：

協(xié)程是一種用戶級的輕量級線程。協(xié)程擁有自己的寄存器上下文和棧。協(xié)程調(diào)度切換時，將寄存器上下文和棧保存到其他地方，在切回來的時候，恢復(fù)先前保存的寄存器上下文和棧。因此：

協(xié)程能保留上一次調(diào)用時的狀態(tài)（即所有局部狀態(tài)的一個特定組合），每次過程重入時，就相當(dāng)于進(jìn)入上一次調(diào)用的狀態(tài)，換種說法：進(jìn)入上一次離開時所處邏輯流的位置。

在并發(fā)編程中，協(xié)程與線程類似，每個協(xié)程表示一個執(zhí)行單元，有自己的本地數(shù)據(jù)，與其它協(xié)程共享全局?jǐn)?shù)據(jù)和其它資源。

why：

目前主流語言基本上都選擇了多線程作為并發(fā)設(shè)施，與線程相關(guān)的概念是搶占式多任務(wù)（Preemptive multitasking），而與協(xié)程相關(guān)的是協(xié)作式多任務(wù)。

不管是進(jìn)程還是線程，每次阻塞、切換都需要陷入系統(tǒng)調(diào)用(system call)，先讓CPU跑操作系統(tǒng)的調(diào)度程序，然后再由調(diào)度程序決定該跑哪一個進(jìn)程(線程)。
而且由于搶占式調(diào)度執(zhí)行順序無法確定的特點，使用線程時需要非常小心地處理同步問題，而協(xié)程完全不存在這個問題（事件驅(qū)動和異步程序也有同樣的優(yōu)點）。

因為協(xié)程是用戶自己來編寫調(diào)度邏輯的，對CPU來說，協(xié)程其實是單線程，所以CPU不用去考慮怎么調(diào)度、切換上下文，這就省去了CPU的切換開銷，所以協(xié)程在一定程度上又好于多線程。

how:

python里面怎么使用協(xié)程？答案是使用gevent，使用方法：看這里

使用協(xié)程，可以不受線程開銷的限制，我嘗試過一次把20W條url放在單進(jìn)程的協(xié)程里執(zhí)行，完全沒問題。

所以最推薦的方法，是多進(jìn)程+協(xié)程（可以看作是每個進(jìn)程里都是單線程，而這個單線程是協(xié)程化的）

多進(jìn)程+協(xié)程下，避開了CPU切換的開銷，又能把多個CPU充分利用起來，這種方式對于數(shù)據(jù)量較大的爬蟲還有文件讀寫之類的效率提升是巨大的。

?

小例子：

#-*- coding=utf-8 -*-
import requests
from multiprocessing import Process
import gevent
from gevent import monkey; monkey.patch_all()

import sys
reload(sys)
sys.setdefaultencoding('utf8')
def fetch(url):
try:
s = requests.Session()
r = s.get(url,timeout=1)#在這里抓取頁面
except Exception,e:
print e
return ''

def process_start(url_list):
tasks = []
for url in url_list:
tasks.append(gevent.spawn(fetch,url))
gevent.joinall(tasks)#使用協(xié)程來執(zhí)行

def task_start(filepath,flag = 100000):#每10W條url啟動一個進(jìn)程
with open(filepath,'r') as reader:#從給定的文件中讀取url
url = reader.readline().strip()
url_list = []#這個list用于存放協(xié)程任務(wù)
i = 0 #計數(shù)器，記錄添加了多少個url到協(xié)程隊列
while url!='':
i += 1
url_list.append(url)#每次讀取出url，將url添加到隊列
if i == flag:#一定數(shù)量的url就啟動一個進(jìn)程并執(zhí)行
p = Process(target=process_start,args=(url_list,))
p.start()
url_list = [] #重置url隊列
i = 0 #重置計數(shù)器
url = reader.readline().strip()
if url_list not []:#若退出循環(huán)后任務(wù)隊列里還有url剩余
p = Process(target=process_start,args=(url_list,))#把剩余的url全都放到最后這個進(jìn)程來執(zhí)行
p.start()

if __name__ == '__main__':
task_start('./testData.txt')#讀取指定文件

細(xì)心的同學(xué)會發(fā)現(xiàn)：上面的例子中隱藏了一個問題：進(jìn)程的數(shù)量會隨著url數(shù)量的增加而不斷增加，我們在這里不使用進(jìn)程池multiprocessing.Pool來控制進(jìn)程數(shù)量的原因是multiprocessing.Pool和gevent有沖突不能同時使用，但是有興趣的同學(xué)可以研究一下gevent.pool這個協(xié)程池。
---------------------
作者：L瑜
來源：CSDN
原文：https://blog.csdn.net/lambert310/article/details/51162634
版權(quán)聲明：本文為博主原創(chuàng)文章，轉(zhuǎn)載請附上博文鏈接！

轉(zhuǎn)載于:https://www.cnblogs.com/ExMan/p/10426777.html

總結(jié)

以上是生活随笔為你收集整理的python中多进程+协程的使用以及为什么要用它的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。