python中的進(jìn)程、線程（threading、multiprocessing、Queue、subprocess）

Python中的進(jìn)程與線程

學(xué)習(xí)知識(shí)，我們不但要知其然，還是知其所以然。你做到了你就比別人NB。 我們先了解一下什么是進(jìn)程和線程。

進(jìn)程與線程的歷史

我們都知道計(jì)算機(jī)是由硬件和軟件組成的。硬件中的CPU是計(jì)算機(jī)的核心，它承擔(dān)計(jì)算機(jī)的所有任務(wù)。 操作系統(tǒng)是運(yùn)行在硬件之上的軟件，是計(jì)算機(jī)的管理者，它負(fù)責(zé)資源的管理和分配、任務(wù)的調(diào)度。 程序是運(yùn)行在系統(tǒng)上的具有某種功能的軟件，比如說(shuō)瀏覽器，音樂(lè)播放器等。 每次執(zhí)行程序的時(shí)候，都會(huì)完成一定的功能，比如說(shuō)瀏覽器幫我們打開(kāi)網(wǎng)頁(yè)，為了保證其獨(dú)立性，就需要一個(gè)專門(mén)的管理和控制執(zhí)行程序的數(shù)據(jù)結(jié)構(gòu)——進(jìn)程控制塊。?進(jìn)程就是一個(gè)程序在一個(gè)數(shù)據(jù)集上的一次動(dòng)態(tài)執(zhí)行過(guò)程。?進(jìn)程一般由程序、數(shù)據(jù)集、進(jìn)程控制塊三部分組成。我們編寫(xiě)的程序用來(lái)描述進(jìn)程要完成哪些功能以及如何完成；數(shù)據(jù)集則是程序在執(zhí)行過(guò)程中所需要使用的資源；進(jìn)程控制塊用來(lái)記錄進(jìn)程的外部特征，描述進(jìn)程的執(zhí)行變化過(guò)程，系統(tǒng)可以利用它來(lái)控制和管理進(jìn)程，它是系統(tǒng)感知進(jìn)程存在的唯一標(biāo)志。

在早期的操作系統(tǒng)里，計(jì)算機(jī)只有一個(gè)核心，進(jìn)程執(zhí)行程序的最小單位，任務(wù)調(diào)度采用時(shí)間片輪轉(zhuǎn)的搶占式方式進(jìn)行進(jìn)程調(diào)度。每個(gè)進(jìn)程都有各自的一塊獨(dú)立的內(nèi)存，保證進(jìn)程彼此間的內(nèi)存地址空間的隔離。 隨著計(jì)算機(jī)技術(shù)的發(fā)展，進(jìn)程出現(xiàn)了很多弊端，一是進(jìn)程的創(chuàng)建、撤銷和切換的開(kāi)銷比較大，二是由于對(duì)稱多處理機(jī)（對(duì)稱多處理機(jī)（SymmetricalMulti-Processing）又叫SMP，是指在一個(gè)計(jì)算機(jī)上匯集了一組處理器(多CPU)，各CPU之間共享內(nèi)存子系統(tǒng)以及總線結(jié)構(gòu)）的出現(xiàn)，可以滿足多個(gè)運(yùn)行單位，而多進(jìn)程并行開(kāi)銷過(guò)大。 這個(gè)時(shí)候就引入了線程的概念。 線程也叫輕量級(jí)進(jìn)程，它是一個(gè)基本的CPU執(zhí)行單元，也是程序執(zhí)行過(guò)程中的最小單元，由線程ID、程序計(jì)數(shù)器、寄存器集合 和堆棧共同組成。線程的引入減小了程序并發(fā)執(zhí)行時(shí)的開(kāi)銷，提高了操作系統(tǒng)的并發(fā)性能。 線程沒(méi)有自己的系統(tǒng)資源，只擁有在運(yùn)行時(shí)必不可少的資源。但線程可以與同屬與同一進(jìn)程的其他線程共享進(jìn)程所擁有的其他資源。

?

進(jìn)程與線程之間的關(guān)系

線程是屬于進(jìn)程的，線程運(yùn)行在進(jìn)程空間內(nèi)，同一進(jìn)程所產(chǎn)生的線程共享同一內(nèi)存空間，當(dāng)進(jìn)程退出時(shí)該進(jìn)程所產(chǎn)生的線程都會(huì)被強(qiáng)制退出并清除。線程可與屬于同一進(jìn)程的其它線程共享進(jìn)程所擁有的全部資源，但是其本身基本上不擁有系統(tǒng)資源，只擁有一點(diǎn)在運(yùn)行中必不可少的信息(如程序計(jì)數(shù)器、一組寄存器和棧)。

?

threading模塊

threading 模塊建立在 _thread 模塊之上。thread 模塊以低級(jí)、原始的方式來(lái)處理和控制線程，而 threading 模塊通過(guò)對(duì) thread 進(jìn)行二次封裝，提供了更方便的 api 來(lái)處理線程。

import threading import timedef worker(num):"""thread worker function:return:"""time.sleep(1)print("Thread %d" % num)returnfor i in range(20):t = threading.Thread(target=worker,args=(i,)，name=“t.%d” % i)t.start()

thread方法說(shuō)明

t.start() : 激活線程，

t.getName() : 獲取線程的名稱

t.setName() ： 設(shè)置線程的名稱?

t.name?: 獲取或設(shè)置線程的名稱

t.is_alive() ： 判斷線程是否為激活狀態(tài)

t.isAlive() ：判斷線程是否為激活狀態(tài)

t.setDaemon() 設(shè)置為后臺(tái)線程或前臺(tái)線程（默認(rèn)：False）;通過(guò)一個(gè)布爾值設(shè)置線程是否為守護(hù)線程，必須在執(zhí)行start()方法之后才可以使用。如果是后臺(tái)線程，主線程執(zhí)行過(guò)程中，后臺(tái)線程也在進(jìn)行，主線程執(zhí)行完畢后，后臺(tái)線程不論成功與否，均停止；如果是前臺(tái)線程，主線程執(zhí)行過(guò)程中，前臺(tái)線程也在進(jìn)行，主線程執(zhí)行完畢后，等待前臺(tái)線程也執(zhí)行完成后，程序停止

t.isDaemon() ： 判斷是否為守護(hù)線程

t.ident ：獲取線程的標(biāo)識(shí)符。線程標(biāo)識(shí)符是一個(gè)非零整數(shù)，只有在調(diào)用了start()方法之后該屬性才有效，否則它只返回None。

t.join() ：逐個(gè)執(zhí)行每個(gè)線程，執(zhí)行完畢后繼續(xù)往下執(zhí)行，該方法使得多線程變得無(wú)意義

t.run() ：線程被cpu調(diào)度后自動(dòng)執(zhí)行線程對(duì)象的run方法

線程鎖threading.RLock和threading.Lock

我們使用線程對(duì)數(shù)據(jù)進(jìn)行操作的時(shí)候，如果多個(gè)線程同時(shí)修改某個(gè)數(shù)據(jù)，可能會(huì)出現(xiàn)不可預(yù)料的結(jié)果，為了保證數(shù)據(jù)的準(zhǔn)確性，引入了鎖的概念。

例：假設(shè)列表A的所有元素就為0，當(dāng)一個(gè)線程從前向后打印列表的所有元素，另外一個(gè)線程則從后向前修改列表的元素為1,那么輸出的時(shí)候，列表的元素就會(huì)一部分為0，一部分為1,這就導(dǎo)致了數(shù)據(jù)的不一致。鎖的出現(xiàn)解決了這個(gè)問(wèn)題。

import threading import timeglobals_num = 0lock = threading.RLock()def Func():lock.acquire() # 獲得鎖 global globals_numglobals_num += 1time.sleep(1)print(globals_num)lock.release() # 釋放鎖 for i in range(10):t = threading.Thread(target=Func)t.start() View Code

threading.RLock和threading.Lock 的區(qū)別

RLock允許在同一線程中被多次acquire。而Lock卻不允許這種情況。 如果使用RLock，那么acquire和release必須成對(duì)出現(xiàn)，即調(diào)用了n次acquire，必須調(diào)用n次的release才能真正釋放所占用的瑣。

import threading lock = threading.Lock() #Lock對(duì)象 lock.acquire() lock.acquire() #產(chǎn)生了死瑣。 lock.release() lock.release() import threading rLock = threading.RLock() #RLock對(duì)象 rLock.acquire() rLock.acquire() #在同一線程內(nèi)，程序不會(huì)堵塞。 rLock.release() rLock.release()

threading.Event

Event是線程間通信最間的機(jī)制之一：一個(gè)線程發(fā)送一個(gè)event信號(hào)，其他的線程則等待這個(gè)信號(hào)。用于主線程控制其他線程的執(zhí)行。 Events 管理一個(gè)flag，這個(gè)flag可以使用set()設(shè)置成True或者使用clear()重置為False，wait()則用于阻塞，在flag為T(mén)rue之前。flag默認(rèn)為False。

• Event.wait([timeout]) ： 堵塞線程，直到Event對(duì)象內(nèi)部標(biāo)識(shí)位被設(shè)為T(mén)rue或超時(shí)（如果提供了參數(shù)timeout）。
• Event.set() ：將標(biāo)識(shí)位設(shè)為T(mén)ure
• Event.clear() ： 將標(biāo)識(shí)伴設(shè)為False。
• Event.isSet() ：判斷標(biāo)識(shí)位是否為T(mén)ure。

import threadingdef do(event):print('start')event.wait()print('execute')event_obj = threading.Event() for i in range(10):t = threading.Thread(target=do, args=(event_obj,))t.start()event_obj.clear() inp = input('input:') if inp == 'true':event_obj.set() View Code

當(dāng)線程執(zhí)行的時(shí)候，如果flag為False，則線程會(huì)阻塞，當(dāng)flag為T(mén)rue的時(shí)候，線程不會(huì)阻塞。它提供了本地和遠(yuǎn)程的并發(fā)性。

?

threading.Condition:

一個(gè)condition變量總是與某些類型的鎖相聯(lián)系，這個(gè)可以使用默認(rèn)的情況或創(chuàng)建一個(gè)，當(dāng)幾個(gè)condition變量必須共享和同一個(gè)鎖的時(shí)候，是很有用的。鎖是conditon對(duì)象的一部分：沒(méi)有必要分別跟蹤。

condition變量服從上下文管理協(xié)議：with語(yǔ)句塊封閉之前可以獲取與鎖的聯(lián)系。 acquire() 和 release() 會(huì)調(diào)用與鎖相關(guān)聯(lián)的相應(yīng)的方法。

其他和鎖關(guān)聯(lián)的方法必須被調(diào)用，wait()方法會(huì)釋放鎖，當(dāng)另外一個(gè)線程使用 notify() or notify_all()喚醒它之前會(huì)一直阻塞。一旦被喚醒，wait()會(huì)重新獲得鎖并返回，Condition類實(shí)現(xiàn)了一個(gè)conditon變量。 這個(gè)conditiaon變量允許一個(gè)或多個(gè)線程等待，直到他們被另一個(gè)線程通知。 如果lock參數(shù)，被給定一個(gè)非空的值，，那么他必須是一個(gè)lock或者Rlock對(duì)象，它用來(lái)做底層鎖。否則，會(huì)創(chuàng)建一個(gè)新的Rlock對(duì)象，用來(lái)做底層鎖。

• wait(timeout=None) ： 等待通知，或者等到設(shè)定的超時(shí)時(shí)間。當(dāng)調(diào)用這wait()方法時(shí)，如果調(diào)用它的線程沒(méi)有得到鎖，那么會(huì)拋出一個(gè)RuntimeError 異常。 wati()釋放鎖以后，在被調(diào)用相同條件的另一個(gè)進(jìn)程用notify() or notify_all() 叫醒之前 會(huì)一直阻塞。wait() 還可以指定一個(gè)超時(shí)時(shí)間。

如果有等待的線程，notify()方法會(huì)喚醒一個(gè)在等待conditon變量的線程。notify_all() 則會(huì)喚醒所有在等待conditon變量的線程。

注意： notify()和notify_all()不會(huì)釋放鎖，也就是說(shuō)，線程被喚醒后不會(huì)立刻返回他們的wait() 調(diào)用。除非線程調(diào)用notify()和notify_all()之后放棄了鎖的所有權(quán)。

?

在典型的設(shè)計(jì)風(fēng)格里，利用condition變量用鎖去通許訪問(wèn)一些共享狀態(tài)，線程在獲取到它想得到的狀態(tài)前，會(huì)反復(fù)調(diào)用wait()。修改狀態(tài)的線程在他們狀態(tài)改變時(shí)調(diào)用 notify() or notify_all()，用這種方式，線程會(huì)盡可能的獲取到想要的一個(gè)等待者狀態(tài)。 例子： 生產(chǎn)者-消費(fèi)者模型，

import threading import time def consumer(cond):with cond:print("consumer before wait")cond.wait()print("consumer after wait")def producer(cond):with cond:print("producer before notifyAll")cond.notifyAll()print("producer after notifyAll")condition = threading.Condition() c1 = threading.Thread(name="c1", target=consumer, args=(condition,)) c2 = threading.Thread(name="c2", target=consumer, args=(condition,))p = threading.Thread(name="p", target=producer, args=(condition,))c1.start() time.sleep(2) c2.start() time.sleep(2) p.start() View Code

consumer()線程要等待producer()設(shè)置了Condition之后才能繼續(xù)。

?

?

queue模塊

Queue 就是對(duì)隊(duì)列，它是線程安全的

舉例來(lái)說(shuō)，我們?nèi)タ系禄燥垺N房是給我們做飯的地方，前臺(tái)負(fù)責(zé)把廚房做好的飯賣給顧客，顧客則去前臺(tái)領(lǐng)取做好的飯。這里的前臺(tái)就相當(dāng)于我們的隊(duì)列。

這個(gè)模型也叫生產(chǎn)者-消費(fèi)者模型。

import queueq = queue.Queue(maxsize=0) # 構(gòu)造一個(gè)先進(jìn)顯出隊(duì)列，maxsize指定隊(duì)列長(zhǎng)度，為0 時(shí)，表示隊(duì)列長(zhǎng)度無(wú)限制。 q.join() # 等到隊(duì)列為kong的時(shí)候，在執(zhí)行別的操作 q.qsize() # 返回隊(duì)列的大小 （不可靠） q.empty() # 當(dāng)隊(duì)列為空的時(shí)候，返回True 否則返回False （不可靠） q.full() # 當(dāng)隊(duì)列滿的時(shí)候，返回True，否則返回False （不可靠） q.put(item, block=True, timeout=None) # 將item放入Queue尾部，item必須存在，可以參數(shù)block默認(rèn)為T(mén)rue,表示當(dāng)隊(duì)列滿時(shí)，會(huì)等待隊(duì)列給出可用位置， 　　　　　　　　　　　　　　　　　　　　　　　　 為False時(shí)為非阻塞，此時(shí)如果隊(duì)列已滿，會(huì)引發(fā)queue.Full 異常。 可選參數(shù)timeout，表示 會(huì)阻塞設(shè)置的時(shí)間，過(guò)后，如果隊(duì)列無(wú)法給出放入item的位置，則引發(fā) queue.Full 異常 q.get(block=True, timeout=None) # 移除并返回隊(duì)列頭部的一個(gè)值，可選參數(shù)block默認(rèn)為T(mén)rue，表示獲取值的時(shí)候，如果隊(duì)列為空，則阻塞，為False時(shí)，不阻塞， 　　　　　　　　　　　　　　　　　　　　　　若此時(shí)隊(duì)列為空，則引發(fā) queue.Empty異常。 可選參數(shù)timeout，表示會(huì)阻塞設(shè)置的時(shí)候，過(guò)后，如果隊(duì)列為空，則引發(fā)Empty異常。 q.put_nowait(item) # 等效于 put(item,block=False) q.get_nowait() # 等效于 get(item,block=False) #!/usr/bin/env python import Queue import threadingmessage = Queue.Queue(10)def producer(i):while True:message.put(i)def consumer(i):while True:msg = message.get()for i in range(12):t = threading.Thread(target=producer, args=(i,))t.start()for i in range(10):t = threading.Thread(target=consumer, args=(i,))t.start() View Code

multiprocessing模塊

multiprocessing是python的多進(jìn)程管理包，和threading.Thread類似。直接從側(cè)面用subprocesses替換線程使用GIL的方式，由于這一點(diǎn)，multiprocessing模塊可以讓程序員在給定的機(jī)器上充分的利用CPU。

在multiprocessing中，通過(guò)創(chuàng)建Process對(duì)象生成進(jìn)程，然后調(diào)用它的start()方法，

from multiprocessing import Processdef f(name):print('hello', name)if __name__ == '__main__':p = Process(target=f, args=('bob',))p.start()p.join() 復(fù)制代碼 View Code

進(jìn)程間的數(shù)據(jù)共享

在使用并發(fā)設(shè)計(jì)的時(shí)候最好盡可能的避免共享數(shù)據(jù)，尤其是在使用多進(jìn)程的時(shí)候。 如果你真有需要 要共享數(shù)據(jù)， multiprocessing提供了兩種方式。

Shared memory

數(shù)據(jù)可以用Value或Array存儲(chǔ)在一個(gè)共享內(nèi)存地圖里，如下：

from multiprocessing import Process, Value, Arraydef f(n, a):n.value = 3.1415927for i in range(len(a)):a[i] = -a[i]if __name__ == '__main__':num = Value('d', 0.0)arr = Array('i', range(10))p = Process(target=f, args=(num, arr))p.start()p.join()print(num.value)print(arr[:]) View Code

輸出：

3.1415927 [0, -1, -2, -3, -4, -5, -6, -7, -8, -9]

創(chuàng)建num和arr時(shí)，“d”和“i”參數(shù)由Array模塊使用的typecodes創(chuàng)建：“d”表示一個(gè)雙精度的浮點(diǎn)數(shù)，“i”表示一個(gè)有符號(hào)的整數(shù)，這些共享對(duì)象將被線程安全的處理。

Array(‘i’, range(10))中的‘i’參數(shù)：

Server process

由Manager()返回的manager提供list, dict, Namespace, Lock, RLock, Semaphore, BoundedSemaphore, Condition, Event, Barrier, Queue, Value and Array類型的支持。

from multiprocessing import Process, Managerdef f(d, l):d[1] = '1'd['2'] = 2d[0.25] = Nonel.reverse()if __name__ == '__main__':with Manager() as manager:d = manager.dict()l = manager.list(range(10))p = Process(target=f, args=(d, l))p.start()p.join()print(d)print(l View Code

輸出：

{0.25: None, 1: '1', '2': 2} [9, 8, 7, 6, 5, 4, 3, 2, 1, 0]

Server process manager比 shared memory 更靈活，因?yàn)樗梢灾С秩我獾膶?duì)象類型。另外，一個(gè)單獨(dú)的manager可以通過(guò)進(jìn)程在網(wǎng)絡(luò)上不同的計(jì)算機(jī)之間共享，不過(guò)他比shared memory要慢。

使用工作池（Using a pool of workers）

Pool類描述了一個(gè)工作進(jìn)程池，他有幾種不同的方法讓任務(wù)卸載工作進(jìn)程。

進(jìn)程池內(nèi)部維護(hù)一個(gè)進(jìn)程序列，當(dāng)使用時(shí)，則去進(jìn)程池中獲取一個(gè)進(jìn)程，如果進(jìn)程池序列中沒(méi)有可供使用的進(jìn)進(jìn)程，那么程序就會(huì)等待，直到進(jìn)程池中有可用進(jìn)程為止。

我們可以用Pool類創(chuàng)建一個(gè)進(jìn)程池， 展開(kāi)提交的任務(wù)給進(jìn)程池。 例：

from multiprocessing import Pool import time def myFun(i):time.sleep(2)return i+100def end_call(arg):print("end_call",arg)p = Pool(5)# print(p.map(myFun,range(10)))for i in range(10):p.apply_async(func=myFun,args=(i,),callback=end_call)print("end") p.close() p.join() View Code

一個(gè)進(jìn)程池對(duì)象可以控制工作進(jìn)程池的哪些工作可以被提交，它支持超時(shí)和回調(diào)的異步結(jié)果，有一個(gè)類似map的實(shí)現(xiàn)。

• processes ：使用的工作進(jìn)程的數(shù)量，如果processes是None那么使用 os.cpu_count()返回的數(shù)量。
• initializer： 如果initializer是None，那么每一個(gè)工作進(jìn)程在開(kāi)始的時(shí)候會(huì)調(diào)用initializer(*initargs)。
• maxtasksperchild：工作進(jìn)程退出之前可以完成的任務(wù)數(shù)，完成后用一個(gè)心的工作進(jìn)程來(lái)替代原進(jìn)程，來(lái)讓閑置的資源被釋放。maxtasksperchild默認(rèn)是None，意味著只要Pool存在工作進(jìn)程就會(huì)一直存活。
• context: 用在制定工作進(jìn)程啟動(dòng)時(shí)的上下文，一般使用 multiprocessing.Pool() 或者一個(gè)context對(duì)象的Pool()方法來(lái)創(chuàng)建一個(gè)池，兩種方法都適當(dāng)?shù)脑O(shè)置了context

注意：Pool對(duì)象的方法只可以被創(chuàng)建pool的進(jìn)程所調(diào)用。

New in version 3.2: maxtasksperchild

New in version 3.4: context

?

進(jìn)程池的方法

• apply(func[, args[, kwds]]) ：使用arg和kwds參數(shù)調(diào)用func函數(shù)，結(jié)果返回前會(huì)一直阻塞，由于這個(gè)原因，apply_async()更適合并發(fā)執(zhí)行，另外，func函數(shù)僅被pool中的一個(gè)進(jìn)程運(yùn)行。

• apply_async(func[, args[, kwds[, callback[, error_callback]]]]) ： apply()方法的一個(gè)變體，會(huì)返回一個(gè)結(jié)果對(duì)象。如果callback被指定，那么callback可以接收一個(gè)參數(shù)然后被調(diào)用，當(dāng)結(jié)果準(zhǔn)備好回調(diào)時(shí)會(huì)調(diào)用callback，調(diào)用失敗時(shí)，則用error_callback替換callback。 Callbacks應(yīng)被立即完成，否則處理結(jié)果的線程會(huì)被阻塞。

• close() ： 阻止更多的任務(wù)提交到pool，待任務(wù)完成后，工作進(jìn)程會(huì)退出。

• terminate() ： 不管任務(wù)是否完成，立即停止工作進(jìn)程。在對(duì)pool對(duì)象進(jìn)程垃圾回收的時(shí)候，會(huì)立即調(diào)用terminate()。

• join() : wait工作線程的退出，在調(diào)用join()前，必須調(diào)用close() or terminate()。這樣是因?yàn)楸唤K止的進(jìn)程需要被父進(jìn)程調(diào)用wait（join等價(jià)與wait），否則進(jìn)程會(huì)成為僵尸進(jìn)程。

• map(func, iterable[, chunksize])?

• map_async(func, iterable[, chunksize[, callback[, error_callback]]])?

• imap(func, iterable[, chunksize])?

• imap_unordered(func, iterable[, chunksize])

• starmap(func, iterable[, chunksize])?

• starmap_async(func, iterable[, chunksize[, callback[, error_back]]])

協(xié)程

協(xié)程又叫微線程，從技術(shù)的角度來(lái)說(shuō)，“協(xié)程就是你可以暫停執(zhí)行的函數(shù)”。如果你把它理解成“就像生成器一樣”，那么你就想對(duì)了。 線程和進(jìn)程的操作是由程序觸發(fā)系統(tǒng)接口，最后的執(zhí)行者是系統(tǒng)；協(xié)程的操作則是程序員。

協(xié)程存在的意義：對(duì)于多線程應(yīng)用，CPU通過(guò)切片的方式來(lái)切換線程間的執(zhí)行，線程切換時(shí)需要耗時(shí)（保存狀態(tài)，下次繼續(xù)）。協(xié)程，則只使用一個(gè)線程，在一個(gè)線程中規(guī)定某個(gè)代碼塊執(zhí)行順序。

協(xié)程的適用場(chǎng)景：當(dāng)程序中存在大量不需要CPU的操作時(shí)（IO），適用于協(xié)程；

Python3.5的 async/await 新特性

async/await 是對(duì) 3.3版本引入 yeild from 的擴(kuò)展.

定義協(xié)程：?

@types.coroutine # 和 asyncio.coroutine 一樣 def ping_server(ip):# ping code here... async def ping_server(ip):# ping code here...

注意：使用 async def 定義的協(xié)程函數(shù)，不能包含任何形式的 yield 語(yǔ)句，只有return 和await 可以從協(xié)程中返回值。 await只能用于 async def 中，await 接受的對(duì)象必須是 awaitable 對(duì)象， awaitable 對(duì)象要么是一個(gè)協(xié)程；要么是一個(gè)定義了__await__()方法的對(duì)象，且__await__()必須返回一個(gè)不是協(xié)程的迭代器。

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

轉(zhuǎn)載于:https://www.cnblogs.com/pythonxiaokang/p/5606003.html

總結(jié)

以上是生活随笔為你收集整理的python 进程和线程的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

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