python 多进程threading

Python 中有两种并发处理的方式：多线程（threading）和多进程（multiprocessing）。

多线程适用于 I/O 密集型任务，如网络请求、文件读写等，因为在这种情况下线程会因为等待 I/O 操作而阻塞，此时可以切换到其他线程执行。

多进程适用于 CPU 密集型任务，如计算复杂的数学运算或图像处理等，因为在这种情况下，多进程可以充分利用多核 CPU 的优势，提高任务的执行效率。

Python 中的 threading 模块提供了多线程处理的功能，而 multiprocessing 模块则提供了多进程处理的功能。

下面是一个使用 threading 模块的简单示例：

import threading

def worker():
    print('I am running in thread:', threading.current_thread().name)

threads = []
for i in range(5):
    t = threading.Thread(target=worker)
    threads.append(t)
    t.start()

for t in threads:
    t.join()

这个示例中，我们创建了 5 个线程，并且让它们都执行 worker 函数。在 worker 函数中，我们打印了当前线程的名字。

使用 multiprocessing 模块的示例代码如下：

from multiprocessing import Process

def worker():
    print('I am running in process:', os.getpid())

processes = []
for i in range(5):
    p = Process(target=worker)
    processes.append(p)
    p.start()

for p in processes:
    p.join()

在这个示例中，我们创建了 5 个进程，并且让它们都执行 worker 函数。在 worker 函数中，我们打印了当前进程的 ID。

需要注意的是，在多进程环境下，每个进程都有自己的内存空间，因此进程之间无法直接共享变量。如果需要在多进程之间传递数据，可以使用 multiprocessing 模块提供的 Queue、Pipe 等数据结构。