編程學習網 > 編程語言 > Python > Python教程:Python并發編程的12個實用技巧!
2024
05-22

Python教程:Python并發編程的12個實用技巧!

今天我們要一起探索的是Python中的并發編程,這可是提升程序速度的魔法鑰匙哦!別擔心,即使你是新手,我也會讓你一步步成為并發小能手。


1. 遇見threading,多線程初體驗
想象一下,你在咖啡館同時處理郵件、聊天和寫代碼,這就是多線程的日常。在Python里,threading模塊是你的得力助手。

import threading
import time

def say_hello(name):
    print(f"Hello, {name}!")
    time.sleep(2)  # 模擬耗時操作

# 創建線程
thread1 = threading.Thread(target=say_hello, args=("World",))
thread2 = threading.Thread(target=say_hello, args=("Python",))

# 啟動線程
thread1.start()
thread2.start()

# 等待所有線程完成
thread1.join()
thread2.join()

print("All tasks done.")
這段代碼創建了兩個線程,分別打印不同的問候語,然后等待它們完成。記住join(),它是等待線程的守護者。

2. 并發陷阱:全局解釋器鎖GIL
哎呀,提到多線程,不得不提Python的“獨特”設計——GIL。它就像個小警察,讓CPU核心輪流執行Python字節碼,這意味著多線程在CPU密集型任務中并不總是更快。別灰心,對于I/O密集型任務,多線程還是很香的!

3. multiprocessing:繞過GIL,火力全開
如果想真正利用多核CPU,multiprocessing模塊是你的不二之選。它為每個進程創建獨立的Python解釋器,繞過GIL。

from multiprocessing import Process

def worker(num):
    print(f'Worker: {num}')
    time.sleep(2)

if __name__ == '__main__':
    processes = []
    for i in range(4):
        p = Process(target=worker, args=(i,))
        processes.append(p)
        p.start()
每個Process都是一個獨立的小世界,它們并行運行,不受GIL限制。

4. 并行不是萬能藥
并發或并行雖然快,但也會帶來復雜性,比如數據同步問題。記得使用鎖(Lock)來避免資源沖突,就像在廚房里只有一個微波爐,大家輪流用。

from threading import Lock

lock = Lock()

def safe_print(number):
    with lock:
        print(f'Safe print: {number}')

safe_print(1)
safe_print(2)
使用with語句自動管理鎖,安全又方便。

5. 隊列的智慧:queue.Queue
想象一個工廠的流水線,隊列(Queue)就是那個協調者。在多線程/進程間傳遞數據,非它莫屬。

from queue import Queue
from threading import Thread

def producer(queue):
    queue.put('Product')

def consumer(queue):
    print(queue.get())

q = Queue()
producer_thread = Thread(target=producer, args=(q,))
consumer_thread = Thread(target=consumer, args=(q,))

producer_thread.start()
consumer_thread.start()

producer_thread.join()
consumer_thread.join()
隊列保證了數據的安全傳遞,避免了混亂。

6. 美妙的異步:asyncio
等不及了?asyncio帶你進入異步編程的世界,用async/await關鍵字,就像給你的代碼加了翅膀。

import asyncio

async def hello(i):
    print(f'Hello {i}')
    await asyncio.sleep(1)  # 異步等待

async def main():
    tasks = [hello(i) for i in range(3)]
    await asyncio.gather(*tasks)

# Python 3.7+
asyncio.run(main())
異步等待,讓程序在等待時去做其他事,效率杠杠的。

7. 異步編程的誤區:不是所有操作都能異步
雖然asyncio很強大,但并非所有函數都可以異步化,比如那些直接操作硬件的低級API。選擇合適的方法,別硬塞。

8. concurrent.futures:未來的便捷通道
想要簡單地并發執行任務,不論同步還是異步,concurrent.futures是你的良師益友。

from concurrent.futures import ThreadPoolExecutor

def worker(n):
    return n * n

with ThreadPoolExecutor() as executor:
    results = executor.map(worker, range(5))
    print(list(results))  # 輸出平方數
用ThreadPoolExecutor輕松管理線程池,執行任務就像點菜一樣簡單。

9. 錯誤處理的藝術:優雅捕獲異常
并發中錯誤處理很重要,使用try-except來保護你的代碼,確保一個任務的失敗不會影響到整個程序。

try:
    # 可能會出錯的并發代碼
except Exception as e:
    print(f'Caught an exception: {e}')
保持冷靜,優雅處理,你的程序更健壯。

10. 資源管理:上下文管理器與with
with語句不僅僅是為了代碼簡潔,它還能確保資源(如文件、鎖)的正確釋放,避免并發中的資源泄露。

with Lock():
    # 在這里安全地操作共享資源
自動的開始與結束,像一位細心的管家。

11. 性能監控:看穿并發的幕后
使用timeit, cProfile等工具來監控你的并發程序,了解哪些部分慢如蝸牛,哪些是速度惡魔,優化從了解開始。

12. 實戰演練:并發下載圖片
最后,讓我們實戰一把,用多線程下載圖片,感受并發的魅力。

import os
import requests
from threading import Thread

def download_image(url, filename):
    response = requests.get(url)
    with open(filename, 'wb') as f:
        f.write(response.content)
    print(f'{filename} downloaded.')

urls = ['img_url1', 'img_url1']  # 假設的URL
threads = []

for url in urls:
    t = Thread(target=download_image, args=(url, os.path.basename(url)))
    threads.append(t)
    t.start()

for t in threads:
    t.join()

print('All images downloaded.')
通過并發下載,我們可以顯著加快下載速度!

到這里,我們已經解鎖了Python并發編程的12個實用技巧,是不是感覺自己的編程技能又上了一個新臺階?實踐是檢驗真理的唯一標準,趕緊動手試試,讓你的程序跑得飛起來吧!

以上就是Python教程:Python并發編程的12個實用技巧!的詳細內容,想要了解更多Python教程歡迎持續關注編程學習網。

掃碼二維碼 獲取免費視頻學習資料

Python編程學習

查 看2022高級編程視頻教程免費獲取