python使用多进程或者多线程

使用python做计算的时候，为了加快速率，可以启用多进程或者多线程。那几时使用多进程或者多线程呢
如果是io型，使用多线程，如果是cpu型，使用多进程。
理论上说，使用多进程是效率最大的，而且io型也可以使用，但是会使用更多资源，所以有时候在没必要使用多进程时，就用多线程。在io型的时候，由于主要用于等待，使用多进程就没必要了。
我用的是多进程multipleprocess。记住一个小点，使用多进程容易cpu飙升到90+，影响其他应用的使用，可适当的sleep。

Python Multithreading Tutorial: Concurrency and Parallelism

简要翻译上面文章。我当时是参考这篇的。

经常谈论说很难使用Python的多线程工作，指责所谓的全局解释器锁（GIL），他可以防止多个线程同时运行Python代码。因此，线程模块的使用不像我们使用C或java那样。必须明确的一点是，人们仍然可以用Python编写代码使其运行或并行，来大大提升效率，只要某些细节做好。

在Python并发的教程，我们要写一个python脚本来自Imgur下载最流行的图像。我们将开始一个版本，下载图片按照顺序，或只下载一次。作为先决条件，你必须登记在有一个应用程序

本教程中的脚本用Python 3.4.2（笔者也是用这个版本）

开始使用多线程Python

让我们开始创建一个Python模块，命名为“下载。py。该文件将包含所有必要的功能来获取图像列表和下载。我们将这些功能分成三个独立的功能：

1. get_links
2. download_link
3. 下载安装程序目录

import jsonimport loggingimport osfrom pathlib import Pathfrom urllib.request import urlopen, Requestlogger = logging.getLogger(__name__)def get_links(client_id):   headers = {'Authorization': 'Client-ID {}'.format(client_id)}   req = Request('https://api.imgur.com/3/gallery/', headers=headers, method='GET')   with urlopen(req) as resp:       data = json.loads(resp.readall().decode('utf-8'))   return map(lambda item: item['link'], data['data'])def download_link(directory, link):   logger.info('Downloading %s', link)   download_path = directory / os.path.basename(link)   with urlopen(link) as image, download_path.open('wb') as f:       f.write(image.readall())def setup_download_dir():   download_dir = Path('images')   if not download_dir.exists():       download_dir.mkdir()   return download_dir

接下来，我们需要写一个模块，可以使用这些功能来下载图像，一个一个的。我们将这名“single.py”。这将包含我们的第一个主要功能，图像下载。该模块将通过环境变量“imgur_client_id”获取clientId。它将调用“setup_download_dir”创建目标目录的下载。最后，它会获取列表中使用get_links函数图像，过滤掉所有的GIF和专辑的网址，然后使用“download_link”下载并保存这些图像到磁盘。这里是“single.py”

import loggingimport osfrom time import timefrom download import setup_download_dir, get_links, download_linklogging.basicConfig(level=logging.DEBUG, format='%(asctime)s - %(name)s - %(levelname)s - %(message)s')logging.getLogger('requests').setLevel(logging.CRITICAL)logger = logging.getLogger(__name__)def main():   ts = time()   client_id = os.getenv('IMGUR_CLIENT_ID')   if not client_id:       raise Exception("Couldn't find IMGUR_CLIENT_ID environment variable!")   download_dir = setup_download_dir()   links = [l for l in get_links(client_id) if l.endswith('.jpg')]   for link in links:       download_link(download_dir, link)   print('Took {}s'.format(time() - ts))if __name__ == '__main__':   main()

下面通过并发，我们可以节省很多时间。

使用多线程

Threading是最通用的方法。线程更轻量。线程比进程，他共享相同的内存空间。
我们将写一个新的模块来代替“single.py”。该模块将创建一个线程池8，一共有9个线程，包括主线程。我选择了8个工作线程，因为我的电脑有8个CPU核心，每个核心一个工作者线程似乎是一个好的号码，立刻运行多线程。在实践中，这一数字更仔细的选择，要考虑其他因素，因为还有其他应用程序和服务运行在同一台机器。

from queue import Queuefrom threading import Threadclass DownloadWorker(Thread):   def __init__(self, queue):       Thread.__init__(self)       self.queue = queue   def run(self):       while True:           # Get the work from the queue and expand the tuple           directory, link = self.queue.get()           download_link(directory, link)           self.queue.task_done()def main():   ts = time()   client_id = os.getenv('IMGUR_CLIENT_ID')   if not client_id:       raise Exception("Couldn't find IMGUR_CLIENT_ID environment variable!")   download_dir = setup_download_dir()   links = [l for l in get_links(client_id) if l.endswith('.jpg')]   # Create a queue to communicate with the worker threads   queue = Queue()   # Create 8 worker threads   for x in range(8):       worker = DownloadWorker(queue)       # Setting daemon to True will let the main thread exit even though the workers are blocking       worker.daemon = True       worker.start()   # Put the tasks into the queue as a tuple   for link in links:       logger.info('Queueing {}'.format(link))       queue.put((download_dir, link))   # Causes the main thread to wait for the queue to finish processing all the tasks   queue.join()   print('Took {}'.format(time() - ts))

运行这个脚本在同一台机器耗时4.1s，比上面的结果快4.7倍。虽然这是更快，更值得一提的是，只有一个线程在执行一次在整个过程中，由于gil。因此，本代码是concurrent but not parallel(“并行但不并发”，我不知道这样翻译是否合适)。原因是更快是因为这是一个IO绑定的任务。该处理器同时下载这些图像，实际上大部分的时间花在等待网络。这就是为什么线程可以提供一个大的速度增加。该处理器可以切换线程，其中一个是准备做一些工作。使用线程模块Python或任何其他解释语言，只要有GIL，实际上可以导致性能降低。如果你的代码执行的是CPU绑定的任务，如解压缩gzip文件，使用线程模块会导致较慢的执行时间。而对于CPU绑定的任务和真正的并行执行，我们可以使用多处理模块。

Multiple Processe

多进程更容易操作。

使用多个进程创建一个pool。随着map的方法提供，我们把urllist传进到pool中的，这将产生8个新进程，并行下载。这是真正的并行性，但这是有代价的。每个子进程都使用着该script所创建的资源。在这个简单的例子，它不是一个大问题，但它很容易成为严重的开销。(其实相当于你跑了多个script的实例，每个实例都拥有自己的内存，译者自己使用的时候，cpu经常飙升，所以要注意优化和sleep)

from functools import partialfrom multiprocessing.pool import Pooldef main():   ts = time()   client_id = os.getenv('IMGUR_CLIENT_ID')   if not client_id:       raise Exception("Couldn't find IMGUR_CLIENT_ID environment variable!")   download_dir = setup_download_dir()   links = [l for l in get_links(client_id) if l.endswith('.jpg')]   download = partial(download_link, download_dir)   with Pool(8) as p:       p.map(download, links)   print('Took {}s'.format(time() - ts))

Distributing to Multiple Workers

当线程和多处理模块是cool的，但是只能在同一台机器，如果是分布式呢？如果你有长时间运行的任务，你不想在同一台机器用太多线程或者进程，这会降低应用程序的性能。
这便是Python库RQ，一个非常简单但功能强大的lib。把参数传进去。添加到redis列表入队的工作是第一步，但不会做任何事情。我们还需要至少一个worker监听作业队列。
第一步是安装和运行在你的计算机一个redis服务器，或访问一个运行redis服务器。在那之后，只有一些小的变化，对现有的代码。我们首先创建一个RQ队列实例，并把它传给redis server。然后嗲用我们称之为“q.enqueue（download_link，download_dir，link）”。Enqueue方法接受一个函数作为第一个参数，然后任何其他参数或关键字参数是传递给该函数的。
最后一步我们需要做的就是启动一些工人。rq提供了一个方便的脚本在默认的队列运行。运行“rqworker”在一个终端窗口就将开始一个工人listen的默认队列。请确保您的当前工作目录是脚本存放的目录。如果你想要听一个不同的队列，您可以运行“rqworker queue_name”它会听那个队列。关于RQ还有很方便，只要你能够连接使用redis，您可以在多台机器运行，来进行监听处理。因此，它是扩大规模好工具。这里是RQ版本源码：

from redis import Redisfrom rq import Queuedef main():   client_id = os.getenv('IMGUR_CLIENT_ID')   if not client_id:       raise Exception("Couldn't find IMGUR_CLIENT_ID environment variable!")   download_dir = setup_download_dir()   links = [l for l in get_links(client_id) if l.endswith('.jpg')]   q = Queue(connection=Redis(host='localhost', port=6379))   for link in links:       q.enqueue(download_link, download_dir, link)

总结

如果你的代码是IO绑定，多线程和多线程Python都可以。多进程比较容易，但具有更高的内存开销。如果你的代码被CPU绑定的，多进程会是更好的选择，尤其是如果目标机有多核CPU。对于Web应用程序，当你需要工作在多台机器上，RQ更好。