Python 并发基础

Python 是一门广泛使用的编程语言，其简洁的语法和强大的库支持了许多不同类型的开发。在多任务处理和系统资源优化方面，并发编程是非常关键的一环。本文将简要介绍 Python 中的一些并发基础。

并发与并行的区别

在讨论 Python 并发之前，我们需要明确“并发”和“并行”这两个概念。

并发（Concurrency）：指的是在单个处理器上，通过时间上的交错执行多个任务，使得用户感觉到多个任务似乎同时在执行。
并行（Parallelism）：指的是在多个处理器上同时执行多个任务。

在多核处理器和分布式系统日益普及的今天，并行通常比并发更具有实际意义。

Python 并发模型

Python 提供了多种并发模型，以下是一些常见的：

GIL（Global Interpreter Lock）

Python 的 GIL 是一个全局解释器锁，它确保在任何时刻只有一个线程执行 Python 代码。这使得在多核处理器上实现真正的并行变得困难，但 GIL 也有助于简化内存管理的复杂性。

多线程

Python 的 threading 模块允许创建和管理线程。尽管 GIL 的存在限制了线程的并行执行，但线程仍然可以用于执行 I/O 密集型任务，例如网络请求或文件读写。

import threading

def print_numbers():
    for i in range(1, 6):
        print(i)

t = threading.Thread(target=print_numbers)
t.start()
t.join()

多进程

multiprocessing 模块允许创建多个进程，每个进程都有自己的 Python 解释器和内存空间，因此可以绕过 GIL 的限制。

from multiprocessing import Process

def print_numbers():
    for i in range(1, 6):
        print(i)

p = Process(target=print_numbers)
p.start()
p.join()

异步编程

Python 中的 asyncio 模块提供了一个基于协程的异步编程框架。协程可以在单个线程中高效地处理多个任务，非常适合 I/O 密集型操作。

import asyncio

async def print_numbers():
    for i in range(1, 6):
        print(i)

async def main():
    await print_numbers()

asyncio.run(main())

扩展阅读

更多关于 Python 并发的知识，您可以参考以下链接：

希望这篇文章能帮助您更好地理解 Python 中的并发编程。😊