Python中并发方面的差异
人们可能会想象Python才刚刚引入这些概念或能力，因为随着Python 3的发布，我们听到了很多关于异步操作和并发的新趋势。
许多新手可能认为使用asyncio 是执行并发和异步活动的唯一实用方法。本文将讨论我们如何在Python中实现并发及其好处或坏处。
线程和多线程
线程在Python中已经存在很长时间了。因此，由于线程的存在，我们可以同时执行多个操作。
不幸的是，CPython ，一个典型的Python主线版本，仍然使用全局解释器锁 (GIL)，这使得多线程应用–现今常见的实现并行处理的方法–不是很理想。
Python引入了GIL ，以使CPython的内存处理更易于管理与C的集成（例如，扩展）。
GIL 是一种锁定机制，即Python解释器只能同时运行一个线程。Python的byte 代码永远只能由一个线程同时执行。
示例代码：
import threading
import time
import random
def worker(num):
sec = random.randrange(1, 5)
time.sleep(sec)
print("I am thread {}, who slept for {} seconds.".format(num, sec))
for i in range(3):
t = threading.Thread(target=worker, args=(i,))
t.start()
print("Completed!")
输出：
Completed!
I am thread 1, who slept for 3 seconds.
I am thread 3, who slept for 2 seconds.
I am thread 4, who slept for 4 seconds.
进程和多进程
多进程利用了许多CPU。我们可以有效地同时进行几个任务，因为每个CPU都是并行运行的。对于那些受CPU约束的工作，多处理是你想使用的。
Python引入了multiprocessing 模块来实现并行化，如果你使用过线程，会感觉非常相似。
示例代码：
import multiprocessing
import time
import random
def worker(num):
sec = random.randrange(1, 5)
time.sleep(sec)
print("I am process {}, who slept for {} seconds.".format(num, sec))
for i in range(3):
t = multiprocessing.Process(target=worker, args=(i,))
t.start()
print("Completed")
输出：
Completed
I am process 1, who slept for 1 seconds.
I am process 2, who slept for 2 seconds.
I am process 0, who slept for 3 seconds.
与其说是多线程，不如说是在你的CPU的不同核心上运行多个进程，这使我们的Python脚本更快。
异步和asyncio
在同步操作中，任务是同步进行的，一个接一个。然而，在异步操作中，任务的开始可能完全是相互独立的。
一个async 任务可能开始并继续运行，而执行则切换到另一个活动。另一方面，异步任务经常在后台执行，不会阻塞（让执行者等待完成）。
除了其他有价值的功能外，asyncio 还提供了一个事件循环。事件循环监控各种I/O事件，切换到准备好的任务，并暂停等待I/O的任务。
因此，我们不会将时间浪费在未完成的项目上。
示例代码：
import asyncio
import datetime
import random
async def my_sleep_func():
await asyncio.sleep(random.randint(0, 5))
async def displayDate(num, loop):
endTime = loop.time() + 60.0
while True:
print("Loop: {} Time: {}".format(num, datetime.datetime.now()))
if (loop.time() + 1.0) >= endTime:
break
await my_sleep_func()
loop = asyncio.get_event_loop()
asyncio.ensure_future(displayDate(1, loop))
asyncio.ensure_future(displayDate(2, loop))
loop.run_forever()
如果我们走过上面的代码片断：
- 我们有一个
async函数displayDate，它接受一个数字和事件循环作为参数。 - 上述函数有一个无限循环，60秒后停止。但在这60秒内，它重复地打印出时间并打盹。
-
await函数可以等待其他async函数完成。 - 我们将该函数传递给事件循环（使用
ensure_future函数）。 - 我们开始运行事件循环。
每当调用await ，asyncio 明白该函数可能需要一些时间。当asyncio 注意到停止的函数的I/O已经准备好了，它就恢复进程。
现在，问题是，在这三种形式的并发中，我们需要使用什么？我们可以注意到以下几点来帮助我们决策：
- 对CPU绑定的操作使用多处理。
- 对I/O Bound、快速I/O和有限的连接数使用多线程。
- 对于I/O绑定、慢速I/O和许多连接，使用异步IO。
-
asyncio/await在Python 3.5和更高版本上工作。
我们也可以参考下面的伪代码：
if io_bound:
if io_very_slow:
print("Use asyncio")
else:
print("Use multithreading")
else:
print("multiprocessing")
