沙雕系列——进程、线程、并发、并行(一)

作为小白的我，总是被多进程和多线程弄晕，当然，很多面试官也很喜欢问此类问题，针对这个问题，特意制作这个沙雕漫画来帮助小白的理解，同时加深对进程和线程的印象。

看完了以上的漫画，想必大家对进程线程有了一定的了解，那么接下来，我就举一个生活中常见的例子，来帮助小白的理解。
1.单核cpu

假设只有一个线程，来看看要用多久。

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Author  : xueli
# @Software: win10 Tensorflow1.13.1 python3.6.3
import time
import datetime


def func1(work):
    print('%s,我现在要——>%s' %(datetime.datetime.now(),work))
    time.sleep(4)

def func2(work):
    print('%s,我现在要——>%s' %(datetime.datetime.now(),work))
    time.sleep(3)

def func3(work):
    print('%s,我现在要——>%s' %(datetime.datetime.now(),work))
    time.sleep(4)

def func4(work):
    print('%s,我现在要——>%s' %(datetime.datetime.now(),work))
    time.sleep(1)

if __name__ == '__main__':
    start = time.time()
    func1(u'煮饭')
    func2(u'炒菜')
    func3(u'洗衣服')
    func4(u'拖地')
    print("总时:" ,time.time() - start)

运行结果：

PS：单核单线程是为了帮助大家理解与记忆，现如今几乎没有单核CPU了吧。那么问题来了，什么是并发运行？什么是并行运行呢？

一张图解释一下什么是并发运行。

并发指的是应用能够交替执行不同的任务,并发的关键是你有处理多个任务的能力，不一定要同时进行，并发有点类似于多线程的原理,多线程并非是同时执行多个任务。如果你开多个线程执行，其实是计算机的操作系统通过时间片轮转法等算法调度执行任务，是在以我们无法感觉到的速度，在切换不同的任务程序。让我们误以为是"同时执行效果",但其实并不是这样的。并发类似于两个人交替使用一个一台电脑工作，轮流执行。

一张图解释一下什么是并行运行。

并行指应用能够同时执行不同的任务,并行的关键是你有同时处理多个任务的能力。并行类似于两个人使用两台电脑，同时进行工作。
并行和并发的区别点就在于，一个是交替执行，一个是同时执行。最关键的点在于，是否是“同时”。

接下来引入多线程：

import threading
import time
import datetime
import os

def func1(work):
    print('当前进程: {}'.format(os.getpid()))
    print('%s,我现在要——>%s' %(datetime.datetime.now(),work))
    time.sleep(4)
    print('%s,我已经完成了——>%s' % (datetime.datetime.now(), work))

def func2(work):
    print('当前进程: {}'.format(os.getpid()))
    print('%s,我现在要——>%s' %(datetime.datetime.now(),work))
    time.sleep(3)
    print('%s,我已经完成了——>%s' % (datetime.datetime.now(), work))

def func3(work):
    print('当前进程: {}'.format(os.getpid()))
    print('%s,我现在要——>%s' %(datetime.datetime.now(),work))
    time.sleep(4)
    print('%s,我已经完成了——>%s' % (datetime.datetime.now(), work))

def func4(work):
    print('当前进程: {}'.format(os.getpid()))
    print('%s,我现在要——>%s' %(datetime.datetime.now(),work))
    time.sleep(1)
    print('%s,我已经完成了——>%s' % (datetime.datetime.now(), work))


if __name__ == '__main__':
    print('当前主进程: {}'.format(os.getpid()))
    start = time.time()
    threads = []
    t1 = threading.Thread(target=func1, args=(u'煮饭',))
    threads.append(t1)
    t2 = threading.Thread(target=func2, args=(u'炒菜',))
    threads.append(t2)
    t3 = threading.Thread(target=func3, args=(u'洗衣服',))
    threads.append(t3)
    t4 = threading.Thread(target=func4, args=(u'拖地',))
    threads.append(t4)
    for t in threads:
        t.start()
    for t in threads:
        t.join()
    print("共计用时{}秒".format((time.time()-start)))

运行结果：

这里博主举的多线程案例其实是并行运算啦。

2.多核CPU（以4核为例）

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Time    : 2020/4/24 14:15
# @Author  : xueli
# @File    : process.py
# @Software: win10 Tensorflow1.13.1 python3.6.3

import time
import datetime
import os
from multiprocessing import Process

def func1(work):
    print('当前进程: {}'.format(os.getpid()))
    print('%s,我现在要——>%s' %(datetime.datetime.now(),work))
    time.sleep(4)
    print('%s,我已经完成了——>%s' % (datetime.datetime.now(), work))

def func2(work):
    print('当前进程: {}'.format(os.getpid()))
    print('%s,我现在要——>%s' %(datetime.datetime.now(),work))
    time.sleep(3)
    print('%s,我已经完成了——>%s' % (datetime.datetime.now(), work))

def func3(work):
    print('当前进程: {}'.format(os.getpid()))
    print('%s,我现在要——>%s' %(datetime.datetime.now(),work))
    time.sleep(4)
    print('%s,我已经完成了——>%s' % (datetime.datetime.now(), work))

def func4(work):
    print('当前进程: {}'.format(os.getpid()))
    print('%s,我现在要——>%s' %(datetime.datetime.now(),work))
    time.sleep(1)
    print('%s,我已经完成了——>%s' % (datetime.datetime.now(), work))


if __name__ == '__main__':
    print('当前主进程: {}'.format(os.getpid()))
    start = time.time()
    process = []
    p1 = Process(target=func1, args=(u'煮饭',))
    process.append(p1)
    p2 = Process(target=func2, args=(u'炒菜',))
    process.append(p2)
    p3 = Process(target=func3, args=(u'洗衣服',))
    process.append(p3)
    p4 = Process(target=func4, args=(u'拖地',))
    process.append(p4)
    for p in process:
        p.start()
    for p in process:
        p.join()
    print("共计用时{}秒".format((time.time()-start)))

运行结果：

这里创建了4个进程。由此可知，在这项工作中，单线程16秒，多线程4秒，多进程5.7秒。注意：进程与进程的切换要耗资源，所以平时工作中进程数不能开太大，进程数取决于CPU的核数。

持续更新~
如有问题，欢迎大佬给予批评指点。

标签：__,work,datetime,并发,线程,time,print,now,沙雕
来源： https://blog.csdn.net/zcs_xueli/article/details/105728342