之前实现的数据共享的方式只有两种结构Value和Array。Python中提供了强大的Manager专门用来做数据共享的，Manager是进程间数据共享的高级接口。 Manager()返回的manager对象控制了一个server进程，此进程包含的python对象可以被其他的进程通过proxies来访问。从而达到多进程间数据通信且安全。Manager支持的类型有list, dict, Namespace, Lock, RLock, Semaphore, BoundedSemaphore, Condition, Event, Queue, Value和Array。

下面看一个用于多进程共享dict和list数据：

from multiprocessing importManager, Processdefworker(dt, lt):for i in range(10):

dt[i]= i*i #访问共享数据

lt+= [x for x in range(11, 16)]if __name__ == '__main__':

manager=Manager()

dt=manager.dict()

lt=manager.list()

p= Process(target=worker, args=(dt, lt))

p.start()

p.join(timeout=3)print(dt)print(lt)

结果：

{0: 0,1: 1, 2: 4, 3: 9, 4: 16, 5: 25, 6: 36, 7: 49, 8: 64, 9: 81}

[11, 12, 13, 14, 15]

进程池

当使用Process类管理非常多(几十上百个)的进程时，就会显得比较繁琐，Pool可以提供指定数量的进程，供用户调用，当有新的请求提交到pool中时，如果池还没有满，那么就会创建一个新的进程用来执行该请求；但如果池中的进程数已经达到规定最大值，那么该请求就会等待，直到池中有进程结束，才会创建新的进程。

importtimeimportmultiprocessingdeffun(msg):print("#########start#### {0}".format(msg))

time.sleep(3)print("#########end###### {0}".format(msg))if __name__ == '__main__':print("start main")

pool= multiprocessing.Pool(processes=3) #在进程池中创建3个进程

for i in range(1, 7):

msg= "hello {0}".format(i)

pool.apply_async(fun, (msg,))#执行时间6s+

#pool.apply(fun, (msg,)) #执行时间 6*3=18s+

pool.close() #在调用join之前，要先调用close，否则会报错，close执行完不会有新的进程加入到pool

pool.join() #join 是等待所有的子进程结束，必须在close之后调用

print("end main")

结果：

start main

start hello1start hello2start hello3end hello1start hello4end hello2start hello5end hello3start hello6end hello4end hello5end hello6end main6.18000006676 #使用pool.apply_async()所花费时间

18.2129998207 #使用pool.apply()所花费时间

pool.apply_async   非阻塞，定义的进程池最大数的同时执行

pool.apply         一个进程结束，释放回进程池，开始下一个进程

从上面的结果中我们可以看到，使用pool.apply_async所花费的时间较少。

多线程

Python中提供了threading模块来对多线程进行操作，线程是应用程序中工作的最小单元，多线程适用于密集型io。

多线程的实现方式有两种：

方法一：将要执行的方法作为参数传给Thread的构造方法(和多进程类似)

t = threading.Thread(target=action, args=(i,))

方法二：从Thread类继承，并重写run()方法。

方法一示例：

importthreadingdefworker(args):print("开始子进程 {0}".format(args))print("结束子进程 {0}".format(args))if __name__ == '__main__':print("start main")

t1= threading.Thread(target=worker, args=(1,)) #和多进程类似

t2 = threading.Thread(target=worker, args=(2,))

t1.start()

t2.start()print("end main")

结果：

start main

开始子进程1结束子进程1开始子进程2end main

结束子进程2

方法二示例：

importthreadingimporttimeclassHello(threading.Thread):

# 对run()方法进行重写def __init__(self, args):

super(Hello, self).__init__()

self.args=argsdefrun(self):print("开始子进程 {0}".format(self.args))

time.sleep(1)print("结束子进程 {0}".format(self.args))if __name__ == '__main__':

a= 1

print("start main")

t1= Hello(1)

t2= Hello(2)

t1.start()

t2.start()print("end main")

结果：

start main

开始子进程1开始子进程2end main

结束子进程2结束子进程1

线程锁

当多线程争夺锁时，允许第一个获得锁的线程进入临街区，并执行代码。所有之后到达的线程将被阻塞，直到第一个线程执行结束，退出临街区，并释放锁。

需要注意，那些阻塞的线程是没有顺序的。

importtimeimportthreadingdefsub():globalcount

lock.acquire()#上锁，第一个线程如果申请到锁，会在执行公共数据的过程中持续阻塞后续线程

#即后续第二个或其他线程依次来了发现已经被上锁，只能等待第一个线程释放锁

#当第一个线程将锁释放，后续的线程会进行争抢

'''线程的公共数据'''temp=countprint("temp is {0}".format(temp))

time.sleep(0.001)

count=temp+1

print("count is {0}".format(count))'''线程的公共数据'''lock.release()#释放锁

time.sleep(2)

count=0

l=[]

lock=threading.Lock()for i in range(100):

t=threading.Thread(target=sub,args=())

t.start()

l.append(t)for t inl:

t.join()print(count)

结果：100

线程池

采用线程池，花费的时间更少。

语法结构示例：

importthreadpooldefThreadFun(arg1,arg2):pass

defmain():

device_list=[object1,object2,object3......,objectn]#需要处理的设备个数

task_pool=threadpool.ThreadPool(8)#8是线程池中线程的个数

request_list=[]#存放任务列表

#首先构造任务列表

for device indevice_list:

request_list.append(threadpool.makeRequests(ThreadFun,[((device, ), {})]))#将每个任务放到线程池中，等待线程池中线程各自读取任务，然后进行处理，使用了map函数，不了解的可以去了解一下。

map(task_pool.putRequest,request_list)#等待所有任务处理完成，则返回，如果没有处理完，则一直阻塞

task_pool.poll()if __name__=="__main__":

main()

pip install threadpool   # 安装threadpool

from threadpool import *   #导入模块

pool = ThreadPool(size) # 定义一个线程池，最多能创建size个线程

requests = makeRequests() # 调用makeRequests创建了要开启多线程的函数，以及函数相关参数和回调函数，其中回调函数可以不写，default是无，也就是说makeRequests只需要2个参数就可以运行；

[pool.putRequest(req) for req in requests] # 将所有要运行多线程的请求扔进线程池

pool.wait() # 等待所有的线程完成工作后退出。

[pool.putRequest(req) for req in requests]等同于：

for req in requests:

pool.putRequest(req)

例子：

importthreadpooldefhello(m, n, o):print("m = {0} n={1} o={2}".format(m, n, o))if __name__ == '__main__':#方法1

lst_vars_1 = ['1', '2', '3'] #需要处理的线程个数

lst_vars_2 = ['4', '5', '6']

func_var=[(lst_vars_1, None), (lst_vars_2, None)]#方法2

#dict_vars_1 = {'m': '1', 'n': '2', 'o': '3'}

#dict_vars_2 = {'m': '4', 'n': '5', 'o': '6'}

#func_var = [(None, dict_vars_1), (None, dict_vars_2)]

pool= threadpool.ThreadPool(2) #线程池中的线程个数

requests = threadpool.makeRequests(hello, func_var) #创建了要开启多线程的函数，创建需要线程池处理的任务，只需要两个参数

[pool.putRequest(req) for req in requests] #将每个任务放入到线程池中

pool.wait()

结果：

m= 1 n=2 o=3m= 4 n=5 o=6