關(guān)于什么是并發(fā)模型，我在這里引用 Go 語言聯(lián)合創(chuàng)造者 Rob Pike 的一段話：

并發(fā)是指一次處理多件事。并行是指一次做多件事。二者不同，但是有聯(lián)系。一個關(guān)于結(jié)構(gòu)，一個關(guān)于執(zhí)行。并發(fā)用于制定方案，用來解決可能（但未必）并行的問題。

在不涉及并發(fā)概念的情況下，一個單進程單線程的程序執(zhí)行情況可能是這樣的：調(diào)用一個函數(shù)，發(fā)出調(diào)用的代碼開始等待函數(shù)執(zhí)行完成，直到函數(shù)返回結(jié)果，如果函數(shù)拋出異常，則可以把調(diào)用函數(shù)的代碼放到 try/except 語句塊中，來捕獲和處理異常。

但是，當(dāng)涉及到并發(fā)時，情況就沒這么簡單了。在啟用多線程（或多進程）后，你無法在一個線程（或進程）中知道另一個線程（或進程）被調(diào)用的函數(shù)何時執(zhí)行完成，也無法輕松得知函數(shù)調(diào)用結(jié)果或捕獲異常。只能采用某種通知的方式，來進行線程（或進程）間通信，這可能是一個信號，也可能是一個消息隊列等。

本文主要講解如何讓 Python 能夠同時處理多個任務(wù)，即如何使用并發(fā)模型編程。

目標(biāo)

我們將要實現(xiàn)一個旋轉(zhuǎn)指針程序，啟動一個程序，阻塞 3 秒鐘（模擬耗時任務(wù)），在這期間，終端展示字符動畫，讓用戶知道程序仍在執(zhí)行，并沒有停止，3 秒后程序打印耗時任務(wù)的計算結(jié)果并退出。

實現(xiàn)好的程序效果如下：

這有點像下載進度條，因為打印旋轉(zhuǎn)指針和耗時任務(wù)是“同時”進行的，這種場景只能通過并發(fā)模型來實現(xiàn)。

我們將分別使用多線程、多進程以及協(xié)程來實現(xiàn)這個程序，以此來演示 Python 的的并發(fā)模型用法。

多線程版

第一版旋轉(zhuǎn)指針程序使用 Python 多線程來編寫，首先，我們需要定義兩個函數(shù) spin、slow 分別用來實現(xiàn)旋轉(zhuǎn)指針和模擬耗時任務(wù)（比如從網(wǎng)上下載一個文件）。

import itertools
import time
from threading import Thread, Event
def spin(msg: str, done: Event) -> None:
    for char in itertools.cycle(r'\|/-'):
        status = f'\r{char} {msg}'
        print(status, end='', flush=True)
        if done.wait(0.1):
            break
    blanks = ' ' * len(status)
    print(f'\r{blanks}\r', end='')
def slow() -> int:
    time.sleep(3)
    return 42

threading 模塊提供多線程支持，Thread 實例用來管理一個新的線程，Event 可以用來進行線程間通信。

spin 函數(shù)將作為一個任務(wù)在單獨的線程中執(zhí)行，它接收兩個參數(shù) msg、done，傳遞進來的 msg 將會跟隨旋轉(zhuǎn)指針一起被打印，done 參數(shù)類型為 threading.Event，用來實現(xiàn)多個線程間的通信，以此來同步任務(wù)狀態(tài)。

itertools.cycle(r'\|/-') 是一個無限迭代器，一次產(chǎn)出一個字符，不停的迭代。比如用 for 遍歷 itertools.cycle('123')，將得到無限迭代的數(shù)據(jù) 123123123...。這里 \|/- 字符不停迭代并被打印，就會產(chǎn)生旋轉(zhuǎn)指針的效果。

打印的 status 字符串第一個字符為 \r，可以實現(xiàn)將光標(biāo)移動到行首，這是一個使用文本在控制臺實現(xiàn)動畫的小技巧。

接下來的 done.wait(0.1) 是這個函數(shù)的關(guān)鍵代碼，它是主線程與執(zhí)行當(dāng)前函數(shù)的子線程之間通信的橋梁。done.wait 方法簽名為 Event.wait(self, timeout=None)，該方法等待 timeout 指定的時間后返回 False，我們在這里指定為 0.1 秒。如果在其他線程中使用 Event.set() 設(shè)置了這個事件，則當(dāng)前線程該方法將立即返回 True，此時 for 循環(huán)就會被 break 掉。

spin 函數(shù)在退出前，還會打印幾個空格來實現(xiàn)清空當(dāng)前行打印內(nèi)容的效果，并且最終還將光標(biāo)移動到行首。

slow 函數(shù)使用 time.sleep(3) 暫停 3 秒，模擬耗時操作，這個函數(shù)將像我們往常編寫的單線程代碼一樣在主線程中執(zhí)行。

接下來我們要編寫多線程代碼來分別調(diào)用 spin 和 slow 兩個函數(shù)，完成這個旋轉(zhuǎn)指針程序。

def supervisor() -> int:
    done = Event()
    spinner = Thread(target=spin, args=('thinking!', done))
    print(f'spinner object: {spinner}')
    spinner.start()
    result = slow()
    done.set()
    spinner.join()
    return result
def main() -> None:
    result = supervisor()
    print(f'Answer: {result}')
if __name__ == '__main__':
    main()

supervisor 函數(shù)中，首先實例化了一個 Event 對象，用于多線程通信。

接著，又實例化了一個 Thread 對象，用來管理子線程，target 參數(shù)接收一個函數(shù) spin，這個函數(shù)將在一個獨立的子線程中執(zhí)行，args 參數(shù)接收一個元組，在子線程中調(diào)用 spin 函數(shù)時，元組的各個參數(shù)將被原樣傳遞給 spin 函數(shù)。

Thread 對象必須要顯式的調(diào)用 start 方法才能啟動，所以代碼執(zhí)行到 spinner.start() 時，子線程才會真正開始執(zhí)行。子線程只會執(zhí)行 spin 函數(shù)，至于下方的代碼與子線程無關(guān)，都是主線程要執(zhí)行的代碼。

子線程的執(zhí)行對主線程執(zhí)行不會產(chǎn)生影響，主線程代碼會繼續(xù)往下運行，主線程調(diào)用 slow() 時會被耗時任務(wù)所阻塞。此時，子線程內(nèi)部代碼執(zhí)行不受影響，所以子線程會不停的打印旋轉(zhuǎn)指針。

等待 3 秒結(jié)束后，主線程中 slow() 函數(shù)返回結(jié)果，主線程調(diào)用 done.set() 將 Event 對象設(shè)置為 True。此時，子線程 spin 函數(shù)內(nèi)部 done.wait(0.1) 會立即返回 True，隨即 for循環(huán)終止，spin 執(zhí)行完成后子線程也就退出了。

主線程不受子線程退出影響，會接著往下執(zhí)行，調(diào)用 spinner.join() 是為了等待子線程結(jié)束，主線程會阻塞在這里，保證子線程結(jié)束后才會往下執(zhí)行。顯然，子線程在執(zhí)行完 spin 函數(shù)就結(jié)束了，所以主線程代碼會繼續(xù)往下執(zhí)行。

supervisor 函數(shù)最終返回 slow 方法的返回值 result。

入口函數(shù) main 打印 result 值后，主線程也退出了，程序終止。

以上，就是多線程版旋轉(zhuǎn)指針程序的全部邏輯了。

我們來測試下這個程序執(zhí)行效果：

多線程對象 spinner 輸出結(jié)果為 <Thread(Thread-1, initial)>，其中 Thread-1 是線程名稱，initial 是線程狀態(tài)，表示當(dāng)前線程剛初始化完成，尚未啟動。

多進程版

Python 提供了 multiprocessing 來支持多進程，這個模塊的 API 基本模仿了多線程的 threading 模塊，所以有了前文的基礎(chǔ)，多進程代碼也非常容易看懂。

同多線程一樣，multiprocessing 包也為多進程通信提供了 Event 對象。不同的是，threading.Event 是一個類，multiprocessing.Event 是一個函數(shù)，它返回一個 synchronize.Event 類實例。所以 spin 函數(shù)簽名需要進行如下修改：

from multiprocessing import Process, Event
from multiprocessing import synchronize
def spin(msg: str, done: synchronize.Event) -> None:
    ...

spin 函數(shù)內(nèi)部代碼無需調(diào)整，只需要修改參數(shù) done 的類型注解即可。所以不難發(fā)現(xiàn) synchronize.Event 同樣支持 Event.wait(self, timeout=None) 方法。

多進程版本的 supervisor 函數(shù)也要稍作修改：

def supervisor() -> int:
    done = Event()
    spinner = Process(target=spin, args=('thinking!', done))
    print(f'spinner object: {spinner}')
    spinner.start()
    result = slow()
    done.set()
    spinner.join()
    return result

雖然 multiprocessing.Event 和 threading.Event 類型不同，但二者用法和作用則完全相同。

這里使用 Process 實例化一個進程對象，Process 用法和 Thread 用法同樣如出一轍。

只需要對代碼做少量的改動，我們就將程序從多線程遷移到了多進程。這一點，Python 做的非常友好，掌握了多線程編程，基本上就掌握了多進程編程，我們只需要在適當(dāng)?shù)臅r候，使用不同的模塊即可。

下面是多進程版本旋轉(zhuǎn)指針程序測試效果：

多進程對象 spinner 輸出結(jié)果為 <Process name='Process-1' parent=94367 initial>，進程名稱為 Process-1，parent 代表父進程 ID 為 94367（即主進程 ID），initial 是進程狀態(tài)，表示當(dāng)前進程剛初始化完成，尚未啟動。

協(xié)程版

最后我們將使用協(xié)程實現(xiàn)旋轉(zhuǎn)指針程序，這一版本代碼改動會比較大。

Python 在 3.5 版本提供了 async、await 關(guān)鍵字（可以參考 PEP 492），開始原生支持了協(xié)程，我們不再需要編寫難懂的 yeild from 來使用生成器實現(xiàn)協(xié)程功能了。

Python 協(xié)程通常在單線程的事件循環(huán)中運行。協(xié)程是一個可以掛起自身并在以后恢復(fù)的“函數(shù)”，async 用來定義協(xié)程，一個協(xié)程必須顯式的使用 await 關(guān)鍵字主動讓出控制權(quán)，另一個協(xié)程才有機會在主事件循環(huán)的調(diào)度下并發(fā)的執(zhí)行。

協(xié)程版本旋轉(zhuǎn)指針程序需要對 spin 和 slow 兩個函數(shù)做如下修改：

import asyncio
import itertools
async def spin(msg: str) -> None:
    for char in itertools.cycle(r'\|/-'):
        status = f'\r{char} {msg}'
        print(status, end='', flush=True)
        try:
            await asyncio.sleep(0.1)
        except asyncio.CancelledError:
            break
    blanks = ' ' * len(status)
    print(f'\r{blanks}\r', end='')
async def slow() -> int:
    await asyncio.sleep(3)
    return 42

首先我們使用 async def 將 spin 定義為一個協(xié)程，讓其不再是一個常規(guī)的函數(shù)。

spin 協(xié)程取消了第二個參數(shù)，因為 Python 沒有為協(xié)程提供 Event 對象來進行通信，我們需要采用其他招式。

在原來使用 Event 通信的地方替換成了由 try/except 包裹的 await asyncio.sleep(0.1) 語句塊代碼。這段代碼塊有如下三個作用：

• await asyncio.sleep(0.1) 的作用類似 time.sleep，可以讓程序暫停 0.1 秒。不同的是，使用 await asyncio.sleep 暫停時不阻塞其他協(xié)程。
• 因為這里加入了 await 關(guān)鍵字，代碼執(zhí)行到這里時，當(dāng)前協(xié)程會主動讓出控制權(quán)，不再繼續(xù)往下執(zhí)行，由事件循環(huán)來調(diào)度其他協(xié)程執(zhí)行。
• 如果在控制當(dāng)前協(xié)程的 Task 實例中調(diào)用 cancel 方法（有關(guān) Task 的內(nèi)容稍后會進行講解），await asyncio.sleep(0.1) 會拋出 CancelledError 異常，這里使用 try/except 捕獲異常后退出循環(huán)。這樣，我們就在多個協(xié)程間利用異常機制完成了通信，而不必借助于額外的 Event 對象。

slow 函數(shù)也被改造為一個協(xié)程，其內(nèi)部原來編寫的阻塞代碼 time.sleep(3) 被替換為了 await asyncio.sleep(3)。

可以發(fā)現(xiàn)，其實協(xié)程與普通的函數(shù)在定義上差別不大，只不過多了兩個關(guān)鍵字 async 和 await。但二者在執(zhí)行方式上大有不同，普通函數(shù)在使用 () 運算符調(diào)用時（即 spin()）會立刻執(zhí)行，而協(xié)程在使用 spin() 時只會創(chuàng)建一個協(xié)程對象，不會執(zhí)行。

要執(zhí)行上面兩個協(xié)程對象，我們還要對 supervisor 和 main 函數(shù)進行改造：

async def supervisor() -> int:
    spinner = asyncio.create_task(spin('thinking!'))
    print(f'spinner object: {spinner}')
    result = await slow()
    spinner.cancel()
    return result
def main() -> None:
    result = asyncio.run(supervisor())
    print(f'Answer: {result}')
if __name__ == '__main__':
    main()

supervisor 函數(shù)同樣被修改為協(xié)程，spin('thinking!') 并不會像函數(shù)一樣立即執(zhí)行，只會創(chuàng)建一個協(xié)程對象，將它傳遞給 asyncio.create_task，我們可以得到一個 asyncio.Task 對象，這個 Task 對象包裝了協(xié)程對象并調(diào)度其執(zhí)行，它還提供控制和查詢協(xié)程對象運行狀態(tài)的方法。

使用 await 關(guān)鍵字來調(diào)用 slow 協(xié)程，這將阻塞 supervisor 程序（但會讓出控制權(quán)，使其他協(xié)程得以執(zhí)行），直到 slow 返回，返回結(jié)果賦值給 result 變量。

接著調(diào)用了 spinner.cancel()，Task.cancel 方法調(diào)用后，將立即在 Task 所包裝的協(xié)程對象即 spin 協(xié)程中拋出 CancelledError 異常，spin 中需要使用 try/except 捕獲 await asyncio.sleep(0.1) 拋出的異常，這樣，就實現(xiàn)了不同協(xié)程之間通過異常進行通信。

main 是唯一的普通函數(shù)，沒有被改造為協(xié)程。main 函數(shù)中的 asyncio.run 是整個協(xié)程的啟動入口，asyncio.run 函數(shù)啟動事件循環(huán)，驅(qū)動 supervisor() 協(xié)程運行，最終也將啟動其他協(xié)程。

在以上示例代碼中，我們可以總結(jié)出運行協(xié)程的 3 種方式：

• asyncio.run(coroutine())：在一個常規(guī)函數(shù)中調(diào)用，是協(xié)程啟動入口，將開啟協(xié)程的事件循環(huán)，調(diào)用后保持阻塞，直至拿到 coroutine() 的返回結(jié)果。
• asyncio.create_task(coroutine())：在協(xié)程中調(diào)用，接收另一個協(xié)程對象并調(diào)度其最終執(zhí)行，返回的 Task 對象是對協(xié)程對象的包裝，并且提供控制和查詢協(xié)程對象運行狀態(tài)的方法。
• await coroutine()：在協(xié)程中調(diào)用，await 關(guān)鍵字主動讓出執(zhí)行控制權(quán)，終止當(dāng)前協(xié)程執(zhí)行，直至拿到 coroutine() 的返回結(jié)果。同時這也是一個表達式，返回結(jié)果即為 coroutine() 返回值。

下面是協(xié)程版本旋轉(zhuǎn)指針程序測試效果：

在協(xié)程版本中，spinner 是一個 Task 對象，其字符串表示形式為 <Task pending name='Task-2' coro=<spin() running at /Users/jianghushinian/spin/spinner_async.py:8>>。

根據(jù)以上示例代碼，我們可以總結(jié)出 Python 協(xié)程的最大特點：一處異步，處處異步。在協(xié)程中任何耗時操作都會減慢事件循環(huán)，由于事件循環(huán)是單線程管理的，所以這會影響其他所有協(xié)程。在編寫協(xié)程代碼，要格外小心，不要寫出同步阻塞的代碼。好在如今 Python 已經(jīng)從語法層面原生支持協(xié)程，比使用生成器實現(xiàn)協(xié)程的年代要好多了。

給你留個小作業(yè)：嘗試將 slow 協(xié)程中 await asyncio.sleep(3) 替換成普通的 time.sleep(3) 觀察下效果并思考為什么。

總結(jié)

本文我們分別使用了多線程、多進程以及協(xié)程這三種不同的并發(fā)模型實現(xiàn)了旋轉(zhuǎn)指針程序。三者比較起來，多線程、多進程在語法上差別不大，協(xié)程則大為不同，理解起來也更加困難。

由 supervisor 中打印的 spinner 對象結(jié)果可以看出，線程對象使用 Thread 來表示，進程對象使用 Process 來表示，協(xié)程對象則使用 Task 來表示。協(xié)程的定位是用戶態(tài)線程，相比傳統(tǒng)意義上的線程更加輕量，所以叫作 Task 也合理，代表同一個線程下的不同任務(wù)。

線程和進程無法在外部終止，即主線程和主進程無法終止由子線程或子進程來執(zhí)行的 spin 函數(shù)，只能通過 Event 來進行通信，然后由 spin 函數(shù)內(nèi)部自己終止。協(xié)程則可以通過任務(wù)實例方法 Task.cancel() 進行通信，spin 協(xié)程中捕獲 CancelledError 異常后終止自身代碼。

記住，使用協(xié)程的代碼只有一個執(zhí)行流，就如同單線程代碼，同樣只有一個執(zhí)行流，只不過單線程代碼執(zhí)行流永遠是從上到下，而協(xié)程的執(zhí)行流則由事件循環(huán)來控制。

多線程和多進程模型是搶占式的，由操作系統(tǒng)進行調(diào)度執(zhí)行。用戶通常需要控制的是不要讓多個線程（進程）同時操作同一個數(shù)據(jù)，常使用互斥鎖來解決這一問題。而協(xié)程只有一個控制循環(huán)，協(xié)程的控制權(quán)在我們自己手里，我們決定什么時候切換其他任務(wù)來執(zhí)行。所以在編寫協(xié)程代碼時，要時刻注意不要寫出同步阻塞代碼。

到此這篇關(guān)于詳解Python如何使用并發(fā)模型編程的文章就介紹到這了,更多相關(guān)Python并發(fā)模型內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！