Python 并发编程的 12 个实用技巧
今天我们要一起探索的是Python中的并发编程，这可是提升程序速度的魔法钥匙哦！别担心，即使你是新手，我也会让你一步步成为并发小能手。
1. 遇见threading，多线程初体验
想象一下，你在咖啡馆同时处理邮件、聊天和写代码，这就是多线程的日常。在Python里，threading模块是你的得力助手。
import threading import time def say_hello(name): print(f"Hello, {name}!") time.sleep(2) # 模拟耗时操作 # 创建线程 thread1 = threading.Thread(target=say_hello, args=("World",)) thread2 = threading.Thread(target=say_hello, args=("Python",)) # 启动线程 thread1.start() thread2.start() # 等待所有线程完成 thread1.join() thread2.join() print("All tasks done.")
这段代码创建了两个线程，分别打印不同的问候语，然后等待它们完成。记住join()，它是等待线程的守护者。
2. 并发陷阱：全局解释器锁GIL
哎呀，提到多线程，不得不提Python的“独特”设计——GIL。它就像个小警察，让CPU核心轮流执行Python字节码，这意味着多线程在CPU密集型任务中并不总是更快。别灰心，对于I/O密集型任务，多线程还是很香的！
3. multiprocessing：绕过GIL，火力全开
如果想真正利用多核CPU，multiprocessing模块是你的不二之选。它为每个进程创建独立的Python解释器，绕过GIL。
from multiprocessing import Process def worker(num): print(f'Worker: {num}') time.sleep(2) if __name__ == '__main__': processes = [] for i in range(4): p = Process(target=worker, args=(i,)) processes.append(p) p.start()
每个Process都是一个独立的小世界，它们并行运行，不受GIL限制。
4. 并行不是万能药
并发或并行虽然快，但也会带来复杂性，比如数据同步问题。记得使用锁(Lock)来避免资源冲突，就像在厨房里只有一个微波炉，大家轮流用。
from threading import Lock lock = Lock() def safe_print(number): with lock: print(f'Safe print: {number}') safe_print(1) safe_print(2)
使用with语句自动管理锁，安全又方便。
5. 队列的智慧：queue.Queue
想象一个工厂的流水线，队列(Queue)就是那个协调者。在多线程/进程间传递数据，非它莫属。
from queue import Queue from threading import Thread def producer(queue): queue.put('Product') def consumer(queue): print(queue.get()) q = Queue() producer_thread = Thread(target=producer, args=(q,)) consumer_thread = Thread(target=consumer, args=(q,)) producer_thread.start() consumer_thread.start() producer_thread.join() consumer_thread.join()
队列保证了数据的安全传递，避免了混乱。
6. 美妙的异步：asyncio
等不及了？asyncio带你进入异步编程的世界，用async/await关键字，就像给你的代码加了翅膀。
import asyncio async def hello(i): print(f'Hello {i}') await asyncio.sleep(1) # 异步等待 async def main(): tasks = [hello(i) for i in range(3)] await asyncio.gather(*tasks) # Python 3.7+ asyncio.run(main())
异步等待，让程序在等待时去做其他事，效率杠杠的。
7. 异步编程的误区：不是所有操作都能异步
虽然asyncio很强大，但并非所有函数都可以异步化，比如那些直接操作硬件的低级API。选择合适的方法，别硬塞。
8. concurrent.futures：未来的便捷通道
想要简单地并发执行任务，不论同步还是异步，concurrent.futures是你的良师益友。
from concurrent.futures import ThreadPoolExecutor def worker(n): return n * n with ThreadPoolExecutor() as executor: results = executor.map(worker, range(5)) print(list(results)) # 输出平方数
用ThreadPoolExecutor轻松管理线程池，执行任务就像点菜一样简单。
9. 错误处理的艺术：优雅捕获异常
并发中错误处理很重要，使用try-except来保护你的代码，确保一个任务的失败不会影响到整个程序。
try: # 可能会出错的并发代码 except Exception as e: print(f'Caught an exception: {e}')
保持冷静，优雅处理，你的程序更健壮。
10. 资源管理：上下文管理器与with
with语句不仅仅是为了代码简洁，它还能确保资源（如文件、锁）的正确释放，避免并发中的资源泄露。
with Lock(): # 在这里安全地操作共享资源
自动的开始与结束，像一位细心的管家。
11. 性能监控：看穿并发的幕后
使用timeit, cProfile等工具来监控你的并发程序，了解哪些部分慢如蜗牛，哪些是速度恶魔，优化从了解开始。
12. 实战演练：并发下载图片
最后，让我们实战一把，用多线程下载图片，感受并发的魅力。
import os import requests from threading import Thread def download_image(url, filename): response = requests.get(url) with open(filename, 'wb') as f: f.write(response.content) print(f'{filename} downloaded.') urls = ['img_url1', 'img_url1'] # 假设的URL threads = [] for url in urls: t = Thread(target=download_image, args=(url, os.path.basename(url))) threads.append(t) t.start() for t in threads: t.join() print('All images downloaded.')
通过并发下载，我们可以显著加快下载速度！
到这里，我们已经解锁了Python并发编程的12个实用技巧，是不是感觉自己的编程技能又上了一个新台阶？实践是检验真理的唯一标准，赶紧动手试试，让你的程序跑得飞起来吧！
