本文主要是介绍Python多进程、多线程、协程典型示例解析(最新推荐)，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
《Python多进程、多线程、协程典型示例解析(最新推荐)》：本文主要介绍Python多进程、多线程、协程典型示例解析(最新推荐),本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定...
一、multiprocessing（多进程）
1. 模块简介
- 作用：创建多个独立运行的进程（每个进程有独立内存空间）
- 适用场景：数学计算、图像处理等CPU密集型任务
- 核心原理：绕过python的GIL锁，真正利用多核CPU
2. 案例详解：并行计算平方和
import multiprocessing
import time
# 计算平方的任务函数
def calculate_square(number):
total = 0
for n in range(number):
total += n ** 2
print(f"计算结果：{total}")
if __name__ == "__main__": # 必须加这句，否则Windows系统会报错
# 创建4个进程
processes = []
numbers = [10_000_000, 10_000_000, 10_000_000, 10_000_000] # 四个大数
# 记录开始时间
start_time = time.time()
# 创建并启动进程
for num in numbers:
p = multiprocessing.Process(targeChina编程t=calculate_square, args=(num,))
processes.append(p)
p.start() # 启动进程（会立即返回，不会等待完成）
# 等待所有进程完成
for p in processes:
p.join() # 阻塞主进程，直到子进程结束
python # 计算总耗时
print(f"总耗时：{time.time() - start_time:.2f}秒")3. 实现逻辑
主进程（老板）
│
├─ 子进程1（员工1）→ 独立计算
├─ 子进程2（员工2）→ 独立计算
├─ 子进程3（员工3）→ 独立计算
└─ 子进程4（员工4）→ 独立计算
4. 注意事项
- 进程间不能直接共享变量，需使用
Queue或Pipe通信 - 每个进程消耗更多内存（独立内存空间）
- 适合处理相互独立的任务（如同时处理多个文件）
二、threading（多线程）
1. 模块简介
- 作用：创建多个线程（共享同一进程内存）
- 适用场景：文件读写、网络请求等I/O等待型任务
- 核心特点：受GIL限制，同一时刻只能有一个线程执行Python字节码
2. 案例详解：同时下载文件与显示进度条
import threading
import time
import requests
# 全局变量（线程共享）
download_complete = False
def download_file(url):
global download_complete
print("开始下载文件...")
response = requests.get(url)
with open("bigfile.iso", "wb") as f:
f.write(response.content)
androiddownload_complete = True
print("\n下载完成！")
def show_progress():
while not download_complete:
print(".", end="", flush=True) # 不换行输出点
time.sleep(0.5)
if __name__ == "__main__":
# 创建两个线程
download_thread = threading.Thread(
target=download_file,
args=("https://example.com/large-file.iso",)
)
progress_thread = threading.Thread(target=show_progress)
# 启动线程
download_thread.start()
progress_thread.start()
# 等待下载线程完成
download_thread.join()
progress_thread.join() # 需要手动停止进度条线程3. 实现逻辑
主线程
│
├─ 下载线程 → 执行下载（遇到网络等待时，GIL释放）
└─ 进度条线程 → www.chinasem.cn打印进度点
4. 注意事项
- 共享变量需使用
Lock避免数据竞争 - 线程适合需要频繁共享数据的场景（如GUI程序）
- 不要用多线程做数学计算（反而会更慢）
三、asyncio（协程）
1. 模块简介
- 作用：单线程内通过任务切换实现高并发
- 适用场景：Web服务器、高频I/O操作（如爬虫）
- 核心机制：事件循环（Event Loop）驱动协程切换
2. 案例详解：异步批量请求网页
import asyncio import aiohttp # 需要安装：pip install aiohttp async def fetch_page(url): async with aiohttp.ClientSession() as session: # 创建会话 async with session.get(url) as response: # 发起请求 return await response.text() # 异步等待响应 async def main(): urls = [ "https://www.baidu.com", "https://www.taobao.com", "https://www.jd.com" ] # 创建任务列表 tasks = [fetch_page(url) for url in urls] # 并行执行所有任务 pages = await asyncio.gather(*tasks) # 关键点：聚集任务 # 输出结果 for url, content in zip(urls, pages): print(f"{url} → 长度：{len(content)}") # 启动事件循环 asyncio.run(main()) # Python 3.7+
3. 实现逻辑
事件循环（总调度员）
│
&npythonbsp;├─ 任务1：请求百度 → 遇到等待 → 挂起
├─ 任务2：请求淘宝 → 遇到等待 → 挂起
└─ 任务3：请求京东 → 遇到等待 → 挂起
当某个请求返回时，恢复对应任务执行
4. 注意事项
- 协程函数必须用
async def定义 - 阻塞操作必须用
await（否则会阻塞整个事件循环） - 需要配合异步库使用（如
aiohttp代替requests）
三者的核心区别总结
| 特性 | multiprocessing | threading | asyncio |
|---|---|---|---|
| 并行能力 | 真正多核并行 | 伪并行（受GIL限制） | 单线程并发 |
| 内存占用 | 高（独立内存空间） | 低（共享内存） | 最低 |
| 适用场景 | CPU密集型任务 | I/O密集型任务 | 超高并发I/O任务 |
| 代码复杂度 | 中等（需处理进程通信） | 低（但需处理锁） | 高（需理解异步语法） |
如何选择？
- 需要数学计算加速 → 选
multiprocessing - 简单I/O操作（如文件读写） → 选
threading - 高性能网络请求（如爬虫） → 选
asyncio - 混合型任务 → 组合使用（如多进程+协程）
通过这三个案例，可以明显看出：多进程像多个独立工厂，多线程像工厂内多个协作工人，协程则像一个人用超高效的时间管理法。理解这个核心差异后，就能根据实际需求选择合适的工具了。
到此这篇关于Python多进程、多线程、协程典型示例解析的文章就介绍到这了,更多相关Python多进程、多线程、协程典型示例解析内容请搜索China编程(www.chinasem.cn)以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程China编程(www.chinasem.cn)！
这篇关于Python多进程、多线程、协程典型示例解析(最新推荐)的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
