Python 并發(fā)編程的 12 個實用技巧
今天我們要一起探索的是Python中的并發(fā)編程，這可是提升程序速度的魔法鑰匙哦！別擔心，即使你是新手，我也會讓你一步步成為并發(fā)小能手。
1. 遇見threading，多線程初體驗
想象一下，你在咖啡館同時處理郵件、聊天和寫代碼，這就是多線程的日常。在Python里，threading模塊是你的得力助手。
import threading
import time
def say_hello(name):
print(f"Hello, {name}!")
time.sleep(2) # 模擬耗時操作
# 創(chuàng)建線程
thread1 = threading.Thread(target=say_hello, args=("World",))
thread2 = threading.Thread(target=say_hello, args=("Python",))
# 啟動線程
thread1.start()
thread2.start()
# 等待所有線程完成
thread1.join()
thread2.join()
print("All tasks done.")這段代碼創(chuàng)建了兩個線程，分別打印不同的問候語，然后等待它們完成。記住join()，它是等待線程的守護者。
2. 并發(fā)陷阱：全局解釋器鎖GIL
哎呀，提到多線程，不得不提Python的“獨特”設計——GIL。它就像個小警察，讓CPU核心輪流執(zhí)行Python字節(jié)碼，這意味著多線程在CPU密集型任務中并不總是更快。別灰心，對于I/O密集型任務，多線程還是很香的！
3. multiprocessing：繞過GIL，火力全開
如果想真正利用多核CPU，multiprocessing模塊是你的不二之選。它為每個進程創(chuàng)建獨立的Python解釋器，繞過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()每個Process都是一個獨立的小世界，它們并行運行，不受GIL限制。
4. 并行不是萬能藥
并發(fā)或并行雖然快，但也會帶來復雜性，比如數據同步問題。記得使用鎖(Lock)來避免資源沖突，就像在廚房里只有一個微波爐，大家輪流用。
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語句自動管理鎖，安全又方便。
5. 隊列的智慧：queue.Queue
想象一個工廠的流水線，隊列(Queue)就是那個協(xié)調者。在多線程/進程間傳遞數據，非它莫屬。
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()隊列保證了數據的安全傳遞，避免了混亂。
6. 美妙的異步：asyncio
等不及了？asyncio帶你進入異步編程的世界，用async/await關鍵字，就像給你的代碼加了翅膀。
import asyncio
async def hello(i):
print(f'Hello {i}')
await asyncio.sleep(1) # 異步等待
async def main():
tasks = [hello(i) for i in range(3)]
await asyncio.gather(*tasks)
# Python 3.7+
asyncio.run(main())異步等待，讓程序在等待時去做其他事，效率杠杠的。
7. 異步編程的誤區(qū)：不是所有操作都能異步
雖然asyncio很強大，但并非所有函數都可以異步化，比如那些直接操作硬件的低級API。選擇合適的方法，別硬塞。
8. concurrent.futures：未來的便捷通道
想要簡單地并發(fā)執(zhí)行任務，不論同步還是異步，concurrent.futures是你的良師益友。
from concurrent.futures import ThreadPoolExecutor
def worker(n):
return n * n
with ThreadPoolExecutor() as executor:
results = executor.map(worker, range(5))
print(list(results)) # 輸出平方數用ThreadPoolExecutor輕松管理線程池，執(zhí)行任務就像點菜一樣簡單。
9. 錯誤處理的藝術：優(yōu)雅捕獲異常
并發(fā)中錯誤處理很重要，使用try-except來保護你的代碼，確保一個任務的失敗不會影響到整個程序。
try:
# 可能會出錯的并發(fā)代碼
except Exception as e:
print(f'Caught an exception: {e}')保持冷靜，優(yōu)雅處理，你的程序更健壯。
10. 資源管理：上下文管理器與with
with語句不僅僅是為了代碼簡潔，它還能確保資源（如文件、鎖）的正確釋放，避免并發(fā)中的資源泄露。
with Lock():
# 在這里安全地操作共享資源自動的開始與結束，像一位細心的管家。
11. 性能監(jiān)控：看穿并發(fā)的幕后
使用timeit, cProfile等工具來監(jiān)控你的并發(fā)程序，了解哪些部分慢如蝸牛，哪些是速度惡魔，優(yōu)化從了解開始。
12. 實戰(zhàn)演練：并發(fā)下載圖片
最后，讓我們實戰(zhàn)一把，用多線程下載圖片，感受并發(fā)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'] # 假設的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.')通過并發(fā)下載，我們可以顯著加快下載速度！
到這里，我們已經解鎖了Python并發(fā)編程的12個實用技巧，是不是感覺自己的編程技能又上了一個新臺階？實踐是檢驗真理的唯一標準，趕緊動手試試，讓你的程序跑得飛起來吧！
