Python在CentOS如何实现并发

3月 31st, 2025

在CentOS上使用Python实现并发，可以采用多种方法。以下是一些常见的并发编程模型和相应的实现方式：

多线程（Threading）:
Python的threading模块可以用来创建和管理线程。但是，由于全局解释器锁（GIL）的存在，多线程并不适合CPU密集型任务。它更适合I/O密集型任务，如文件操作、网络请求等。
```
import threading

def worker():
    """线程执行的任务"""
    print('Worker')

threads = []
for i in range(5):
    t = threading.Thread(target=worker)
    threads.append(t)
    t.start()

for t in threads:
    t.join()
```

多进程（Multiprocessing）:
multiprocessing模块可以创建多个进程来绕过GIL的限制，适合CPU密集型任务。每个进程都有自己的Python解释器和内存空间。

from multiprocessing import Process

def worker():
    """进程执行的任务"""
    print('Worker')

if __name__ == '__main__':
    processes = []
    for i in range(5):
        p = Process(target=worker)
        processes.append(p)
        p.start()

    for p in processes:
        p.join()

异步编程（AsyncIO）:
Python 3.4引入了asyncio库，它提供了一种基于协程的并发模型，适合处理高I/O负载，如网络服务和数据库操作。

import asyncio

async def worker():
    """异步执行的任务"""
    print('Worker')

loop = asyncio.get_event_loop()
tasks = [worker() for _ in range(5)]
loop.run_until_complete(asyncio.gather(*tasks))
loop.close()

使用第三方库:

gevent：基于协程的并发库，使用greenlet提供轻量级的并发。
eventlet：同样是基于协程的并发库，提供了更多的功能和更好的性能。
concurrent.futures：提供了高层的接口来使用线程池和进程池。

例如，使用concurrent.futures的线程池：

from concurrent.futures import ThreadPoolExecutor

def worker():
    """线程执行的任务"""
    print('Worker')

with ThreadPoolExecutor(max_workers=5) as executor:
    futures = [executor.submit(worker) for _ in range(5)]
    for future in concurrent.futures.as_completed(futures):
        pass