在這篇文章中，我們將深入探討 Python 中的平行程式設計，特別是使用 threading 和 multiprocessing 模組來實現多執行緒和多進程的應用。這些技術可以幫助我們充分利用現代 CPU 的多核心架構，提高程式的執行效率。
什麼是平行程式設計？
平行程式設計是一種同時執行多個計算任務的技術，常用於提升應用程式的效能。在 Python 中，主要有兩種方式來實現平行：多執行緒 (Multithreading) 和 多進程 (Multiprocessing)。
- 多執行緒：適合 I/O 密集型任務，例如網路請求或檔案讀寫。
- 多進程：適合 CPU 密集型任務，例如數據處理或計算密集型工作。
使用 threading 模組
threading 模組是 Python 標準庫的一部分，提供了創建和管理執行緒的功能。基本方式
以下是使用 threading 模組的基本範例：
import threading
import time
# 子執行緒的工作函數
def job(num):
print(f"Thread {num} starting")
time.sleep(2)
print(f"Thread {num} finished")
# 建立和啟動子執行緒
threads = []
for i in range(5):
t = threading.Thread(target=job, args=(i,))
threads.append(t)
t.start()
# 等待所有子執行緒結束
for t in threads:
t.join()
print("All threads finished.")
在這個範例中，我們定義了一個名為 job 的函數，然後創建了五個子執行緒，每個執行緒都會呼叫這個函數。使用 t.join() 確保主執行緒在所有子執行緒完成之前不會結束。
物件導向方式
我們也可以使用物件導向的方法來創建執行緒：
import threading
import time
class MyThread(threading.Thread):
def __init__(self, num):
super().__init__()
self.num = num
def run(self):
print(f"Thread {self.num} starting")
time.sleep(2)
print(f"Thread {self.num} finished")
threads = []
for i in range(5):
thread = MyThread(i)
threads.append(thread)
thread.start()
for thread in threads:
thread.join()
print("All threads finished.")
在這裡，我們創建了一個繼承自 threading.Thread 的類別，並重寫了 run 方法來定義每個執行緒的工作。
使用 multiprocessing 模組
multiprocessing 模組也屬於 Python 標準庫，它允許我們創建獨立的進程，每個進程都有自己的 Python 解釋器，這樣可以繞過 GIL（全局解釋器鎖）的限制。
基本方式
import multiprocessing
import time
def worker(num):
print(f"Process {num} starting")
time.sleep(2)
print(f"Process {num} finished")
if __name__ == "__main__":
processes = []
for i in range(5):
p = multiprocessing.Process(target=worker, args=(i,))
processes.append(p)
p.start()
for p in processes:
p.join()
print("All processes finished.")
在這段程式碼中，我們使用 multiprocessing.Process 創建了五個獨立的進程，每個進程都會執行 worker 函數。
使用進程池方式
對於需要創建大量進程的情況，可以使用進程池來管理進程：
import multiprocessing
import time
def worker(num):
print(f"Process {num} starting")
time.sleep(2)
print(f"Process {num} finished")
if __name__ == "__main__":
with multiprocessing.Pool(processes=5) as pool:
pool.map(worker, range(5))
print("All processes finished.")
這裡，我們使用 Pool 來創建一組工作進程，並使用 map 方法將任務分配給這些進程。
多執行緒 vs. 多進程
選擇建議
- 如果你的應用主要是 I/O 密集型，例如網路請求或檔案操作，則應選擇 多執行緒。
- 如果你的應用需要大量計算，則應選擇 多進程 以充分利用 CPU 核心。
結論
在 Python 中，使用 threading 和 multiprocessing 模組可以有效地實現並行處理。根據任務的特性選擇合適的方法，可以顯著提高程式的性能。希望這篇文章能幫助你理解如何在 Python 中實現平行程序設計！