[Python教學] 進階：平行程式設計

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！