純干貨|一文講透 “進(jìn)程、線程、協(xié)程”

本文從操作系統(tǒng)原理出發(fā)結(jié)合代碼實(shí)踐講解了以下內(nèi)容：

• 什么是進(jìn)程，線程和協(xié)程？

• 它們之間的關(guān)系是什么？

• 為什么說Python中的多線程是偽多線程？

• 不同的應(yīng)用場景該如何選擇技術(shù)方案？

• ...

什么是進(jìn)程

進(jìn)程-操作系統(tǒng)提供的抽象概念，是系統(tǒng)進(jìn)行資源分配和調(diào)度的基本單位，是操作系統(tǒng)結(jié)構(gòu)的基礎(chǔ)。程序是指令、數(shù)據(jù)及其組織形式的描述，進(jìn)程是程序的實(shí)體。程序本身是沒有生命周期的，它只是存在磁盤上的一些指令,程序一旦運(yùn)行就是進(jìn)程。

當(dāng)程序需要運(yùn)行時(shí)，操作系統(tǒng)將代碼和所有靜態(tài)數(shù)據(jù)記載到內(nèi)存和進(jìn)程的地址空間（每個(gè)進(jìn)程都擁有唯一的地址空間，見下圖所示）中，通過創(chuàng)建和初始化棧（局部變量，函數(shù)參數(shù)和返回地址)、分配堆內(nèi)存以及與IO相關(guān)的任務(wù)，當(dāng)前期準(zhǔn)備工作完成，啟動(dòng)程序，OS將CPU的控制權(quán)轉(zhuǎn)移到新創(chuàng)建的進(jìn)程，進(jìn)程開始運(yùn)行。

操作系統(tǒng)對進(jìn)程的控制和管理通過PCB(Processing Control Block)，PCB通常是系統(tǒng)內(nèi)存占用區(qū)中的一個(gè)連續(xù)存區(qū)，它存放著操作系統(tǒng)用于描述進(jìn)程情況及控制進(jìn)程運(yùn)行所需的全部信息(進(jìn)程標(biāo)識(shí)號(hào),進(jìn)程狀態(tài),進(jìn)程優(yōu)先級(jí),文件系統(tǒng)指針以及各個(gè)寄存器的內(nèi)容等)，進(jìn)程的PCB是系統(tǒng)感知進(jìn)程的唯一實(shí)體。

一個(gè)進(jìn)程至少具有5種基本狀態(tài)：初始態(tài)、執(zhí)行狀態(tài)、等待（阻塞）狀態(tài)、就緒狀態(tài)、終止?fàn)顟B(tài)

進(jìn)程間的切換

無論是在多核還是單核系統(tǒng)中，一個(gè)CPU看上去都像是在并發(fā)的執(zhí)行多個(gè)進(jìn)程，這是通過處理器在進(jìn)程間切換來實(shí)現(xiàn)的。

操作系統(tǒng)對把CPU控制權(quán)在不同進(jìn)程之間交換執(zhí)行的機(jī)制成為上下文切換（context switch），即保存當(dāng)前進(jìn)程的上下文，恢復(fù)新進(jìn)程的上下文，然后將CPU控制權(quán)轉(zhuǎn)移到新進(jìn)程，新進(jìn)程就會(huì)從上次停止的地方開始。因此，進(jìn)程是輪流使用CPU的，CPU被若干進(jìn)程共享，使用某種調(diào)度算法來決定何時(shí)停止一個(gè)進(jìn)程，并轉(zhuǎn)而為另一個(gè)進(jìn)程提供服務(wù)。

進(jìn)程直接特定的機(jī)制和遇到I/O中斷的情況下，進(jìn)行上下文切換，輪流使用CPU資源

每一個(gè)進(jìn)程獨(dú)占一個(gè)CPU核心資源，在處理I/O請求的時(shí)候，CPU處于阻塞狀態(tài)

進(jìn)程間數(shù)據(jù)共享

系統(tǒng)中的進(jìn)程與其他進(jìn)程共享CPU和主存資源，為了更好的管理主存，現(xiàn)在系統(tǒng)提供了一種對主存的抽象概念，即為虛擬存儲(chǔ)器（VM）。它是一個(gè)抽象的概念，它為每一個(gè)進(jìn)程提供了一個(gè)假象，即每個(gè)進(jìn)程都在獨(dú)占地使用主存。

虛擬存儲(chǔ)器主要提供了三個(gè)能力：　

由于進(jìn)程擁有自己獨(dú)占的虛擬地址空間，CPU通過地址翻譯將虛擬地址轉(zhuǎn)換成真實(shí)的物理地址，每個(gè)進(jìn)程只能訪問自己的地址空間。因此，在沒有其他機(jī)制（進(jìn)程間通信）的輔助下，進(jìn)程之間是無法共享數(shù)據(jù)的

import multiprocessingimport threadingimport time
n = 0

def count(num): ? ?global n ? ?for i in range(100000): ? ? ? ?n += i ? ?print("Process {0}:n={1},id(n)={2}".format(num, n, id(n)))

if __name__ == '__main__': ? ?start_time = time.time()  ? ?process = list() ? ?for i in range(5): ? ? ? ?p = multiprocessing.Process(target=count, args=(i,)) # 測試多進(jìn)程使用 ? ? ? ?# p = threading.Thread(target=count, args=(i,)) ?# 測試多線程使用 ? ? ? ?process.append(p)
 ? ?for p in process: ? ? ? ?p.start()
 ? ?for p in process: ? ? ? ?p.join()
 ? ?print("Main:n={0},id(n)={1}".format(n, id(n))) ? ?end_time = time.time() ? ?print("Total time:{0}".format(end_time - start_time))

Process 1:n=4999950000,id(n)=139854202072440Process 0:n=4999950000,id(n)=139854329146064Process 2:n=4999950000,id(n)=139854202072400Process 4:n=4999950000,id(n)=139854201618960Process 3:n=4999950000,id(n)=139854202069320Main:n=0,id(n)=9462720Total time:0.03138256072998047

變量n在進(jìn)程p{0,1,2,3,4}和主進(jìn)程（main）中均擁有唯一的地址空間

什么是線程

線程-也是操作系統(tǒng)提供的抽象概念，是程序執(zhí)行中一個(gè)單一的順序控制流程，是程序執(zhí)行流的最小單元，是處理器調(diào)度和分派的基本單位。一個(gè)進(jìn)程可以有一個(gè)或多個(gè)線程，同一進(jìn)程中的多個(gè)線程將共享該進(jìn)程中的全部系統(tǒng)資源，如虛擬地址空間，文件描述符和信號(hào)處理等等。但同一進(jìn)程中的多個(gè)線程有各自的調(diào)用棧和線程本地存儲(chǔ)（如下圖所示）。

系統(tǒng)利用PCB來完成對進(jìn)程的控制和管理。同樣，系統(tǒng)為線程分配一個(gè)線程控制塊TCB（Thread Control Block）,將所有用于控制和管理線程的信息記錄在線程的控制塊中，TCB中通常包括：

和進(jìn)程一樣，線程同樣有五種狀態(tài)：初始態(tài)、執(zhí)行狀態(tài)、等待（阻塞）狀態(tài)、就緒狀態(tài)和終止?fàn)顟B(tài),線程之間的切換和進(jìn)程一樣也需要上下文切換，這里不再贅述。

進(jìn)程和線程之間有許多相似的地方，那它們之間到底有什么區(qū)別呢？

進(jìn)程 VS 線程

總之，多進(jìn)程程序安全性高，進(jìn)程切換開銷大，效率低；多線程程序維護(hù)成本高，線程切換開銷小，效率高。（python的多線程是偽多線程，下文中將詳細(xì)介紹）

什么是協(xié)程

協(xié)程（Coroutine，又稱微線程）是一種比線程更加輕量級(jí)的存在，協(xié)程不是被操作系統(tǒng)內(nèi)核所管理，而完全是由程序所控制。協(xié)程與線程以及進(jìn)程的關(guān)系見下圖所示。

協(xié)程適用于IO阻塞且需要大量并發(fā)的場景，當(dāng)發(fā)生IO阻塞，由協(xié)程的調(diào)度器進(jìn)行調(diào)度，通過將數(shù)據(jù)流yield掉，并且記錄當(dāng)前棧上的數(shù)據(jù)，阻塞完后立刻再通過線程恢復(fù)棧，并把阻塞的結(jié)果放到這個(gè)線程上去運(yùn)行。

下面，將針對在不同的應(yīng)用場景中如何選擇使用Python中的進(jìn)程，線程，協(xié)程進(jìn)行分析。

如何選擇？

在針對不同的場景對比三者的區(qū)別之前，首先需要介紹一下python的多線程(一直被程序員所詬病，認(rèn)為是"假的"多線程)。

那為什么認(rèn)為Python中的多線程是“偽”多線程呢？

更換上面multiprocessing示例中， p=multiprocessing.Process(target=count,args=(i,))為 p=threading.Thread(target=count,args=(i,)),其他照舊，運(yùn)行結(jié)果如下：

為了減少代碼冗余和文章篇幅，命名和打印不規(guī)則問題請忽略

Process 0:n=5756690257,id(n)=140103573185600Process 2:n=10819616173,id(n)=140103573185600Process 1:n=11829507727,id(n)=140103573185600Process 4:n=17812587459,id(n)=140103573072912Process 3:n=14424763612,id(n)=140103573185600Main:n=17812587459,id(n)=140103573072912Total time:0.1056210994720459

但是，為什么多線程運(yùn)行時(shí)間比多進(jìn)程還要長？這與我們上面所說（線程的開銷<<進(jìn)程的開銷）的嚴(yán)重不相符啊。這就是輪到Cpython（python默認(rèn)的解釋器）中GIL(Global Interpreter Lock,全局解釋鎖)登場了。

什么是GIL

GIL來源于Python設(shè)計(jì)之初的考慮，為了數(shù)據(jù)安全(由于內(nèi)存管理機(jī)制中采用引用計(jì)數(shù))所做的決定。某個(gè)線程想要執(zhí)行，必須先拿到 GIL。因此，可以把 GIL 看作是“通行證”,并且在一個(gè) Python進(jìn)程中，GIL 只有一個(gè),拿不到通行證的線程,就不允許進(jìn)入 CPU 執(zhí)行。

Cpython解釋器在內(nèi)存管理中采用引用計(jì)數(shù)，當(dāng)對象的引用次數(shù)為0時(shí)，會(huì)將對象當(dāng)作垃圾進(jìn)行回收。設(shè)想這樣一種場景：

一個(gè)進(jìn)程中含有兩個(gè)線程，分別為線程0和線程1，兩個(gè)線程全都引用對象a。當(dāng)兩個(gè)線程同時(shí)對a發(fā)生引用（并未修改，不需要使用同步性原語），就會(huì)發(fā)生同時(shí)修改對象a的引用計(jì)數(shù)器，造成計(jì)數(shù)器引用少于實(shí)質(zhì)性的引用，當(dāng)進(jìn)行垃圾回收時(shí)，造成錯(cuò)誤異常。因此，需要一把全局鎖（即為GIL）來保證對象引用計(jì)數(shù)的正確性和安全性。

無論是單核還是多核,一個(gè)進(jìn)程永遠(yuǎn)只能同時(shí)執(zhí)行一個(gè)線程(拿到 GIL 的線程才能執(zhí)行，如下圖所示)，這就是為什么在多核CPU上，Python 的多線程效率并不高的根本原因。

那是不是在Python中遇到并發(fā)的需求就使用多進(jìn)程就萬事大吉了呢？其實(shí)不然，軟件工程中有一句名言：沒有銀彈！

何時(shí)用？

常見的應(yīng)用場景不外乎三種：

CPU密集型的情況可以對比以上multiprocessing和threading的例子，多進(jìn)程的性能 > 多線程的性能。

下面主要解釋一下I/O密集型的情況。與I/O設(shè)備交互，目前最常用的解決方案就是DMA。

什么是DMA

DMA(Direct Memory Access)是系統(tǒng)中的一個(gè)特殊設(shè)備，它可以協(xié)調(diào)完成內(nèi)存到設(shè)備間的數(shù)據(jù)傳輸，中間過程不需要CPU介入。

以文件寫入為例：

Python多線程的表現(xiàn)（I/O密集型）

與進(jìn)程的執(zhí)行模式相似，彌補(bǔ)了GIL帶來的不足，又由于線程的開銷遠(yuǎn)遠(yuǎn)小于進(jìn)程的開銷，因此，在IO密集型場景中，多線程的性能更高

實(shí)踐是檢驗(yàn)真理的唯一標(biāo)準(zhǔn)，下面將針對I/O密集型場景進(jìn)行測試。

測試

import multiprocessingimport threadingimport time

def count(num): ? ?time.sleep(1) ?## 模擬IO操作 ? ?print("Process {0} End".format(num))

if __name__ == '__main__': ? ?start_time = time.time() ? ?process = list() ? ?for i in range(5): ? ? ? ?p = multiprocessing.Process(target=count, args=(i,)) ? ? ? ?# p = threading.Thread(target=count, args=(i,)) ? ? ? ?process.append(p)
 ? ?for p in process: ? ? ? ?p.start()
 ? ?for p in process: ? ? ? ?p.join()
 ? ?end_time = time.time() ? ?print("Total time:{0}".format(end_time - start_time))

## 多進(jìn)程Process 0 EndProcess 3 EndProcess 4 EndProcess 2 EndProcess 1 EndTotal time:1.383193016052246## 多線程Process 0 EndProcess 4 EndProcess 3 EndProcess 1 EndProcess 2 EndTotal time:1.003425121307373

是不是認(rèn)為這就結(jié)束了？遠(yuǎn)還沒有呢。針對I/O密集型的程序，協(xié)程的執(zhí)行效率更高，因?yàn)樗浅绦蜃陨硭刂频模@樣將節(jié)省線程創(chuàng)建和切換所帶來的開銷。

以Python中asyncio應(yīng)用為依賴，使用async/await語法進(jìn)行協(xié)程的創(chuàng)建和使用。

import timeimport asyncio

async def coroutine(): ? ?await asyncio.sleep(1) ## 模擬IO操作

if __name__ == "__main__": ? ?start_time = time.time()
 ? ?loop = asyncio.get_event_loop() ? ?tasks = [] ? ?for i in range(5): ? ? ? ?task = loop.create_task(coroutine()) ? ? ? ?tasks.append(task)
 ? ?loop.run_until_complete(asyncio.wait(tasks)) ? ?loop.close() ? ?end_time = time.time() ? ?print("total time:", end_time - start_time)

total time: 1.001854419708252

總結(jié)

本文從操作系統(tǒng)原理出發(fā)結(jié)合代碼實(shí)踐講解了進(jìn)程，線程和協(xié)程以及他們之間的關(guān)系。并且，總結(jié)和整理了Python實(shí)踐中針對不同的場景如何選擇對應(yīng)的方案，如下：

【推薦閱讀】
Spring Boot 無侵入式實(shí)現(xiàn) API 接口統(tǒng)一 Json 格式返回
Redis 為什么默認(rèn) 16 個(gè)數(shù)據(jù)庫？
IntelliJ IDEA 超實(shí)用技巧分享，不能再全了！
圖片驗(yàn)證碼的需求分析以及Java代碼優(yōu)雅實(shí)現(xiàn)！
給你的 MyBatis-Plus 裝上批量插入的翅膀