117笔记问答在Ubuntu上使用Python实现并发处理有多种方法，以下是一些常用的方法：
1. 多线程（Threading）
Python的threading模块允许你创建和管理线程。
import threading
def worker():
"""线程要执行的函数"""
print(f"线程 {threading.current_thread().name} 正在运行")
threads = []
for i in range(5):
thread = threading.Thread(target=worker)
threads.append(thread)
thread.start()
for thread in threads:
thread.join()
2. 多进程（Multiprocessing）
Python的multiprocessing模块允许你创建和管理进程，每个进程都有自己的Python解释器实例。
import multiprocessing
def worker():
"""进程要执行的函数"""
print(f"进程 {multiprocessing.current_process().name} 正在运行")
processes = []
for i in range(5):
process = multiprocessing.Process(target=worker)
processes.append(process)
process.start()
for process in processes:
process.join()
3. 异步编程（Asyncio）
Python的asyncio模块提供了一种基于协程的并发编程方式，适用于I/O密集型任务。
import asyncio
async def worker():
"""协程函数"""
print("协程正在运行")
await asyncio.sleep(1)
print("协程结束")
async def main():
tasks = [worker() for _ in range(5)]
await asyncio.gather(*tasks)
asyncio.run(main())
4. 使用第三方库
还有一些第三方库可以帮助你实现并发处理，例如concurrent.futures。
ThreadPoolExecutor
from concurrent.futures import ThreadPoolExecutor
def worker():
"""线程要执行的函数"""
print(f"线程 {threading.current_thread().name} 正在运行")
with ThreadPoolExecutor(max_workers=5) as executor:
futures = [executor.submit(worker) for _ in range(5)]
for future in futures:
future.result()
ProcessPoolExecutor
from concurrent.futures import ProcessPoolExecutor
def worker():
"""进程要执行的函数"""
print(f"进程 {multiprocessing.current_process().name} 正在运行")
with ProcessPoolExecutor(max_workers=5) as executor:
futures = [executor.submit(worker) for _ in range(5)]
for future in futures:
future.result()
总结
- 多线程适用于I/O密集型任务，但由于GIL（全局解释器锁）的存在，不适合CPU密集型任务。
- 多进程适用于CPU密集型任务，每个进程都有自己的Python解释器实例，不受GIL的限制。
- 异步编程适用于I/O密集型任务，通过协程实现高效的并发处理。
- 第三方库如
concurrent.futures提供了更高级的并发处理接口，简化了代码编写。
根据你的具体需求选择合适的方法来实现并发处理。