117笔记问答在Debian上使用Python进行并发处理可以通过多种方式实现，包括多线程、多进程和异步编程。以下是一些实用的技巧和示例代码，帮助你高效地处理并发任务。
多线程（Threading）
多线程是Python中最基本的并发方式，适用于I/O密集型任务。
import threading
import time
def say_hello(name):
print(f"Hello, {name}!")
time.sleep(2) # 模拟耗时操作
# 创建线程
thread1 = threading.Thread(target=say_hello, args=("World",))
thread2 = threading.Thread(target=say_hello, args=("Python",))
# 启动线程
thread1.start()
thread2.start()
# 等待所有线程完成
thread1.join()
thread2.join()
print("All tasks done.")
多进程（Multiprocessing）
多进程可以绕过全局解释器锁（GIL），充分利用多核CPU。
from multiprocessing import Process
import time
def worker(num):
print(f'Worker: {num}')
time.sleep(2)
if __name__ == '__main__':
processes = []
for i in range(4):
p = Process(target=worker, args=(i,))
processes.append(p)
p.start()
for p in processes:
p.join()
异步编程（Asynchronous Programming）
异步编程使用asyncio模块，适用于高并发的I/O密集型任务。
import asyncio
async def hello(i):
print(f'Hello {i}')
await asyncio.sleep(1) # 异步等待
async def main():
tasks = [hello(i) for i in range(3)]
await asyncio.gather(*tasks)
# Python 3.7+
asyncio.run(main())
线程池（ThreadPoolExecutor）
使用线程池可以避免频繁创建和销毁线程的开销。
from concurrent.futures import ThreadPoolExecutor
import time
def task(n):
return n * n
with ThreadPoolExecutor(max_workers=4) as executor:
futures = {executor.submit(task, i) for i in range(5)}
results = [f.result() for f in futures]
print(results)
进程间通信（Queue）
使用queue.Queue可以在多线程或多进程之间安全地传递数据。
from queue import Queue
from threading import Thread
def producer(queue):
queue.put('Product')
def consumer(queue):
print(queue.get())
q = Queue()
producer_thread = Thread(target=producer, args=(q,))
consumer_thread = Thread(target=consumer, args=(q,))
producer_thread.start()
consumer_thread.start()
producer_thread.join()
consumer_thread.join()
选择合适的并发模型
- I/O密集型任务：使用异步编程（
asyncio）或线程池（ThreadPoolExecutor）。 - CPU密集型任务：使用多进程（
multiprocessing）。
通过这些技巧和示例代码，你可以在Debian上使用Python高效地进行并发处理。根据具体的应用场景选择合适的并发模型，可以显著提升程序的执行效率。