进程和线程的理解

一、进程和线程的概念（一句话概述）

        进程：我们运行的程序通常会对应一个或多个进程，进程是操作系统分配内存的基本单位。

        线程：一个进程通常会包含一个或多个线程，线程是操作系统分配CPU的基本单位。

        单线程程序--->我们的程序中只有一个执行线索（主线程）--->创建多个线程（有多个可以并发的部分）

        技术交流群：830709780

注：一个程序至少有一个进程,一个进程至少有一个线程（主线程），进程在执行过程中拥有独立的内存单元，而多个线程共享内存，从而极大地提高了程序的运行效率。

二、进程和线程的区别

        1.操作系统资源管理方式是不一样的，进程有独立的地址空间，进程崩溃后会有保护模式让其不会对其他的进程产生影响。而线程则不然，线程有自己的堆栈和局部变量，但线程之间没有单独的地址空间，所以一个线程挂掉可能影响整个进程挂掉。

        2.进程的并发性没有线程高。

        3.每个独立的线程有一个程序运行的入口、顺序执行序列和程序的出口。但是线程不能够独立执行，必须依存在应用程序中。由应用程序提供多个线程执行控制。

        4.对于应用程序来说，多线程是可以同时有多个执行部分同时执行。但对于操作系统来说是没有将多个线程看做多个独立的应用，来实现进程的调度和管理以及资源分配

注：多线程容易调度，有效地实现并发性。对内存的开销比较小。创建线程比创建进程要快。

三、线程池的概念

        在编写多线程程序时，一定要注意线程的创建和释放有较大的开销，而且如果创建了太多的线程，线程之间的调度切换本身也是有开销的，所以线程并不是越多越好，最好的用法时创建若干线程，然后重复的使用他们。

        线程池：先用一个容器，提前创建好若干个线程放进去，用线程的时候从线程池中借出一个线程，用完之后，不要释放线程，而是把这个线程放回池子，让线程可以被重复利用。

注：池化技术基本上都是空间换时间。

四、代码演示（调用第三方接口下载(多线程和线程池)图片）

# coding=utf8
# @time:2022/5/19 17:02

import time
from concurrent.futures import ThreadPoolExecutor
import requests


def down_picture(picture_url):
    resp = requests.get(picture_url)
    if resp.status_code == 200:
        filename = picture_url[picture_url.rfind(\'/\'):]
        with open(f\'images/{filename}\', \'wb\') as f:
            f.write(resp.content)


def read_picture():
    futures = []
    with ThreadPoolExecutor(max_workers=10) as pool:	# 线程池，最大进程10
        # threads = []
        star = time.time()
        format = \'png\'
        header = {
            \'User-Agent\': \'Mozilla/5.0 (compatible; U; ABrowse 0.6; Syllable) AppleWebKit/420+ (KHTML, like Gecko)\'}
        data = {\'key\': \'919928ff6d14cXXXXXXXXXXXXXX\', \'url\': \'https://www.hXXXXXXXXXXXXXX.com\'}	# 参数根据实际情况填写
        for page in range(1, 6):
            resp = requests.get(\'http://api.xxxxxxx.com\', params=data, headers=header)	# 参数根据实际情况填写
            picture_list = resp.json()[\'newslist\']
            # print(picture_list)
            for picture in picture_list:
                picture_url = picture[\'picUrl\']
                # print(picture_url)
                # down_picture(picture_url)
                #线程池
                f = pool.submit(down_picture, picture_url)
    \'\'\'\'\'\'\'\'\'           
                # 普通的多线程方法
                thd = threading.Thread(target=down_picture,args=(picture_url,))
                threads.append(thd)
                thd.start()
        # print(threads)
    
        # 等待刚才启动的子线程所有执行时间
        for t in threads:
            t.join()
         \'\'\'\'\'\'\'\'\'
    for f in futures:
        f.result()
    end = time.time()
    print(end - star)    # 4.877447128295898


if __name__ == \'__main__\':
    read_picture()

下载情况示：

 更多安全分享，请关注【安全info】微信公众号！