falsk开发Python并行编程
并行编程概念
一、线程和进程
1 什么是进程
对于操作系统来说，一个任务就是一个进程（Process），比如打开一个浏览器就是启动一个浏览器进程，打开一个记事本就启动了一个记事本进程，打开两个记事本就启动了两个记事本进程，打开一个Word就启动了一个Word进程。
2 什么是线程
有些进程还不止同时干一件事，比如Word，它可以同时进行打字、拼写检查、打印等事情。在一个进程内部，要同时干多件事，就需要同时运行多个“子任务”，我们把进程内的这些“子任务”称为线程（Thread）。
由于每个进程至少要干一件事，所以，一个进程至少有一个线程。当然，像Word这种复杂的进程可以有多个线程，多个线程可以同时执行，多线程的执行方式和多进程是一样的，也是由操作系统在多个线程之间快速切换，让每个线程都短暂地交替运行，看起来就像同时执行一样。当然，真正地同时执行多线程需要多核CPU才可能实现。
3 什么是多任务？
现代操作系统比如Mac OS X，UNIX，Linux，Windows等，都是支持“多任务”的操作系统。
什么叫“多任务”呢？简单地说，就是操作系统可以同时运行多个任务。打个比方，你一边在用浏览器上网，一边在听MP3，一边在用Word赶作业，这就是多任务，至少同时有3个任务正在运行。还有很多任务悄悄地在后台同时运行着，只是桌面上没有显示而已。
现在，多核CPU已经非常普及了，但是，即使过去的单核CPU，也可以执行多任务。由于CPU执行代码都是顺序执行的，那么，单核CPU是怎么执行多任务的呢？
答案就是操作系统轮流让各个任务交替执行，任务1执行0.01秒，切换到任务2，任务2执行0.01秒，再切换到任务3，执行0.01秒……这样反复执行下去。表面上看，每个任务都是交替执行的，但是，由于CPU的执行速度实在是太快了，我们感觉就像所有任务都在同时执行一样。
真正的并行执行多任务只能在多核CPU上实现，但是，由于任务数量远远多于CPU的核心数量，所以，操作系统也会自动把很多任务轮流调度到每个核心上执行。
二.并行编程概念
通俗一点，
串行 : 你在家做功课，功课做完给家长检查签字，接着你才可以看电视玩游戏，前提是你必须做完一件事才可以做下一件。
并行：你可以一边做功课，一边看着电视，玩着游戏，这些任务都可以同时进行着，你不需要等待一件事情的结果才可以继续向下进行。
大部分时候我们编写的程序和服务都是以串行来运行的，也就是单进程，单线程的模式和思想来写的，但是大部分的实际生产过程中，多个任务如何同时处理的问题就来了，单进程和单线程远远达不到我们的需求，这时候我们就引用了多线程多进程的概念，也就是多任务的概念。
下面是生产过程中实例
三. flask 使用多线程实例
1 falsk 启动代码
from flask import Flask
app = Flask(__name__)
@app.route('/')
def hello_world():
return 'Hello World!'
if __name__ == '__main__':
app.run()2 flask启动多线程
from threading import Thread
from flask import Flask
app = Flask(__name__)
@app.route('/')
def hello_world():
return 'Hello World!'
def task1():
return 'Hello World1!'
def task2():
return 'Hello World2!'
class MyThread(Thread):
def __init__(self, func, args):
super(MyThread, self).__init__()
self.func = func
self.args = args
def run(self):
self.result = self.func(*self.args)
def get_result(self):
try:
return self.result
except Exception:
return None
if __name__ == "__main__":
t1 = MyThread(task1, args=())
t2 = MyThread(task2, args=())
t1.start()
t2.start()
app.run()当然在这里我们只是单纯的在主服务启动过程中去调用了一个函数task1和task2函数，当然不满足需求，这个例子是想表达，在主程序启动之前你可以开启多个线程去启动别的服务。
为了更加直观的理解并行编程，接下来我们用socket为业务需求进行改造，
3 flask并行编程
*假定业务流程是这样，
1 任务函数hello_world将他的任务信息放入某一个管道中（管道的概念可以暂时用全局变量方法去展现）
2 将task1，task2两个任务函数做到时时监控处理也就是我们提到的并行开发。
3 task1 是一个处理任务信息的功能函数，比如后台有新的消息时候，我们要给所有的用户推送这一个消息，并且要给task2函数任务处理完成的状态的ack信息。
4 task2 主要来处理任务是否成功，将任务的状态写入日志，或者别的操作。
from threading import Thread
from flask import Flask
app = Flask(__name__)
task_information = [] # 新建task_information列表用来作为任务信息存放的列表
task_ack = [] # 新建task_ack列表用来作为任务确认的列表
@app.route('/')
def hello_world():
global task_information # 设置全局变量是为了task1和task2都可以共同去使用它。
global task_ack
task_information.append('data') # 主要的程序接受到任务后，将它需要处理的信息放入任务信息管道当中
return 'Hello World!'
def task1():
while 1:
if task_information: # 这个位置处理循环的处理task_information里面的信息
print(task_information) # 这里的打印换成实际的工作，更新数据库，或者别的什么处理
task_information.clear() # 处理完成后，清除任务信息的全局变量。
task_ack.append(1)
else:
time.sleep(5)
return 'Hello World1!'
def task2():
while 1:
if task_ack: # 如果处理任务后的数据，确认之后，我们继续下一步操作
print(task_ack) # 这里的打印换成实际的工作，写入日志，或者别的什么处理
task_ack.clear() # 处理结果成功，清除任务确认的全局变量。
else:
time.sleep(5)
return 'Hello World2!'
class MyThread(Thread):
def __init__(self, func, args):
super(MyThread, self).__init__()
self.func = func
self.args = args
def run(self):
self.result = self.func(*self.args)
def get_result(self):
try:
return self.result
except Exception:
return None
if __name__ == "__main__":
t1 = MyThread(task1, args=())
t2 = MyThread(task2, args=())
t1.start()
t2.start()
app.run()总结
这样我们的python并行编程概念就有了，很多实际业务都需要这样的开发方式，这样可以处理不同步的问题，做到程序的并行编程！
管道的概念只是用全局变量来模仿，管道RabbitMQ、RocketMQ、ActiveMQ、Kafka等很多的消息中间件。
这里只是方便理解，实际如果业务需求不是很复杂，写入量不是很大的时候，python的列表可容纳长度完全可以支撑大部分业务了。
管道当然可以用一些redis作为数据服务器缓存这些数据，但是每次缓存就有一次网络请求，响应时间的会变慢，性能会变差，具体还是看我们实际业务的需求吧。
此文档是以单进程中的多线程处理的作为基础的，因为python的特性，是线程安全的，不存在互斥锁的概念，当然在uwsg或者nginx多进程处理下，全局变量将会不再适用，每个进程都有独立的内存空间，所以除非指向服务器相同的内存地址，也就是进行进程间通讯，有相同全局共享内存地址才可以这样使用。
