为什么使用线程和进程的结果不同？答案

【问题标题】：Why are results different between using threads and processes?为什么使用线程和进程的结果不同？
【发布时间】：2021-10-06 23:11:23
【问题描述】：

在实践python的线程和进程的时候，发现线程和进程在处理一些函数的时候打印结果会不一样。我不是很明白原因，所以我把代码和打印结果一起发了。以及如何使进程部分和线程部分的结果一致？

使用线程时，一切正常：

import os, time, random, threading, multiprocessing

list = ['python', 'django', 'tornado', 'flask', 'bs5', 'requests', 'uvloop']

new_lists = []

def work():
    if len(list) == 0:
        return
    data = random.choice(list)
    list.remove(data)
    new_data = '%s_new' % data
    new_lists.append(new_data)
    time.sleep(1)

if __name__ == '__main__':
    start = time.time()
    print('old list lenc is %s' % len(list))

    for i in range(len(list)):
        t = threading.Thread(target=work)
        t.start()
    t.join()

    print('old list:', list)
    print('new list', new_lists, len(new_lists))
    print('time is %s' % (time.time() - start))

哪个会打印：（结果很好）

old list lenc is 7
old list: []
new list ['uvloop_new', 'python_new', 'bs5_new', 'tornado_new', 'django_new', 'requests_new', 'flask_new'] 7
time is 1.0153822898864746

但是，当线程切换到进程时，错误发生了：

import os, time, random, threading, multiprocessing

list = ['python', 'django', 'tornado', 'flask', 'bs5', 'requests', 'uvloop']

new_lists = []


def work():
    if len(list) == 0:
        return
    data = random.choice(list)
    list.remove(data)
    new_data = '%s_new' % data
    new_lists.append(new_data)
    time.sleep(1)


if __name__ == '__main__':
    start = time.time()
    print('old list lenc is %s' % len(list))

    for i in range(len(list)):
        t = multiprocessing.Process(target=work)
        t.start()
    t.join()

    print('old list:', list)
    print('new list', new_lists, len(new_lists))
    print('time is %s' % (time.time() - start))

将打印的内容：（结果与预期不符）

old list lenc is 7
old list: ['python', 'django', 'tornado', 'flask', 'bs5', 'requests', 'uvloop']
new list [] 0
time is 1.4266910552978516

【问题讨论】：

每个进程都有自己的变量。所以你有 8 个版本的 new_lists 并且主进程中的一个永远不会改变。

标签： python multithreading concurrency parallel-processing process

【解决方案1】：

在多线程中，您有共享内存，但在多处理中，您没有共享内存。因此，当您尝试在每个进程中更改全局变量时，您会丢失数据。这个问题没有办法解决，你应该根据你的项目情况选择正确的选项。如果您需要在每个并行函数中操作共享数据，您应该使用线程。尽管您可以使用 Queue 在多处理中的每个进程之间传递数据。 https://docs.python.org/3/library/queue.html

【讨论】：