并发编程

并行与并发的区别
并发：宏观上，多个任务同时运行；一个CPU核心交替运行多个程序。
并行：同一时刻发生；多个CPU同时处理多个程序。
Python的concurrent库实现并行计算

官方文档：
https://docs.python.org/zh-cn/3/library/concurrent.futures.html#module-concurrent.futures
只有一个包：concurrent.futures
# https://docs.python.org/zh-cn/3/library/concurrency.html

模块提供异步执行可调用对象高层接口。
支持进程与线程两种模型

线程不能跨CPU，进程可以在CPU间运行
线程：线程池 (TheadPoolExecutor方式)，使用线程池实现并发

Executor

# class concurrent.futures.Executor
with ThreadPoolExecutor(max_workers=1) as executor:
    future = executor.submit(pow, 323, 1235)
    print(future.result())

submit 调度可调用对象fn
map: 类似于 [map(func, *iterables)] 函数，除了以下两点
1. iterables 是立即执行而不是延迟执行的；
2. func 是异步执行的，对 func 的多个调用可以并发执行。
shutdown(wait=True, *, cancel_futures=False)

当待执行的 future 对象完成执行后向执行者发送信号，它就会释放正在使用的任何资源。
关闭后调用 Executor.submit() 和 Executor.map() 将会引发 RuntimeError。

ThreadPoolExecutor

ThreadPoolExecutor 是 Executor 的子类，它使用线程池来异步执行调用。

import concurrent.futures
import urllib.request

URLS = ['http://www.foxnews.com/',
        'http://www.cnn.com/',
        'http://europe.wsj.com/',
        'http://www.bbc.co.uk/',
        'http://nonexistant-subdomain.python.org/']

# Retrieve a single page and report the URL and contents
def load_url(url, timeout):
    with urllib.request.urlopen(url, timeout=timeout) as conn:
        return conn.read()

# We can use a with statement to ensure threads are cleaned up promptly
with concurrent.futures.ThreadPoolExecutor(max_workers=5) as executor:
    # Start the load operations and mark each future with its URL
    future_to_url = {executor.submit(load_url, url, 60): url for url in URLS}
    for future in concurrent.futures.as_completed(future_to_url):
        url = future_to_url[future]
        try:
            data = future.result()
        except Exception as exc:
            print('%r generated an exception: %s' % (url, exc))
        else:
            print('%r page is %d bytes' % (url, len(data)))

注意：当可调用对象已关联了一个 Future 然后在等待另一个 Future 的结果时就会导致死锁情况。

ProcessPoolExecutor

ProcessPoolExecutor 类是 Executor 的子类，它使用进程池来异步地执行调用。 ProcessPoolExecutor 会使用 multiprocessing 模块，这允许它绕过全局解释器锁但也意味着只可以处理和返回可封存的对象。

import concurrent.futures
import math

PRIMES = [
    112272535095293,
    112582705942171,
    112272535095293,
    115280095190773,
    115797848077099,
    1099726899285419]

def is_prime(n):
    if n < 2:
        return False
    if n == 2:
        return True
    if n % 2 == 0:
        return False

    sqrt_n = int(math.floor(math.sqrt(n)))
    for i in range(3, sqrt_n + 1, 2):
        if n % i == 0:
            return False
    return True

def main():
    with concurrent.futures.ProcessPoolExecutor() as executor:
        for number, prime in zip(PRIMES, executor.map(is_prime, PRIMES)):
            print('%d is prime: %s' % (number, prime))

if __name__ == '__main__':
    main()