并发编程——多线程（4）

1.线程理论

• 线程是CPU的执行单位
• 多线程（即多个控制线程）的概念是，在一个进程中存在多个线程，多个线程共享该进程的地址空间，相当于一个车间内又多条流水线，都共用一个车间的资源。例如，北京地铁与上海地铁是不同的进程，而北京地铁里的13号线是一个线程，北京地铁所有的线路共享北京地铁所有的资源，比如所有的乘客可以被所有线路拉。

2.线程与进程的区别

• 同一个进程内的多个线程共享该进程内的地址资源
• 创建线程的开销要远小于创建进程的开销（创建一个进程，就是创建一个车间，涉及到申请空间，而且在该空间内建至少一条流水线，但创建线程，就只是在一个车间内造一条流水线，无需申请空间，所以创建开销小）

3.开启线程的两种方式

• 方式一：函数

• #-*- coding:utf-8 -*-
  from threading import Thread
  import time
  import os
  def sayhi(name):
      time.sleep(2)
      print("%s say hello"%name)
  if __name__ == "__main__":
      t = Thread(target=sayhi,args=('egon',))
      t.start()
      print("主")

• 方式二：类

• class SayHi(Thread):
      def __init__(self,name):
          super().__init__()
          self.name = name
      def run(self):
          print("%s say hello" % self.name)
          print("线程pid：",os.getpid())
  if __name__ =="__main__":
      t1 = SayHi("egon")
      t2 = SayHi("alex")
      t1.start()
      t2.start()
      print("主进程pid：",os.getpid())

4.多线程与多进程的区别

•  开启速度：线程快于进程
• pid：同一进程下不同线程的pid是相同的，进程之间的pid是不同的
• 内存：进程之间内存地址空间是隔离的，而同一进程内开启的多个线程是共享该进程内存地址空间的

 5.Thread对象的其他属性或方法

• Thread实例对象的方法
  • isAlive()：返回线程是否活动的
  • getName()：返回线程名
  • setName()：设置线程名
• threading模块提供的一些方法
  • threading.currentThread()：返回当前的线程变量
  • threading.enumerate()：返回一个包含正在运行的线程的list。正在运行指线程启动后、结束前，不包括启动前后终止后的线程
  • threading.activeCount()：返回正在运行的线程数量，与len(threading.enumerate())有相同的结果

• #-*- coding:utf-8 -*-
  from threading import Thread
  import time
  import threading
  import os
  
  def sayhi(name):
      time.sleep(2)
      print("%s say hello"%name)
      print(threading.current_thread().getName())#Thread-1
  if __name__ == "__main__":
      t = Thread(target=sayhi,args=('egon',))
      t.start()
      print(threading.current_thread().getName())#MainThread
      print(threading.current_thread())#<_MainThread(MainThread, started 8308)>
      print(threading.enumerate())#[<_MainThread(MainThread, started 9072)>, <Thread(Thread-1, started 7052)>]
      print(threading.active_count())#2
      print(t.is_alive())#True
      t.join()
      print('主线程/主进程')
      print(t.is_alive())#False

5.守护线程

• 无论是进程还是线程，都遵循：守护xxx会等待主xxx运行完毕后被销毁
  • 强调：运行完毕并非终止运行
  • 对于主进程来说，运行完毕指的是主进程代码运行完毕
  • 对于主线程来说，运行完毕指的是主线程所在进程内所有非守护线程统统运行完毕，主线程才算运行完毕
• 守护线程：在同一进程内，其他非守护线程运行完毕后才算运行完毕，此时守护线程被回收

• #-*- coding:utf-8 -*-
  from threading import Thread
  import time
  
  def walk():
      print("start123")
      time.sleep(1)
      print("end123")
  def run():
      print("start456")
      time.sleep(3)
      print("end456")
  if __name__ == "__main__":
      t1 = Thread(target=walk)
      t2 = Thread(target=run)
      t1.daemon = True
      t1.start()
      t2.start()
      print("主")
  
  
  #start123
  #start456
  #主
  #end123
  #end456

• #-*- coding:utf-8 -*-
  from threading import Thread
  import time
  
  def walk():
      print("start123")
      time.sleep(3)
      print("end123")
  def run():
      print("start456")
      time.sleep(1)
      print("end456")
  if __name__ == "__main__":
      t1 = Thread(target=walk)
      t2 = Thread(target=run)
      t1.daemon = True
      t1.start()
      t2.start()
      print("主")
  #start123
  #start456
  #主
  #end456

6.GIL全局解释器锁

• 本质上也是互斥锁
• 保护不同的数据应该加不同的锁，GIL是解释器级别的（当然保护的就是解释器级别的数据，比如垃圾回收的数据）；lock是保护用户自己开发的应用程序的数据，很明显GIL不负责这件事，只能用户自己加锁定义
• 有了GIL的存在，同一时刻同一进程中只能有一个线程被执行
• GIL与多线程
  • ·对于计算来说，CPU越多越好，但是对于I/O来说，再多的CPU也没用
  • 对于单核计算机来说，常采用开启一个进程，多个线程的方案
  • 对于多核计算机来说，如果任务是计算密集型，多核意味着并行计算，多进程方案更优；如果任务是I/O密集型，则多线程方案更优
  • 多线程用于IO密集型，如socket，爬虫，web
  • 多进程用于计算密集型，如金融分析

  • #-*- coding:utf-8 -*-
    from multiprocessing import Process
    from threading import Thread
    import os
    import time
    def work():
        time.sleep(2)
        print("===>")
    if __name__ == "__main__":
        l_p = []
        print(os.cpu_count())
        start = time.time()
        for i in range(400):
            # p = Process(target=work)#耗时时间长
            p = Thread(target=work)#耗时时间短
            l_p.append(p)
            p.start()
        for p in l_p:
            p.join()
        stop = time.time()
        print("run time is %s"%(stop-start))

    #-*- coding:utf-8 -*-
    from multiprocessing import Process
    from threading import Thread
    import os
    import time
    def work():
        res = 0
        for i in range(100000000):
            res*=1
    if __name__ == "__main__":
        l_p = []
        print(os.cpu_count())
        start = time.time()
        for i in range(4):
            # p = Process(target=work)#耗时时间短
            p = Thread(target=work)#耗时时间长
            l_p.append(p)
            p.start()
        for p in l_p:
            p.join()
        stop = time.time()
        print("run time is %s"%(stop-start))

7.死锁现象与递归锁RLOCK

• 死锁现象
  •  是指两个或两个以上的进程或线程在执行过程中，因争夺资源而造成的一种互相等待的现象，若无外力作用，它们都将无法推进下去。此时称系统处于死锁状态或系统产生了死锁，这些永远在互相等待的进程称为死锁进程，如下就是死锁

  • # -*- coding:utf-8 -*-
    from threading import Thread, Lock
    import time
    
    mutexA = Lock()
    mutexB = Lock()
    
    
    class MyThread(Thread):
        def run(self):
            self.func1()
            self.func2()
    
        def func1(self):
            mutexA.acquire()
            print('33[41m%s 拿到A锁33[0m' % self.name)
            mutexB.acquire()
            print('33[42m%s 拿到B锁33[0m' % self.name)
            mutexB.release()
            mutexA.release()
        def func2(self):
            mutexB.acquire()
            print('33[43m%s 拿到B锁33[0m' % self.name)
            time.sleep(2)
            mutexA.acquire()
            print('33[44m%s 拿到A锁33[0m' % self.name)
            mutexA.release()
            mutexB.release()
    if __name__ == "__main__":
        for i in range(10):
            t = MyThread()
            t.start()

• 递归锁
  • 递归锁RLOCK用于解决死锁现象
  • 这个RLock内部维护着一个Lock和一个counter变量，counter记录了acquire的次数，从而使得资源可以被多次require。直到一个线程所有的acquire都被release，其他的线程才能获得资源。上面的例子如果使用RLock代替Lock，则不会发生死锁，
  • 二者的区别
    • 递归锁可以连续acquire多次，
    • 互斥锁只能acquire一次

  • # -*- coding:utf-8 -*-
    from threading import Thread, Lock, RLock
    import time
    
    mutexA = mutexB = RLock()
    
    
    class MyThread(Thread):
        def run(self):
            self.func1()
            self.func2()
    
        def func1(self):
            mutexA.acquire()
            print('33[41m%s 拿到A锁33[0m' % self.name)
            mutexB.acquire()
            print('33[42m%s 拿到B锁33[0m' % self.name)
            mutexB.release()
            mutexA.release()
    
        def func2(self):
            mutexB.acquire()
            print('33[43m%s 拿到B锁33[0m' % self.name)
            time.sleep(2)
            mutexA.acquire()
            print('33[44m%s 拿到A锁33[0m' % self.name)
            mutexA.release()
            mutexB.release()
    
    
    if __name__ == "__main__":
        for i in range(10):
            t = MyThread()
            t.start()

8.信号量

• 信号量也是一把锁，可以指定信号量为5，对比互斥锁同一时间只能有一个任务抢到锁去执行，信号量同一时间可以有5个任务拿到锁去执行，如果说互斥锁是合租房屋的人去抢一个厕所，那么信号量就相当于一群路人争抢公共厕所，公共厕所有多个坑位，这意味着同一时间可以有多个人上公共厕所，但公共厕所容纳的人数是一定的，这便是信号量的大小

• #-*- coding:utf-8 -*-
  from threading import Thread,Semaphore
  import threading
  import time
  def func():
      sm.acquire()
      print('%s get sm' % threading.current_thread().getName())
      time.sleep(3)
      sm.release()
  if __name__ == "__main__":
      sm = Semaphore(5)
      for i in range(23):
          t = Thread(target=func)
          t.start()

• Semaphore管理一个内置的计数器，
  每当调用acquire()时内置计数器-1；
  调用release() 时内置计数器+1；
  计数器不能小于0；当计数器为0时，acquire()将阻塞线程直到其他线程调用release()。

9.event

• 线程的一个关键特性是每个线程都是独立运行且状态不可预测。如果程序中的其 他线程需要通过判断某个线程的状态来确定自己下一步的操作,这时线程同步问题就会变得非常棘手。为了解决这些问题,我们需要使用threading库中的Event对象。 对象包含一个可由线程设置的信号标志,它允许线程等待某些事件的发生。在 初始情况下,Event对象中的信号标志被设置为假。如果有线程等待一个Event对象, 而这个Event对象的标志为假,那么这个线程将会被一直阻塞直至该标志为真。一个线程如果将一个Event对象的信号标志设置为真,它将唤醒所有等待这个Event对象的线程。如果一个线程等待一个已经被设置为真的Event对象,那么它将忽略这个事件, 继续执行。

• from threading import Event
  
  event.isSet()：返回event的状态值；
  
  event.wait()：如果 event.isSet()==False将阻塞线程；
  
  event.set()： 设置event的状态值为True，所有阻塞池的线程激活进入就绪状态， 等待操作系统调度；
  
  event.clear()：恢复event的状态值为False。

  def conn_mysql():
      count = 1
      while not event.is_set():
          if count > 3:
              print("%s try too many times " % threading.currentThread().getName())
              return
          print('<%s>第%s次尝试链接'%(threading.current_thread().getName(),count))
          event.wait(0.5)
          count += 1
      print('<%s>链接成功' % threading.current_thread().getName())
  
  def check_mysql():
      print('33[45m[%s]正在检查mysql33[0m' % threading.current_thread().getName())
      time.sleep(random.randint(2,4))
      event.set()
  
  if __name__ == "__main__":
      event = Event()
      conn1 = Thread(target=conn_mysql)
      conn2 = Thread(target=conn_mysql)
      conn3 = Thread(target=conn_mysql)
      check = Thread(target=check_mysql)
  
      conn1.start()
      conn2.start()
      conn3.start()
      check.start()

10.定时器

• 指定n秒后执行某操作

• def hello():
      print("hello,world!")
  
  t = Timer(2,hello)
  t.start() # after 2 seconds, "hello, world" will be printed

• # -*- coding:utf-8 -*-
  from threading import Timer
  import random
  
  
  class Code(object):
      def __init__(self):
          self.make_cache()
  
      def make_cache(self, interval=5):
          self.cache = self.make_code()
          print(self.cache)
          self.t = Timer(interval, self.make_cache)
          self.t.start()
  
      def make_code(self, n=4):
          res = ""
          for i in range(n):
              s1 = str(random.randint(0, 9))
              s2 = chr(random.randint(65, 90))
              res += random.choice([s1, s2])
          return res
  
      def check(self):
          while True:
              code = input("请输入验证码>>:").strip()
              if code.upper() == self.cache:
                  print("验证码输入正确")
                  self.t.cancel()
                  break
  
  if __name__ == "__main__":
      obj = Code()
      obj.check()

.11.线程queue

• #-*- coding:utf-8 -*-
  import queue
  q = queue.Queue(3)
  q.put(1)
  q.put(2)
  q.put(3)
  # q.put(4)#阻塞
  # q.put(4,block=False)#抛出异常
  # q.put(4,block=True,timeout=3)  #3s阻塞后，抛出异常
  
  q.get()
  q.get()
  q.get()
  # q.get()#阻塞
  # q.get(block=False)#抛出异常
  # q.get_nowait()#抛出异常,和上一条等价
  q.get(block=True,timeout=3)#3s阻塞后，抛出异常

• #堆栈，先进后出
  import queue
  q = queue.LifoQueue()
  q.put('first')
  q.put('second')
  q.put('third')
  print(q.get())#third
  print(q.get())#second
  print(q.get())#first

• #优先级队列
  import queue
  q = queue.PriorityQueue()
  #put进入一个元组,元组的第一个元素是优先级(通常是数字,也可以是非数字之间的比较),数字越小优先级越高
  q.put((20,'a'))
  q.put((10,'b'))
  q.put((30,'c'))
  
  print(q.get())
  print(q.get())
  print(q.get())
  
  # 结果(数字越小优先级越高,优先级高的优先出队):
  # (10, 'b')
  # (20, 'a')
  # (30, 'c')

• 多线程套接字通信

• #-*- coding:utf-8 -*-
  import socket
  from threading import Thread
  from concurrent.futures import ThreadPoolExecutor
  
  def communicate(conn):
      while True:
          try:
              data = conn.recv(1024)
              if not data:break
              conn.send(data.upper())
          except ConnectionResetError:
              break
      conn.close()
  
  
  def server(server_ip,port):
      server = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
      server.bind((server_ip, port))
      server.listen(5)
      while True:
          conn, client_addr = server.accept()
          # t = Thread(target=communicate,args=(conn,))
          # t.start()
          pool.submit(communicate,conn)
      server.close()
  
  if __name__ == "__main__":
      pool = ThreadPoolExecutor(2)
      server_ip = socket.gethostbyname(socket.gethostname())
      port = 8080
      server(server_ip, port)

  #-*- coding:utf-8 -*-
  import socket
  server_ip = socket.gethostbyname(socket.gethostname())
  client = socket.socket(socket.AF_INET,socket.SOCK_STREAM)
  client.connect((server_ip,8080))
  while True:
      msg = input(">>:").strip()
      if not msg:continue
      client.send(msg.encode("utf-8"))
      data = client.recv(1024)
      print(data.decode("utf-8"))
  client.close()

12.线程池与进程池

• concurrent.futures模块提供了高度封装的异步调用接口
  ThreadPoolExecutor：线程池，提供异步调用
  ProcessPoolExecutor: 进程池，提供异步调用
  Both implement the same interface, which is defined by the abstract Executor class.

  1、submit(fn, *args, **kwargs)
  异步提交任务
  
  2、map(func, *iterables, timeout=None, chunksize=1) 
  取代for循环submit的操作
  
  3、shutdown(wait=True) 
  相当于进程池的pool.close()+pool.join()操作
  wait=True，等待池内所有任务执行完毕回收完资源后才继续
  wait=False，立即返回，并不会等待池内的任务执行完毕
  但不管wait参数为何值，整个程序都会等到所有任务执行完毕
  submit和map必须在shutdown之前
  
  4、result(timeout=None)
  取得结果
  
  5、add_done_callback(fn)
  回调函数

• #-*- coding:utf-8 -*-
  from threading import Thread,currentThread
  from multiprocessing import Process
  from concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor
  import os
  import time
  import random
  def task(name):
      print("name:%s  pid:%s"%(name,os.getpid()))
      # print("name:%s  pid:%s"%(name,currentThread().getName()))
      time.sleep(random.randint(1,3))
  if __name__ == "__main__":
      pool = ProcessPoolExecutor(5)
      # pool = ThreadPoolExecutor(5)
      for i in range(10):
          pool.submit(task,i)
      pool.shutdown(wait=True)
      print("主")

• map函数

• # -*- coding:utf-8 -*-
  import os
  import random
  import time
  from concurrent.futures import ThreadPoolExecutor,ProcessPoolExecutor
  
  
  def task(n):
      print('%s is running' % os.getpid())
      time.sleep(random.randint(1, 3))
      return n ** 2
  
  
  if __name__ == "__main__":
      executor = ProcessPoolExecutor(max_workers=3)
      # for i in range(11):
      #     executor.submit(task,i)
      executor.map(task,range(1,12))#map取代了for+submit

• 回调函数
  • 可以为进程池或线程池内的每个进程或线程绑定一个函数，该函数在进程或线程的任务执行完毕后自动触发，并接收任务的返回值当作参数，该函数称为回调函数

• #-*- coding:utf-8 -*-
  import requests
  import time
  from concurrent.futures import ThreadPoolExecutor
  def get(url):
      response = requests.get(url)
      time.sleep(3)
      return {"url":url,"content":response.text}
  def parse(res):
      res = res.result()
      print("%s parse res is %s"%(res["url"],len(res["content"])))
  if __name__=="__main__":
      urls = [
          "http://www.woshipm.com/rp/415309.html",
          "https://www.python.org",
          "http://blog.csdn.net/shanzhizi/article/details/50903748",
      ]
      pool = ThreadPoolExecutor(2)
      for url in urls:
          pool.submit(get,url).add_done_callback(parse)
      pool.shutdown()
      print("主")