一。GIL
什么是GIL？
GIL是一个全局排他锁，简单来说就是为了防止多线程并行操作的锁。这里有官方解释：
In CPython, the global interpreter lock, or GIL, is a mutex that prevents multiple native threads from executing Python bytecodes at once. This lock is necessary mainly because CPython’s memory management is not thread-safe. (However, since the GIL exists, other features have grown to depend on the guarantees that it enforces.) 在cpython中，全局解释器锁（gil）是一个互斥体，它可以防止多个本 机线程同时执行python字节码。这个锁是必要的，主要是因为cpython 的内存管理不是线程安全的。（然而，由于gil存在，其他特性也越来越 依赖于它所执行的保证。）
GIL的存在是因为CPython解释器的内存管理不是线程安全的
在一个进程中有多个线程，多个线程之间如果可以并行会是什么样子？以垃圾回收机制为例。
垃圾回收机制也是一种线程，在解释器中，每创建一个程序就会加载一次解释器。
如果python中没有GIL的话就可能出现一种情况，当线程a在运行时创建了一个名称a，而立刻运行了垃圾回收机制，垃圾回收机制就立刻把那个名称a给回收了等到再次运行线程a时，会出现名称空间丢失的情况，
这是不被允许的。所以GIL就是为了使得所有线程都是串行运行，但是这样会大大降低运行的效率。而且没有了多核优势，但是保证了数据的安全性。
事实上，GIL并不是python的特点，他是所有解释性语言的通病，在python的编译器中有很多有GIL的编译器。
那么，是不是意味着有了GIL就可以不用其他锁了呢。答案显然是否定的，
from threading import Thread import time n = 100 def task(): global n tmp = n # time.sleep(1) n = tmp -1 t_list = [] for i in range(100): t = Thread(target=task) t.start() t_list.append(t) for t in t_list: t.join() print(n)
在线程中有io操作，使得其他线程有了抢锁的时间，导致最后的结果不是0，所有还是要根据不同数据添加不同的锁。
二。多线程的作用。
从当前来看，多进程可以支持并行操作，在当下多核处理器为主流的情况下是不是就不需要多线程了呢。
这要从各个进程/线程的计算密集度与io密集度情况分析。
计算密集型：
from multiprocessing import Process from threading import Thread import os,time def work(): res=0 for i in range(100000000): res*=i if __name__ == '__main__': l=[] print(os.cpu_count()) # 本机为6核 start=time.time() for i in range(6): # p=Process(target=work) #耗时 4.732933044433594 p=Thread(target=work) #耗时 22.83087730407715 l.append(p) p.start() for p in l: p.join() stop=time.time() print('run time is %s' %(stop-start))
io密集型
def work(): time.sleep(2) if __name__ == '__main__': l=[] print(os.cpu_count()) #本机为6核 start=time.time() for i in range(40): p=Process(target=work) #耗时9.001083612442017s多,大部分时间耗费在创建进程上 # p=Thread(target=work) #耗时2.051966667175293s多 l.append(p) p.start() for p in l: p.join() stop=time.time() print('run time is %s' %(stop-start))
从这就可以看出如果是计算密集型的就是使用进程比较有优势，因为可以多核计算，然而就io密集型的就是要线程居多，毕竟cpu利用率高还需要创建大量的进程，比较耗时间。
二。死锁：
死锁就是在并发进程中因为争夺系统资源而产生相互等待的现象。
四个必要条件：
1。互斥。
2.占有并等待
3.不可抢占
4.循环等待
例子：
class MyThread(Thread): def run(self): # 创建线程自动触发run方法 run方法内调用func1 func2相当于也是自动触发 self.func1() self.func2() def func1(self): mutexA.acquire() print('%s抢到了A锁'%self.name) # self.name等价于current_thread().name mutexB.acquire() print('%s抢到了B锁'%self.name) mutexB.release() print('%s释放了B锁'%self.name) mutexA.release() print('%s释放了A锁'%self.name) def func2(self): mutexB.acquire() print('%s抢到了B锁'%self.name) time.sleep(1) mutexA.acquire() print('%s抢到了A锁' % self.name) mutexA.release() print('%s释放了A锁' % self.name) mutexB.release() print('%s释放了B锁' % self.name) for i in range(10): t = MyThread() t.start()
定义一个自己的线程类，其中run方法在运行是，需要经过两个锁的过程，当10个线程先后执行时，第一个获取ab锁的人在获取b锁后再获取a锁，会发现锁被其他线程给站住了，双方互相站住了对方所需要的资源，而自己这边也有对方需要的资源，这样就形成了死锁。
不要轻易的处理死锁的问题。
递归锁。
在python中有递归锁的概念。递归锁是一个可以连续使用的锁，Rlock可以被第一个抢到锁的人连续的acquire和release
每acquire一次锁身上的计数加1
每release一次锁身上的计数减1
只要锁的计数不为0 其他人都不能抢
mutexA = mutexB = RLock()# A B现在是同一把锁 class MyThread(Thread): def run(self): # 创建线程自动触发run方法 run方法内调用func1 func2相当于也是自动触发 self.func1() self.func2() def func1(self): mutexA.acquire() print('%s抢到了A锁'%self.name) # self.name等价于current_thread().name mutexB.acquire() print('%s抢到了B锁'%self.name) mutexB.release() print('%s释放了B锁'%self.name) mutexA.release() print('%s释放了A锁'%self.name) def func2(self): mutexB.acquire() print('%s抢到了B锁'%self.name) time.sleep(1) mutexA.acquire() print('%s抢到了A锁' % self.name) mutexA.release() print('%s释放了A锁' % self.name) mutexB.release() print('%s释放了B锁' % self.name) for i in range(10): t = MyThread() t.start()
三。信号量
信号量是一个为线程或进程服务的概念，设置一个指定数量的占位，就是最多可以容纳该数的进程或线程执行，当其被占满时，就会处于等待的状态，每个进程或线程在运行时都会执行锁操作，运行结束执行释放锁操作。例子：
from threading import Semaphore,Thread import time import random sm = Semaphore(5) # 造了一个含有五个的坑位的公共厕所 def task(name): sm.acquire() print('%s占了一个坑位'%name) time.sleep(random.randint(1,3)) sm.release() for i in range(40): t = Thread(target=task,args=(i,)) t.start()
四。event事件
正常情况下使用join方法可以实现主程序等待子程序的功能，但是event可以实现子进程等子进程的功能。
from threading import Event,Thread import time # 先生成一个event对象 e = Event() def light(): print('红灯正亮着') time.sleep(3) e.set() # 发信号 print('绿灯亮了') def car(name): print('%s正在等红灯'%name) e.wait() # 等待信号 print('%s加油门飙车了'%name) t = Thread(target=light) t.start() for i in range(10): t = Thread(target=car,args=('伞兵%s'%i,)) t.start()
五。线程q
同一个进程下的多个线程本来就是数据共享 为什么还要用队列
因为队列是管道+锁 使用队列你就不需要自己手动操作锁的问题.
锁操作的不好极容易产生死锁现象.
queue.Queue() ,先进先出的队列
queue.LifoQueue(),先进后出的队列（栈）
queue.PriorityQueue(),可以设置优先级的队列，优先级数字越低，就越先被拿出
import queue # q = queue.Queue() # q.put('hahha') # print(q.get()) # q = queue.LifoQueue() # q.put(1) # q.put(2) # q.put(3) # print(q.get()) q = queue.PriorityQueue() # # 数字越小 优先级越高 q.put((10,'haha')) q.put((100,'hehehe')) q.put((0,'xxxx')) q.put((-10,'yyyy')) print(q.get())
补充
不使用socketserver实现TCP并发。
思路：使用多线程，讲链接conn当成参数传给线程，多线程可以使其链接多个客户端
import socket client = socket.socket() client.connect(('127.0.0.1',8080)) while True: msg = input('>>>').encode('utf-8') client.send(msg) recv_msg = client.recv(1024) print(recv_msg)
import socket from threading import Thread server = socket.socket() server.bind(('127.0.0.1',8080)) server.listen(5) def talk(conn): while True: try: msg = conn.recv(1024) return_s = msg conn.send(return_s) except ConnectionResetError: print('断开链接') break conn.close() while True: conn,addr = server.accept() t = Thread(target=talk,args=(conn,)) t.start()
在cpython中，全局解释器锁（gil）是一个互斥体，它可以防止多个本机线程同时执行python字节码。这个锁是必要的，主要是因为cpython的内存管理不是线程安全的。（然而，由于gil存在，其他特性也越来越依赖于它所执行的保证。）