线程进程

threading

import threading
import time
lock = threading.RLock()
def process(arg):
    lock.acquire()
    print(arg)
    time.sleep(5)
    print("ok")
    lock.release()
# for i in range(0,10):
#     process(i)
for i in range(0,10):
    t = threading.Thread(target=process,args=(i,))
    t.setDaemon(True)#设置主线程是否等待子线程执行完成，默认等
    t.start()
    t.join(2)#等待线程执行完成，最大等2s,setdaemon后叠加成20s

event

import threading
def do(event):
    print("1")
    event.wait()
    print("2")
event_obj = threading.Event()
for i in range(1,5):
    t = threading.Thread(target=do,args=(event_obj,))
    t.start()
#阻塞线程
input("")
event_obj.set()#

lock

import threading
import time
number = 0
lock = threading.RLock()

def func():
    global number
    lock.acquire()#获得锁
    number += 1
    time.sleep(0.5)
    # print(i)
    print(number)
    # i+=1
    lock.release()#释放锁

for i in range(0,10):
    t = threading.Thread(target=func)#,args=(i)
    t.start()
# 函数里面加中括号就表示是可选的（[]）

multiprocessing

import multiprocessing
def f(name):
    print(name)
if __name__ == '__main__':
    m = multiprocessing.Process(target=f,args=("tom",))
    m.start()

总结

#进程
#   优点：同时利用多个CPU，能够同时进行多个操作
#   缺点：耗费资源（重新开辟内存空间）
#线程
#   优点：共享内存，IO操作时，创造并发操作
#   缺点：抢占资源
#进程不是越多越好，cpu个数=进程个数
#线程也不是越多越好，具体案例具体分析，请求上下文切换耗时

#GIL 》全局解释器锁
#计算机中执行任务的最小单元：线程
#IO操作不利用CPU
#IO密集型（不用CPU）：多线程
#计算密集型（用CPU）：多进程
# 进程和线程的目的：提高执行效率
# 1.单进程单线程