一、验证GIL锁的存在方式
GIL锁：全局解释器锁
GIL锁作用：因为垃圾回收线程不是线程安全的，所有线程必须拿到这把锁，才能执行
from threading import Thread from multiprocessing import Process def task(): while True: pass if __name__ == '__main__': for i in range(6): # t=Thread(target=task) # 因为有GIL锁，同一时刻，只有一条线程执行，所以cpu不会满 t=Process(target=task) # 由于是多进程，进程中的线程会被cpu调度执行，6个cpu全在工作，就会跑满 t.start()
二、GIL与普通互斥锁的区别
区别：GIL锁是不能保证数据的安全，普通互斥锁来保证数据安全
from threading import Thread, Lock import time mutex = Lock() money = 100 def task(): global money mutex.acquire() temp = money time.sleep(1) money = temp - 1 mutex.release() if __name__ == '__main__': ll=[] for i in range(10): t = Thread(target=task) t.start() # t.join() # 会怎么样？变成了串行，不能这么做 ll.append(t) for t in ll: t.join() print(money)
三、io密集型和计算密集型
-----以下只针对于cpython解释器
-在单核情况下：
-开多线程还是开多进程？不管干什么都是开线程
-在多核情况下：
-如果是计算密集型，需要开进程，能被多个cpu调度执行
-如果是io密集型，需要开线程，cpu遇到io会切换到其他线程执行
from threading import Thread from multiprocessing import Process import time # 计算密集型 def task(): count = 0 for i in range(100000000): count += i if __name__ == '__main__': ctime = time.time() ll = [] for i in range(10): t = Thread(target=task) # 开线程：42.68658709526062 # t = Process(target=task) # 开进程：9.04949426651001 t.start() ll.append(t) for t in ll: t.join() print(time.time()-ctime) ## io密集型 def task(): time.sleep(2) if __name__ == '__main__': ctime = time.time() ll = [] for i in range(400): t = Thread(target=task) # 开线程：2.0559656620025635 # t = Process(target=task) # 开进程：9.506720781326294 t.start() ll.append(t) for t in ll: t.join() print(time.time()-ctime)
四、死锁现象（哲学家就餐问题）
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
死锁现象：
（1）A线程拿到了A锁，等B锁，B线程拿到了B锁，等A锁，相互等待，永远等下去；
（2）A线程拿到了A锁，再去拿A锁
from threading import Thread, Lock import time mutexA = Lock() mutexB = Lock() def eat_apple(name): mutexA.acquire() print('%s 获取到了a锁' % name) mutexB.acquire() print('%s 获取到了b锁' % name) print('开始吃苹果，并且吃完了') mutexB.release() print('%s 释放了b锁' % name) mutexA.release() print('%s 释放了a锁' % name) def eat_egg(name): mutexB.acquire() print('%s 获取到了b锁' % name) time.sleep(2) mutexA.acquire() print('%s 获取到了a锁' % name) print('开始吃鸡蛋，并且吃完了') mutexA.release() print('%s 释放了a锁' % name) mutexB.release() print('%s 释放了b锁' % name) if __name__ == '__main__': ll = ['egon', 'alex', '铁蛋'] for name in ll: t1 = Thread(target=eat_apple, args=(name,)) t2 = Thread(target=eat_egg, args=(name,)) t1.start() t2.start()
解决方式：
递归锁
递归锁(可重入锁)，当前线程可以多次acquire锁，每acquire一次，内部计数器加1，每relaese一次，内部计数器减一
只有计数器不为0，其他人都不获得这把锁
from threading import Thread, Lock,RLock import time # 同一把锁 # mutexA = Lock() # mutexB = mutexA # 使用可重入锁解决（同一把锁） # mutexA = RLock() # mutexB = mutexA mutexA = mutexB =RLock() def eat_apple(name): mutexA.acquire() print('%s 获取到了a锁' % name) mutexB.acquire() print('%s 获取到了b锁' % name) print('开始吃苹果，并且吃完了') mutexB.release() print('%s 释放了b锁' % name) mutexA.release() print('%s 释放了a锁' % name) def eat_egg(name): mutexB.acquire() print('%s 获取到了b锁' % name) time.sleep(2) mutexA.acquire() print('%s 获取到了a锁' % name) print('开始吃鸡蛋，并且吃完了') mutexA.release() print('%s 释放了a锁' % name) mutexB.release() print('%s 释放了b锁' % name) if __name__ == '__main__': ll = ['egon', 'alex', '铁蛋'] for name in ll: t1 = Thread(target=eat_apple, args=(name,)) t2 = Thread(target=eat_egg, args=(name,)) t1.start() t2.start()
五、Semaphore信号量
Semaphore:信号量可以理解为多把锁，允许多条线程同时修改数据
from threading import Thread,Semaphore import time import random sm=Semaphore(3) # 数字表示可以同时有多少个线程操作 def task(name): sm.acquire() print('%s 正在蹲坑'%name) time.sleep(random.randint(1,5)) sm.release() if __name__ == '__main__': for i in range(20): t=Thread(target=task,args=('屌丝男%s号'%i,)) t.start()
六、Event事件
一些线程需要等到其他线程执行完成之后才能执行，类似于发射信号
比如一个线程等待另一个线程执行结束再继续执行
event.set() 发信号
event.wait()阻塞等待信号，只要收到set信号，就会继续往下执行
from threading import Thread, Event import time event = Event() def girl(name): print('%s 现在不单身，正在谈恋爱'%name) time.sleep(10) print('%s 分手了，给屌丝男发了信号'%name) event.set()#发信号 def boy(name): print('%s 在等着女孩分手'%name) event.wait() # 阻塞等信号，只要收到set信号，就会继续往下执行。只要没来信号，就卡在者 print('女孩分手了，机会来了，冲啊') if __name__ == '__main__': lyf = Thread(target=girl, args=('刘亦菲',)) lyf.start() for i in range(10): b = Thread(target=boy, args=('屌丝男%s号' % i,)) b.start()
案例：
起两个线程，第一个线程读文件的前半部分，读完发一个信号，另一个进程读后半部分，并打印
from threading import Thread, Event import time import os event = Event() # 获取文件总大小 size = os.path.getsize('a.txt') def read_first(): with open('a.txt', 'r', encoding='utf-8') as f: n = size // 2 # 取文件一半，整除 data = f.read(n) print(data) print('我一半读完了，发了个信号') event.set() def read_last(): event.wait() # 等着发信号 with open('a.txt', 'r', encoding='utf-8') as f: n = size // 2 # 取文件一半，整除 # 光标从文件开头开始，移动了n个字节，移动到文件一半 f.seek(n, 0) data = f.read() print(data) if __name__ == '__main__': t1=Thread(target=read_first) t1.start() t2=Thread(target=read_last) t2.start()
七、线程queue
1、进程queue和线程不是一个
进程queue：
from multiprocessing import Queue
线程queue：
from queue import Queue,LifoQueue,PriorityQueue
2、不同线程数据交互（线程间通信）的两种方式：
（1）共享变量：因为会出现数据不安全问题，所以不同线程修改同一份数据要加锁（互斥锁）
（2）用线程queue通信：不需要考虑数据安全问题（queue是线程安全的）不需要加锁，内部自带
3、三种线程Queue
-Queue:队列，先进先出
-PriorityQueue：优先级队列，谁小谁先出
-LifoQueue：栈，后进后出
#1 Quenue使用 q=Queue(5) #放值 q.put("lqz") q.put("egon") q.put("铁蛋") q.put("钢弹") q.put("金蛋") # q.put("银蛋") # q.put_nowait("银蛋") # 取值 print(q.get()) print(q.get()) print(q.get()) print(q.get()) print(q.get()) # 卡住 # print(q.get()) # q.get_nowait() # 是否满，是否空 print(q.full()) print(q.empty()) #2 LifoQueue使用 q=LifoQueue(5) q.put("lqz") q.put("egon") q.put("铁蛋") q.put("钢弹") q.put("金蛋") # q.put("ddd蛋") print(q.get()) #3 PriorityQueue使用 #PriorityQueue:数字越小，级别越高 q=PriorityQueue(3) q.put((-10,'金蛋')) q.put((100,'银蛋')) q.put((101,'铁蛋')) # q.put((1010,'铁dd蛋')) # 不能再放了 print(q.get()) print(q.get()) print(q.get())
八、通过多进程，实现TCP服务端支持多个客户端连接(并发)
#服务端 from multiprocessing import Process import socket def task(conn): while True: try: data = conn.recv(1024) if len(data) == 0: break print(data) conn.send(data.upper()) except Exception as e: print(e) break conn.close() if __name__ == '__main__': server = socket.socket() server.bind(('127.0.0.1', 8081)) server.listen(5) # 多线程，或者多进程 while True: # 连接循环 conn, addr = server.accept() # 多用户的服务端 t=Process(target=task,args=(conn,)) t.start() ### 单用户的服务端 # while True: # try: # data = conn.recv(1024) # if len(data) == 0: break # print(data) # conn.send(data.upper()) # except Exception as e: # print(e) # break # conn.close()
#客户端 import socket import time cli=socket.socket() cli.connect(('127.0.0.1',8081)) while True: cli.send(b'hello world') time.sleep(0.1) data=cli.recv(1024) print(data)
九、线程池&进程池
池：池子，用来做缓冲
1、为什么会出现池？不管是开进程还是开线程，不能无限制开，通过池，假设池子里就有10个，不管再怎么开，永远是这10个
2、使用（需要记住）
from concurrent.futures import ThreadPoolExecutor
pool = ThreadPoolExecutor(2)
pool.submit(函数名，参数1，参数2...).add_done_callback(call_back回调函数)
#函数执行完的数据如何给回调函数？
回调函数会接收一个f对象，对象中有要的数据（函数的return结果），f.result()
from concurrent.futures import ThreadPoolExecutor, ProcessPoolExecutor from threading import Thread import time import random pool = ThreadPoolExecutor(5) # 数字是池的大小 # pool = ProcessPoolExecutor(5) # 数字是池的大小 def task(name): print('%s任务开始' % name) time.sleep(random.randint(1, 4)) print('任务结束') return '%s 返回了'%name def call_back(f): # print(type(f)) print(f.result()) if __name__ == '__main__': # ll=[] # for i in range(10): # 起了100个线程 # # t=Thread(target=task) # # t.start() # res = pool.submit(task, '屌丝男%s号' % i) # 不需要再写在args中了 # # res是Future对象 # # from concurrent.futures._base import Future # # print(type(res)) # # print(res.result()) # 像join,只要执行result，就会等着结果回来，就变成串行了 # ll.append(res) # # for res in ll: # print(res.result()) # 终极使用 for i in range(10): # 起了100个线程 # 向线程池中提交一个任务，等任务执行完成，自动回到到call_back函数执行 pool.submit(task,'屌丝男%s号' % i).add_done_callback(call_back)
线程池和进程池的shutdown（二者用法一样）
#主线程等待所有任务执行完成
from concurrent.futures import ThreadPoolExecutor import time pool = ThreadPoolExecutor(3) def task(name): print('%s 开始'%name) time.sleep(1) print('%s 结束'%name) if __name__ == '__main__': for i in range(20): pool.submit(task, '屌丝%s' % i) # 放到for外面，等待所有任务执行完成，主线程再继续走 pool.shutdown(wait=True) # 等待所有任务完成，并且把池关闭 # 问题，关了还能提交任务吗？不能再提交了 # pool.submit(task,'sdddd')#如果关闭后提交数据会报错 print('主') # 立马执行，20个线程都执行完了，再执行
线程池案例：
爬网站
from concurrent.futures import ThreadPoolExecutor import requests # 爬虫会学到的模块 pool = ThreadPoolExecutor(2) def get_pages(url): # https://www.baidu.com res = requests.get(url) # 向这个地址发送请求 name = url.rsplit('/')[-1] + '.html' print(name) # www.baidu.com.html # res.content拿到页面的二进制 return {'name': name, 'text': res.content} def call_back(f): dic = f.result() with open(dic['name'], 'wb') as f: f.write(dic['text']) if __name__ == '__main__': ll = ['https://www.baidu.com', 'https://www.mzitu.com', 'https://www.cnblogs.com'] for url in ll: pool.submit(get_pages, url).add_done_callback(call_back)
十、
---39----