线程锁、threading.local（flask源码中用的到）、线程池、生产者消费者模型

一、线程锁

　　线程安全，多线程操作时，内部会让所有线程排队处理。如：list/dict/Queue

　　线程不安全 + 人（锁） => 排队处理

1、RLock/Lock：一次放一个

　　a、创建10个线程，在列表中追加自己，如下代码：

    import threading
    v = []
    def func(arg):
        v.append(arg)
        print(v)
    for i in range(10):
        t = threading.Thread(target=func, args=(i,))
        t.start()

　　b、创建10个线程，把自己添加到列表中，再读取列表的最后一个，如下代码：

    import threading
    import time

    v = []
    lock = threading.Lock()

    def func(arg):
        lock.acquire()   # 加锁
        v.append(arg)
        time.sleep(0.01)
        m = v[-1]
        print(arg,m)
        lock.release()   # 释放锁

    for i in range(10):
        t = threading.Thread(target=func, args=(i,))
        t.start()

　　注意：RLock和Lock用法一样，只是Lock只能锁一次解一次，RLock支持锁多次解多次，以后用RLock。

2、BoundedSemaphore(n) ，信号量， 一次放n个，如下代码：

    import threading
    import time

    lock = threading.BoundedSemaphore(3)

    def func(arg):
        lock.acquire()  # 加锁
        time.sleep(1)
        print(arg)
        lock.release()  # 释放锁

    for i in range(10):
        t = threading.Thread(target=func, args=(i,))
        t.start()

3、condition()，一次放x个，x可由用户动态输入，代码如下：

　　1）方式一：

    import time
    import threading

    lock = threading.Condition()

    def func(arg):
        print('线程进来了')
        lock.acquire()
        lock.wait() # 加锁
        print(arg)
        time.sleep(1)
        lock.release()

    for i in range(10):
        t =threading.Thread(target=func,args=(i,))
        t.start()

    while True:
        inp = int(input('>>>'))
        lock.acquire()
        lock.notify(inp)
        lock.release()

　　2）方式二：

    import time
    import threading

    lock = threading.Condition()
    def f1():
        print('来执行函数了')
        input(">>>")
        return True

    def func(arg):
        print('线程进来了')
        lock.wait_for(f1)  # 等函数f1执行完毕后继续往下走
        print(arg)
        time.sleep(1)

    for i in range(10):
        t =threading.Thread(target=func,args=(i,))
        t.start()

4、Event，一次放所有，如下示例：

    import threading

    lock = threading.Event()

    def func(arg):
        print('线程来了')
        lock.wait() # 加锁：红灯
        print(arg)

    for i in range(10):
        t =threading.Thread(target=func,args=(i,))
        t.start()

    input(">>>")
    lock.set() # 绿灯

    lock.clear() # 再次变红灯

    for i in range(10):
        t =threading.Thread(target=func,args=(i,))
        t.start()

    input(">>>")
    lock.set()

总结：

       线程安全，列表和字典线程安全；

       为什么要加锁？    非线程安全，控制一段代码；

二、threading.local()

         作用：内部自动为每个线程维护一个空间（本质是字典），用于当前线程存取属于自己的值，保证线程之间的数据隔离。

　　　　{

                     线程ID : { . . . },

                     线程ID : { . . . },

                     线程ID : { . . . },

                     线程ID : { . . . },

　　　　}

    """
    以后：Flask框架内部看到源码 上下文管理

    """
    import time
    import threading
    INFO = {}
    class Local(object):
        def __getattr__(self, item):
            ident = threading.get_ident()
            return INFO[ident][item]

        def __setattr__(self, key, value):
            ident = threading.get_ident()
            if ident in INFO:
                INFO[ident][key] = value
            else:
                INFO[ident] = {key:value}

    obj = Local()

    def func(arg):
        obj.phone = arg # 调用对象的 __setattr__方法（“phone”,1）
        time.sleep(2)
        print(obj.phone,arg)

    for i in range(10):
        t =threading.Thread(target=func,args=(i,))
        t.start()

    import threading
    import time

    v = threading.local()

    def func(arg):
        v.phone = arg  # 内部会为当前线程创建一个空间用于存储：phone = 自己的值
        time.sleep(2)
        print(v.phone,arg)  # 去当前线程自己空间取值

    for i in range(10):
        t = threading.Thread(target=func, args=(i,))
        t.start()

三、线程池

       以后写代码不要一个一个创建线程，而是创建一个线程池，再去线程池申请线程去执行任务，如下示例：

    from concurrent.futures import ThreadPoolExecutor
    import time

    def task(a1,a2):
        time.sleep(2)
        print(a1,a2)

    # 创建了一个线程池（最多5个线程）
    pool = ThreadPoolExecutor(5)

    for i in range(40):
        # 去线程池中申请一个线程，让线程执行task函数。
        pool.submit(task,i,8)

四、生产者消费者模型

       三部分：生产者，消费者，队列

       队列：先进先出

       栈：后进先出

　　问题1：生产者消费者模型解决了什么问题？不用一直等待的问题。如下示例：

    import time
    import queue
    import threading
    q = queue.Queue() # 线程安全

    def producer(id):
        """
        生产者
        :return:
        """
        while True:
            time.sleep(2)
            q.put('包子')
            print('厨师%s 生产了一个包子' %id )

    for i in range(1,4):
        t = threading.Thread(target=producer,args=(i,))
        t.start()

    def consumer(id):
        """
        消费者
        :return:
        """
        while True:
            time.sleep(1)
            v = q.get()
            print('顾客 %s 吃了一个%s' % (id,v))

    for i in range(1,3):
        t = threading.Thread(target=consumer,args=(i,))
        t.start()

五、面向对象补充（了解，以后不会写，flask源码中会遇到）

    class Foo(object):
        def __init__(self):
            self.name = 'alex'
        def __setattr__(self, key, value):
            print(key,value)
    obj = Foo()   # 结果为：name alex   （说明执行了Foo的__setattr__方法）
    # 分析：因为obj.x自动执行__setattr__
    print(obj.name)  # 报错
    # 分析：__setattr__方法中没有设置的操作，只有打印

    class Foo(object):
        def __init__(self):
            object.__setattr__(self, 'info', {})  # 在对象中设置值的本质
        def __setattr__(self, key, value):
            self.info[key] = value
        def __getattr__(self, item):
            return self.info[item]
    obj = Foo()  
    obj.name = 'alex'
    print(obj.name)