线程、进程以及协程，上下文管理器

线程和进程

线程：线程是操作系统能够进行运算调度的最小单位。进程被包含在进程中，是进程中实际处理单位。一条线程就是一堆指令集合。

一条线程是指进程中一个单一顺序的控制流，一个进程中可以并发多个线程，每条线程并行执行不同的任务。

优点：共享内存，I/O操作时候，创造并发操作

缺点：抢占资源（相当于建人）

进程：进程（Process）是计算机中的程序关于某数据集合上的一次运行活动，是系统进行资源分配和调度的基本单位，是操作系统结构的基础。在早期面向进程设计的计算机结构中，进程是程序的基本执行实体；在当代面向线程设计的计算机结构中，进程是线程的容器。程序是指令、数据及其组织形式的描述，进程是程序的实体。

优点：同事利用多个CPU，能够同时进行多个操作

缺点：耗费资源（重新开辟内存空间相当于建房子）

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

进程和线程的目的：提高执行效率

计算机最小的任务执行单元：线程

I/O操作不占用CPU时间:

1、I/O密集型（不用CPU）---》多线程

2、计算机密集型（用CPU）-----》多进程

3、存在大量且不需要CPU操作时------》协程

GIL限制：在同一时刻，只能有一个线程进入CPython解释器。

python的进程上有个GIL 全局解释性锁，这个会造成，一个进程的多个线程，不能同时使用多个cpu，而是cpu每次只能选一个线程执行，因此，多线程在cpu执行的是无效的。但是在I/O操作的时候是可以同步的，比如time.sleep就是io 操作，多线程，可以同时等待

进程和程序关系
        进程：程序实例  程序子集   有所谓生命周期，可以kill叼 比如你安装的word   是一个程序  ，你打开一个文档是一个进程，可以关掉。

       进程要想完成并发执行的功能就要进程切换
 进程切换 ，上下文切换，进程运行，说明在cpu的寄存器里面有数据了。假如5条数据现在有两条，就切换了，现在要保存现场，回来时候  要恢复现场。如果机器上有几千个进程，会切换 上万个切换需要时间，进程切换时监控程序来完成的，也就是内核，消耗时间

正常程序执行空间是用户空间，

占用在内核，说明大量时间消耗到进程切换。不好。

进程和程序关系

threading模块

threading 模块建立在 _thread 模块之上。thread 模块以低级、原始的方式来处理和控制线程，而 threading 模块通过对 thread 进行二次封装，提供了更方便的 api 来处理线程。

#重点： 多线程传参数 args  1个参数的时候 内部一点要逗号结尾，否则报错。不认为是元祖

 1 import threading,time
 2 def a(num):
 3     time.sleep(1)
 4     print("thread'%d'"%num)
 5     return
 6 for i in range(10):
 7     t = threading.Thread(target=a,args=(i,))#i 不加逗号是代表一个参数，加逗号是代表一个数组 8     t.setDaemon(True)
 9     t.start()
10     t.join()
11 print("t.setDaemon(True)",type)

创建线程的两种方式

1 第一种创建线程的方式创建20个线程

 1 import threading
 2 import time
 3   
 4 def worker(num):
 5     """
 6     thread worker function
 7     :return:
 8     """
 9     time.sleep(1)#隔一秒再去抢占资源
10     print("Thread %d" % num)
11     return
12   
13 for i in range(20):
14     t = threading.Thread(target=worker,args=(i,)，name=“t.%d” % i)#创建线程干事（创建线程并执行worker函数和参数i一起传入方法中）
15     t.start()  #激活线程
16             ......#程序到这夯筑了，不动了，程序也不结束，等着举手后，子线程执行完后程序结束
17  
18 比喻：运动员（子线程）在起跑线上等待枪响，抢不响就等待，枪响后（子线程）开始跑

2 第二种创建线程的方式创建20个线程

 1 class MyThread(threading.Thread):
 2     def __init__(self,name):
 3         # threading.Thread.__init__(self)
 4         super(MyThread,self).__init__(target=self.fun,name="t %d" %i)
 5         self.name = name
 6  
 7     def fun(self):
 8         time.sleep(2)
 9         print("name %s thread %s" % (self.name,threading.current_thread().name) )
10  
11 for i in range(20):
12     t = MyThread(i)
13     t.start()

多线程的说明：

threading用于提供线程相关的操作，线程是应用程序中工作的最小单元。python当前版本的多线程库没有实现优先级、线程组，线程也不能被停止、暂停、恢复、中断。

threading模块提供的类：
　　Thread, Lock, Rlock, Condition, [Bounded]Semaphore, Event, Timer, local。

threading 模块提供的常用方法：
　　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，不包括启动前和终止后的线程。
　　threading.activeCount(): 返回正在运行的线程数量，与len(threading.enumerate())有相同的结果。

threading 模块提供的常量：

　　threading.TIMEOUT_MAX 设置threading全局超时时间。

import threading
import time
  
def worker(num):
    """
    thread worker function
    :return:
    """
    time.sleep(1)#隔一秒再去抢占资源
    print("Thread %d" % num)
    return
  
for i in range(20):
    t = threading.Thread(target=worker,args=(i,)，name=“t.%d” % i)#创建线程D对象并实例化去干事（创建线程并执行worker函数和参数i一起传入方法中）
    t.start()  #激活线程
            t.join()
print("t.setDaemon(True)",type)
 
 
程序激活后，主线程从上到下执行，t 子线程启动后，与主线程并行，抢占CPU资源，一次输出结果几乎同时打印，没有先后顺序（没有sleep情况）

View Code

输出：
t.setDaemon(True) <class 'type'>
thread'2'
thread'6'
thread'4'
thread'0'
thread'8'
thread'1'
thread'7'
thread'3'
thread'5'
thread'9'

加join()：逐个执行每个线程，执行完毕后继续往下执行，该方法使得多线程无意义。

             即等子线程执行完后 再去执行主线程。
输出：

thread'0'
thread'1'
thread'2'
thread'3'
thread'4'
thread'5'
thread'6'
thread'7'
thread'8'
thread'9'
t.setDaemon(True) <class 'type'>

e.g
 1 import threading
 2 import time
 3 
 4 def foo(n):
 5     print("foo%s"%n)
 6     time.sleep(1)
 7 
 8 def bar(n):
 9     print("bar%s"%n)
10     time.sleep(2)
11 
12 t1 = threading.Thread(target=foo,args=(1,))
13 t2 = threading.Thread(target=bar,args=(2,))
14 
15 t1.start()
16 t2.start()
17 
18 print("...in the main...")

程序启动后，主线程从上到下依次执行，t1、t2两个子线程启动后，与主线程并行，抢占CPU资源。因此，前三行的输出结果几乎同时打印，没有先后顺序，
此时，需要等t1和t2都结束后程序才结束。故等待2s后，进程结束。程序总共花了2s。

输出：
foo1
bar2
...in the main...

E.g

 1 import threading
 2 from time import ctime,sleep
 3 import time
 4 def music(func):
 5      for i in range(2):
 6          print ("Begin listening to %s. %s" %(func,ctime()))
 7          sleep(3)
 8          print("end listening %s"%ctime())
 9 def move(func):
10      for i in range(2):
11         print ("Begin watching at the %s! %s" %(func,ctime()))
12         sleep(5)
13         print('end watching %s'%ctime())
14 threads = []
15 t1 = threading.Thread(target=music,args=('凤凰于飞1',))
16 threads.append(t1)
17 t2 = threading.Thread(target=move,args=('喜欢你2',))
18 threads.append(t2)
19 if __name__ == '__main__':
20      for t in threads:
21          t.start()
22          t.join()
23      print ("all over %s" %ctime())

View Code

一：t.join()在for内部时 按子线程的顺序一个一个执行
输出：先t1线程启动
Begin listening to 凤凰于飞1. Fri Aug 25 19:43:27 2017

#隔三秒 同时输出
end listening Fri Aug 25 19:43:30 2017
Begin listening to 凤凰于飞1. Fri Aug 25 19:43:30 2017

#四秒后t2线程启动，第4秒，同时输出
end listening Fri Aug 25 19:43:33 2017
Begin watching at the 喜欢你2! Fri Aug 25 19:43:33 2017

#第五秒
end watching Fri Aug 25 19:43:38 2017
Begin watching at the 喜欢你2! Fri Aug 25 19:43:38 2017

#最后t2线程结束，主线程一起结束
end watching Fri Aug 25 19:43:43 2017
all over Fri Aug 25 19:43:43 2017

二：

无join（）：
#启动t1,t2线程 和主线程一起并行输出
Begin listening to 凤凰于飞1. Fri Aug 25 19:45:44 2017
Begin watching at the 喜欢你2! Fri Aug 25 19:45:44 2017
all over Fri Aug 25 19:45:44 2017

#隔三秒
end listening Fri Aug 25 19:45:47 2017
Begin listening to 凤凰于飞1. Fri Aug 25 19:45:47 2017
#隔五秒
end watching Fri Aug 25 19:45:49 2017
Begin watching at the 喜欢你2! Fri Aug 25 19:45:49 2017
#第六秒
end listening Fri Aug 25 19:45:50 2017
#最后
end watching Fri Aug 25 19:45:54 2017

三：t.join()与for抬头对齐时，按时间的先后顺序执行

1 Begin listening to 凤凰于飞1. Fri Aug 25 20:17:38 2017
2 Begin watching at the 喜欢你2! Fri Aug 25 20:17:38 2017
#隔三秒
3 end listening Fri Aug 25 20:17:41 2017
4 Begin listening to 凤凰于飞1. Fri Aug 25 20:17:41 2017
#隔五秒
5 end watching Fri Aug 25 20:17:43 2017
6 Begin watching at the 喜欢你2! Fri Aug 25 20:17:43 2017
#第六秒
7 end listening Fri Aug 25 20:17:44 2017
#最后
8 end watching Fri Aug 25 20:17:48 2017　#t2结束，t2结束之前，主线程一直被阻塞。t2结束主线程继续执行
9 all over Fri Aug 25 20:17:48 2017  #主线程结束

setDaemon(True)：不等,主线程直接运行后就结束

setDaemon(False)：等，主线程运行后，等待子线程运行完后，才结束

将线程声明为守护线程，必须在start() 方法调用之前设置，如果不设置为守护线程程序会被无限挂起。当我们在程序运行中，执行一个主线程，如果主线程又创建一个子线程，主线程和子线程就兵分两路，分别运行，那么当主线程完成想退出时，会检验子线程是否完成。如果子线程未完成，则主线程会等待子线程完成后再退出。但是有时候我们需要的是只要主线程完成了，不管子线程是否完成，都要和主线程一起退出，这时就可以用setDaemon方法。

默认是 setDaemon(False)  即 主线程会handle住，一直等待多线程执行完毕
如果不想让 主线程等待子线程，那么我们直接在start之前 改t.setDaemon(True) 即可

主线程等子线程，属于后台子线程

主线程不等子线程，属于前台子线程

 1 import threading
 2 from time import ctime,sleep
 3 import time
 4 def music(func):
 5      for i in range(2):
 6          print ("Begin listening to %s. %s" %(func,ctime()))
 7          sleep(3)
 8          print("end listening %s"%ctime())
 9 def move(func):
10      for i in range(2):
11         print ("Begin watching at the %s! %s" %(func,ctime()))
12         sleep(5)
13         print('end watching %s'%ctime())
14 threads = []
15 t1 = threading.Thread(target=music,args=('凤凰于飞1',))
16 threads.append(t1)
17 t2 = threading.Thread(target=move,args=('喜欢你2',))
18 threads.append(t2)
19 # if __name__ == '__main__':
20 for t in threads:
21     t.setDaemon(True)#不等子线程,直接主线程运行完结束
22     t.start()
23     # t.join()
24 print ("all over %s" %ctime())

输出：
1 Begin listening to 凤凰于飞1. Fri Aug 25 21:05:55 2017  #t1和t2启动，分别打印一次后sleep，主进程继续

2 Begin watching at the 喜欢你2! Fri Aug 25 21:05:55 2017

3 all over Fri Aug 25 21:05:55 2017  #主进程结束，程序结束

可见由于setDaemon(True)把子线程设置为守护线程，子线程启动后，父线程也继续执行下去，当父线程执行完最后一条语句print ("all over %s" %ctime())后，

没有等待子线程，直接就退出了，同时子线程也一同结束。

一、setDaemon(True):【在没有t.join()情况下起作用】变成守护线程

    setDaemon(False):可忽略掉，默认值为False

二、把代码换成下面时，标记红色字体共存情况下，t.join()会使 t.setDaemon(True)失效

for t in threads:
    t.setDaemon(True)
    t.start()
    t.join()
print ("all over %s" %ctime())
输出：如下

Begin listening to 凤凰于飞1. Fri Aug 25 21:40:20 2017

end listening Fri Aug 25 21:40:23 2017
Begin listening to 凤凰于飞1. Fri Aug 25 21:40:23 2017

end listening Fri Aug 25 21:40:26 2017
Begin watching at the 喜欢你2! Fri Aug 25 21:40:26 2017

end watching Fri Aug 25 21:40:31 2017
Begin watching at the 喜欢你2! Fri Aug 25 21:40:31 2017

end watching Fri Aug 25 21:40:36 2017
all over Fri Aug 25 21:40:36 2017

该单线程例子与上面有t.join()的多线程例子对比：join()方法使多线程无意义，仅仅是使主线程最后输出而已；单线程就会一直阻塞主线程

无法运行下去。在这里父线程没法继续执行for循环，所以第二个子线程也就不会出现了。

 1 import threading
 2 from time import ctime,sleep
 3 import time
 4 def music(func):
 5     while True:
 6      # for i in range(2):
 7          print ("Begin listening to %s. %s" %(func,ctime()))
 8          sleep(3)
 9          print("end listening %s"%ctime())
10          # sleep(3)
11 threads = []
12 t1 = threading.Thread(target=music,args=('凤凰于飞1',))
13 threads.append(t1)
14 t2 = threading.Thread(target=music,args=('喜欢你2',))
15 threads.append(t2)
16 # if __name__ == '__main__':
17 for t in threads:
18     # t.setDaemon(False)
19     t.start()
20     t.join()
21 print ("all over %s" %ctime())

主线程从上到下执行 遇到join后进入 while True后死循环了，所以t2线程执行不了。
这样一直循环下去，可见只有第一个子线程被调用了，第二个子线程，以及父线程都没有继续走下去。这里我的理解是：join（）的作用是，在子线程完成运行之前，这个子线程的父线程将
一直被阻塞，无法运行下去。在这里父线程没法继续执行for循环，所以第二个子线程也就不会出现了

输出：
1 Begin listening to 凤凰于飞1. Fri Aug 25 22:12:20 2017
下面是循环第一个线程，一直阻塞其他线程
2 end listening Fri Aug 25 22:12:23 2017
3 Begin listening to 凤凰于飞1. Fri Aug 25 22:12:23 2017

4 end listening Fri Aug 25 22:12:26 2017
5 Begin listening to 凤凰于飞1. Fri Aug 25 22:12:26 2017

1 def music(func):
2     # while True:
3      # for i in range(2):
4          print ("Begin listening to %s. %s" %(func,ctime()))
5          sleep(3)
6          print("end listening %s"%ctime())
将上述while True给去掉后输出：

1 Begin listening to 凤凰于飞1. Fri Aug 25 22:18:48 2017
2 end listening Fri Aug 25 22:18:51 2017
3 Begin listening to 喜欢你2. Fri Aug 25 22:18:51 2017
4 end listening Fri Aug 25 22:18:54 2017
5 all over Fri Aug 25 22:18:54 2017

e.g
def music(func):
    while True:
     # for i in range(2):
         print ("Begin listening to %s. %s" %(func,ctime()))
         sleep(3)
         # print("end listening %s"%ctime())
         # sleep(3)
threads = []
t1 = threading.Thread(target=music,args=('凤凰于飞1',))
threads.append(t1)
t2 = threading.Thread(target=music,args=('喜欢你2',))
threads.append(t2)
# if __name__ == '__main__':
for t in threads:
    # t.setDaemon(False)
    t.start()
for t in threads:
    t.join()
print ("all over %s" %ctime())

输出：循环2个线程，随机输出（抢占CPU资源）
1 Begin listening to 凤凰于飞1. Fri Aug 25 22:39:35 2017
2 Begin listening to 喜欢你2. Fri Aug 25 22:39:35 2017

3 Begin listening to 喜欢你2. Fri Aug 25 22:39:38 2017
4 Begin listening to 凤凰于飞1. Fri Aug 25 22:39:38 2017

5 Begin listening to 凤凰于飞1. Fri Aug 25 22:39:41 2017
6 Begin listening to 喜欢你2. Fri Aug 25 22:39:41 2017

7 Begin listening to 凤凰于飞1. Fri Aug 25 22:39:44 2017
8 Begin listening to 喜欢你2. Fri Aug 25 22:39:44 2017

守护线程脚本讲解

我的一个main_thread 主线程产生10个子线程，如果主线程不是守护进程，他们都是并发，执行完才会走下一个主进程，如果设置为守护进程，一旦执行下一个主线程，

代表main_thread结束，其他线程执行多少算多少。

 1 import threading
 2 import time
 3 def run(num):
 4     # pass
 5     if not num == 5:
 6         time.sleep(1)
 7     print (" hi i am thread %s ...lalala 
" % num)
 8 def main(n):
 9     print ("------running main thread----------")
10     for i in range(10):
11         t = threading.Thread(target=run,args=(i,))
12         t.start()
13     #time.sleep(3)
14     print ("------done main thread----------")
15 main_thread = threading.Thread(target=main,args=(10,)) #主线程产生10个子线程
16 main_thread.setDaemon(True) #将主线程设置为守护线程
17 main_thread.start()
18 time.sleep(2)
19 print ('
------->>>>>')  #顶格的都是主线程

View Code

输出：
------running main thread----------
 hi i am thread 5 ...lalala 

------done main thread----------
并发输出上面三项

 hi i am thread 8 ...lalala 

 hi i am thread 2 ...lalala 

 hi i am thread 4 ...lalala 

 hi i am thread 3 ...lalala 
 hi i am thread 6 ...lalala 

 hi i am thread 0 ...lalala 

 hi i am thread 7 ...lalala 


 hi i am thread 1 ...lalala 

 hi i am thread 9 ...lalala 

#最后输出的
------->>>>>

thread方法说明

t.start() : 激活线程

t.getName() : 获取线程的名称

t.setName() ：设置线程的名称

t.name : 获取或设置线程的名称

t.is_alive() ：判断线程是否为激活状态

t.isAlive() ：判断线程是否为激活状态

t.setDaemon()：设置为后台线程或前台线程（默认：False）;通过一个布尔值设置线程是否为守护线程，必须在执行start()方法之后才可以使用。如果是后台线程，主线程执行过程中，后台线程也在进行，主线程执行完毕后，后台线程不论成功与否，均停止；如果是前台线程，主线程执行过程中，前台线程也在进行，主线程执行完毕后，等待前台线程也执行完成后，程序停止

t.isDaemon() ：判断是否为守护线程

t.ident ：获取线程的标识符。线程标识符是一个非零整数，只有在调用了start()方法之后该属性才有效，否则它只返回None。

t.join() ：逐个执行每个线程，执行完毕后继续往下执行，该方法使得多线程变得无意义

t.run() ：线程被cpu调度后自动执行线程对象的run方法

join 代码 
join在start之上，当代码运行到start()举手了，接着运行join()就不再继续往下进行了，等待上面的线程运行完后，再往下走

E.g  join()主线程等待，知道子线程执行完；join（n）最多等n秒。


 1 import time,threading
 2 def f1():
 3     pass
 4 def f2(arg1,arg2):
 5     time.sleep(5)
 6     f1()
 7     
 8 t = threading.Thread(target=f2,args=(1,2,))
 9 t.start()
10 print('000')
11 t.join(2)
12 print('111')

输出：000
     111 #等2秒后输出的

 1 #!/usr/bin/env python
 2 # _*_ coding:utf-8 _*_
 3 
 4 
 5 import time,threading
 6 
 7 def f1():
 8     pass
 9 
10 def f2(arg1,arg2):
11     time.sleep(3)
12     print(4+5)
13     b = time.time()
14     print(b - a)
15     f1()
16 a = time.time()
17 
18 # join   join(timeout=None)  默认timeout无值的时候，子线程会执行完再往下执行
19 t = threading.Thread(target=f2,args=(1,2,))
20 t.start()
21 t.join()
22 t = threading.Thread(target=f2,args=(1,2,))
23 t.start()
24 t.join()
25 t = threading.Thread(target=f2,args=(1,2,))#重点： 多线程传参数 args  1个参数的时候 内部一点要逗号结尾，否则报错。不认为是元祖
26 t.start()
27 t.join()

输出：
1 9
2 3.000171661376953
3 9
4 6.000343322753906
5 9
6 9.00051474571228

Lock、Rlock类

import threading
import time
def run(num):
    global NUM
    time.sleep(1)
    print(" hi i am thread %s ...lalala " % num)
    NUM += 1

NUM =0
p_list = []

for i in range(5):
    t = threading.Thread(target=run,args=(i,))
    t.start()
    p_list.append(t)  #我们自己实现并行，先让并发线程执行,加到列表等待我们取结果即可
    #t.jion() # 等待一个线程结束才会执行第二个线程，这样就成了串行，而不是并行了
for i in p_list: #
    i.join() #取出我们上面放入的结果。 但是串行取出
print( '---->',NUM)    #由于加入列表时候是并发加入的，数字没有先后，所以打印结果i的时候也就看到没有顺序。最后打印的的i会导致 NUM的变化

先执行并发的线程，再执行主线程，输出无序

import threading
import time

def run(num):
    global NUM
    lock.acquire()  #上锁 注意位置，理论上是要 上锁  处理数据 解锁。一定要看好sleep时间
    print (" hi i am thread %s ...lalala " % num)
    NUM += 1
    lock.release()  #释放锁
    time.sleep(1)
NUM =0
p_list = []
lock = threading.Lock()  #制造一把锁
for i in range(5):
    t = threading.Thread(target=run,args=(i,))
    t.start()
    p_list.append(t)  #我们自己实现并行，先让并发线程执行,加到列表等待我们取结果即可
    #t.jion() # 等待一个线程结束才会执行第二个线程，这样就成了串行，而不是并行了
for i in p_list: #
    i.join() #取出我们上面放入的结果。 但是串行取出
print( '---->',NUM)   #由于加锁了，所以会数字不会变化

实现并发线程，再去执行主线程，输出且是有序

第一个例子：对于第一个线程拿到 num = 0再没有自增一之前，CPU切换了第二个线程去了，二个线程都自增了，同时处理该数据时就会出现脏数据，这时就需要锁。

由于线程之间随机调度：某线程可能在执行n条后，CPU接着执行其他线程。为了多个线程同时操作一个内存中的资源时不产生混乱，我们使用锁。

Lock（指令锁）是可用的最低级的同步指令。Lock处于锁定状态时，不被特定的线程拥有。Lock包含两种状态——锁定和非锁定，以及两个基本的方法。

可以认为Lock有一个锁定池，当线程请求锁定时，将线程至于池中，直到获得锁定后出池。池中的线程处于状态图中的同步阻塞状态。

RLock（可重入锁）是一个可以被同一个线程请求多次的同步指令。RLock使用了“拥有的线程”和“递归等级”的概念，处于锁定状态时，RLock被某个线程拥有。拥有RLock的线程可以再次调用acquire()，释放锁时需要调用release()相同次数。

可以认为RLock包含一个锁定池和一个初始值为0的计数器，每次成功调用 acquire()/release()，计数器将+1/-1，为0时锁处于未锁定状态。

RLock允许在同一线程中被多次acquire。而Lock却不允许这种情况。如果使用RLock，那么acquire和release必须成对出现，即调用了n次acquire，必须调用n次的release才能真正释放所占用的琐。

简言之：Lock属于全局，Rlock属于线程。

构造方法：
Lock()，Rlock（），推荐使用Rlock()

实例方法：
　　acquire([timeout]): 尝试获得锁定。使线程进入同步阻塞状态。
　　release(): 释放锁。使用前线程必须已获得锁定，否则将抛出异常。

#coding:utf-8
import threading
import time

gl_num = 0 #全局变量

def show(arg):
    global gl_num
    time.sleep(1)
    gl_num +=1
    print （gl_num）

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

print （'main thread stop'）

import threading
import time

gl_num = 0

lock = threading.RLock()


# 调用acquire([timeout])时，线程将一直阻塞，
# 直到获得锁定或者直到timeout秒后（timeout参数可选）。
# 返回是否获得锁。
def Func():
    lock.acquire()
    global gl_num
    gl_num += 1
    time.sleep(1)
    print (gl_num)
    lock.release()


for i in range(10):
    t = threading.Thread(target=Func)
    t.start()

使用锁

信号量 semaphore 讲解：区别一个数据一个线程即一个厕所一把钥匙一个厕所5个坑 5吧钥匙

控制数据库链接

    semaphore = threading.BoundedSemaphore(5)

 互斥锁 同时只允许一个线程更改数据，而Semaphore是同时允许一定数量的线程更改数据 ，比如厕所有3个坑，那最多只允许3个人上厕所，后面的人只能等里面有人出来了才能再进去。

import threading
import time
def run(n):
    semaphore.acquire()
    time.sleep(1)
    print ("run the thread :%s
 " % n)
    semaphore.release()

if __name__ == '__main__':
    num = 0
    semaphore = threading.BoundedSemaphore(5)##最多允许5个线程同时运行

    for i in range(10):
        t = threading.Thread(target=run,args=(i,))
        t.start()
while threading.active_count != 1 :#一个程序至少有一个进程一个线程。所以等于1 就会结束
    pass
else:
    print ( '-----all thread done-----')
    print ('---->',num)

run the thread :3
 run the thread :4
 run the thread :2
 run the thread :1
 run the thread :0
 




run the thread :6
 run the thread :5
 
run the thread :9
 
run the thread :7
 

run the thread :8

输出结果

Event类

Event（事件）是最简单的线程通信机制之一：一个线程通知事件，其他线程等待事件。Event内置了一个初始为False的标志，当调用set()时设为True，调用clear()时重置为 False。wait()将阻塞线程至等待阻塞状态。

　　Event其实就是一个简化版的 Condition。Event没有锁，无法使线程进入同步阻塞状态。

构造方法：
Event()

实例方法：
　　isSet(): 当内置标志为True时返回True。
　　set(): 将标志设为True，并通知所有处于等待阻塞状态的线程恢复运行状态。
　　clear(): 将标志设为False。
　　wait([timeout]): 如果标志为True将立即返回，否则阻塞线程至等待阻塞状态，等待其他线程调用set()。

import threading
import time

event = threading.Event()#一旦遇到wait就把所有线程挡住


def func():
    # 等待事件，进入等待阻塞状态
    print （'%s wait for event...' % threading.currentThread().getName()）
    event.wait()#阻塞，红灯

    # 收到事件后进入运行状态
    print （'%s recv event.' % threading.currentThread().getName()）


t1 = threading.Thread(target=func)
t2 = threading.Thread(target=func)
t1.start()
t2.start()

time.sleep(2)

# 发送事件通知
print （'MainThread set event.'）
event.set()#把红灯变绿 

输出：

Thread-1 wait for event...

Thread-2 wait for event...

#2秒后。。。
MainThread set event.
Thread-1 recv event.
Thread-2 recv event.

timer类

Timer（定时器）是Thread的派生类，用于在指定时间后调用一个方法。

构造方法：
Timer(interval, function, args=[], kwargs={})
　　interval: 指定的时间
　　function: 要执行的方法
　　args/kwargs: 方法的参数

实例方法：
Timer从Thread派生，没有增加实例方法。

例子一：线程延迟5秒后执行。

import threading
def func():
    print 'hello timer!'

timer = threading.Timer(5, func)
timer.start()

local类

　local是一个小写字母开头的类，用于管理 thread-local（线程局部的）数据。对于同一个local，线程无法访问其他线程设置的属性；线程设置的属性不会被其他线程设置的同名属性替换。

　　可以把local看成是一个“线程-属性字典”的字典，local封装了从自身使用线程作为 key检索对应的属性字典、再使用属性名作为key检索属性值的细节。

import threading
 
local = threading.local()
local.tname = 'main'
 
def func():
    local.tname = 'notmain'
    print（ local.tname）
 
t1 = threading.Thread(target=func)
t1.start()
t1.join()
 
print （local.tname）
输出：

notmain
main

线程锁threading.RLock和threading.Lock

我们使用线程对数据进行操作的时候，如果多个线程同时修改某个数据，可能会出现不可预料的结果，为了保证数据的准确性，引入了锁的概念。

例：假设列表A的所有元素就为0，当一个线程从前向后打印列表的所有元素，另外一个线程则从后向前修改列表的元素为1,那么输出的时候，列表的元素就会一部分为0，一部分为1,这就导致了数据的不一致。锁的出现解决了这个问题。

import threading
import time
 
globals_num = 0
 
lock = threading.RLock()
 
def Func():
    lock.acquire()  # 获得锁 
    global globals_num
    globals_num += 1
    time.sleep(1)
    print(globals_num)
    lock.release()  # 释放锁 
 
for i in range(10):
    t = threading.Thread(target=Func)
    t.start()

View Code

threading.RLock和threading.Lock 的区别

RLock允许在同一线程中被多次acquire。而Lock却不允许这种情况。如果使用RLock，那么acquire和release必须成对出现，即调用了n次acquire，

必须调用n次的release才能真正释放所占用的琐。

import threading
lock = threading.Lock()    #Lock对象
lock.acquire()
lock.acquire()  #产生了死琐。
lock.release()
lock.release()

import threading

rLock = threading.RLock()  #RLock对象

rLock.acquire()

rLock.acquire()    #在同一线程内，程序不会堵塞。

rLock.release()

rLock.release()

RLOCK递归锁的用处解锁多层

import  threading,time

number = 0
lock = threading.RLock()#创建锁

def run(num):
    lock.acquire() #获取一把锁（别人无法操作）
    global number#使用外部的全局变量
    #print 'hi ,i am the thread,',num

    number += 1
    lock.release() #解锁  上面是锁内独占内容

    print (number)

    time.sleep(1)

for i in range(5):

    t = threading.Thread(target=run,args=(i,))
    t.start()

threading.Event

Event是线程间通信最间的机制之一：一个线程发送一个event信号，其他的线程则等待这个信号。用于主线程控制其他线程的执行。 Events 管理一个flag，这个flag可以使用set()设置成True或者使用clear()重置为False，wait()则用于阻塞，在flag为True之前。Event内置了一个初始化为False的标志（flag）。

Event.wait([timeout]) ：堵塞线程，直到Event对象内部标识位被设为True或超时（如果提供了参数timeout）。
Event.set() ：将标识位设为Ture
Event.clear() ：将标识伴设为False。
Event.isSet() ：判断标识位是否为Ture。

import threading
def do(event):
    print('start')
    event.wait()#相当于红灯,进入等待状态
    print( 'execute')
#使一个线程等待其他线程的通知，我们把这个Event传递到线程对象中去
event_obj = threading.Event()#创建事件对象（生成Event对象的内部信号标志），一旦遇到wait就会把所有的线程都挡住
for i in range(5):
    t = threading.Thread(target=do, args=(event_obj,))
    t.start()

event_obj.clear()#让灯变红（清除内部信号标志/继续阻塞）
inp = input('input:')
if inp == 'true':
    event_obj.set()#相当于把红灯变绿灯

输出：
start
start
start
start
start
input:（等待输入使红灯变绿）

！！线程之间交互 threading.Event方法红灯绿灯信号标志位

import threading
import time
import random

def light():
    if not event.isSet():  #没有设置的话
        event.set()  # 设置绿灯
    count = 0  #计数器秒数
    while True:
        if count < 10:    #小于十秒 是绿灯
            print( "33[42;1m ------green light on ----33[0m")
        elif count < 15:  #小于13秒 大于10秒 是黄灯
            print( "33[43;1m ------yellow light on ----33[0m")
        elif count < 25:  #小于于20秒 有设置则取消
            if event.isSet():
                event.clear()
            print ("33[41;1m ------red light on ----33[0m")
        else:  #大于20 重新
            count = 0    #取消秒数计时
            event.set()   #重新变为绿灯
        time.sleep(1)
        count +=1
        
def car(n):  # 第二个线程 车线程
    while 1:
        time.sleep(random.randrange(3))  #随机等待三秒
        if event.isSet():
            print( "car [%s] is running..." % n)  #如果被设置了信号则是绿灯，该线程的车即可通过
        else:  #否则的话提示红灯
            print ("car [%s] is waitting for the red light.." %n)
            event.wait()   #红灯的话，会在此处卡住，不往下执行
            print ("Green light is on ,car %s is running......." %n)
if __name__ == '__main__':  #下面是定义了两个线程  ，灯线程 车线程， threading.Event用来设置标着符号让两个线程交流
    event = threading.Event()
    Light = threading.Thread(target=light)
    Light.start()
    for i in range(3):
        t = threading.Thread(target=car,args=(i,))
        t.start()

View Code

条件（Condition）

使得线程等待，只有满足某条件时，才释放n个线程

Condition（条件变量）通常与一个锁关联。需要在多个Contidion中共享一个锁时，可以传递一个Lock/RLock实例给构造方法，否则它将自己生成一个RLock实例。

　　可以认为，除了Lock带有的锁定池外，Condition还包含一个等待池，池中的线程处于等待阻塞状态，直到另一个线程调用notify()/notifyAll()通知；得到通知后线程进入锁定池等待锁定。

构造方法：
Condition([lock/rlock])

实例方法：
　　acquire([timeout])/release(): 调用关联的锁的相应方法。
　　wait([timeout]): 调用这个方法将使线程进入Condition的等待池等待通知，并释放锁。使用前线程必须已获得锁定，否则将抛出异常。
　　notify(): 调用这个方法将从等待池挑选一个线程并通知，收到通知的线程将自动调用acquire()尝试获得锁定（进入锁定池）；其他线程仍然在等待池中。调用这个方法不会释放锁定。使用前线程必须已获得锁定，否则将抛出异常。
　　notifyAll(): 调用这个方法将通知等待池中所有的线程，这些线程都将进入锁定池尝试获得锁定。调用这个方法不会释放锁定。使用前线程必须已获得锁定，否则将抛出异常。
一个condition变量总是与某些类型的锁相联系，这个可以使用默认的情况或创建一个，当几个condition变量必须共享和同一个锁的时候，是很有用的。锁是conditon对象的一部分：没有必要分别跟踪。

condition变量服从上下文管理协议：with语句块封闭之前可以获取与锁的联系。 acquire() 和 release() 会调用与锁相关联的相应的方法。

其他和锁关联的方法必须被调用，wait()方法会释放锁，当另外一个线程使用 notify() or notify_all()唤醒它之前会一直阻塞。一旦被唤醒，wait()会重新获得锁并返回，

Condition类实现了一个conditon变量。这个conditiaon变量允许一个或多个线程等待，直到他们被另一个线程通知。如果lock参数，被给定一个非空的值，，那么他必须是一个lock或者Rlock对象，它用来做底层锁。否则，会创建一个新的Rlock对象，用来做底层锁。
wait(timeout=None) ：等待通知，或者等到设定的超时时间。当调用这wait()方法时，如果调用它的线程没有得到锁，那么会抛出一个RuntimeError 异常。 wati()释放锁以后，在被调用相同条件的另一个进程用notify() or notify_all() 叫醒之前会一直阻塞。wait() 还可以指定一个超时时间。
如果有等待的线程，notify()方法会唤醒一个在等待conditon变量的线程。notify_all() 则会唤醒所有在等待conditon变量的线程。

注意： notify()和notify_all()不会释放锁，也就是说，线程被唤醒后不会立刻返回他们的wait() 调用。除非线程调用notify()和notify_all()之后放弃了锁的所有权。
consumer()线程要等待producer()设置了Condition之后才能继续。

import threading
def condition_func():
    ret = False
    inp = input('>>>')
    if inp == '1':
        ret = True
    return ret
def run(n):
    con.acquire()
    con.wait_for(condition_func)
    print("run the thread: %s" %n)
    con.release()
if __name__ == '__main__':
    con = threading.Condition()
    for i in range(5):
        t = threading.Thread(target=run, args=(i,))
        t.start()

满足条件

>>>1
run the thread: 0
>>>1
run the thread: 1
>>>1
run the thread: 2
>>>1
run the thread: 3
>>>1
run the thread: 4

输出结果

import threading
def run(n):
    con.acquire()
    con.wait()
    print("run the thread: %s" % n)
    con.release()
if __name__ == '__main__':
    con = threading.Condition()
    for i in range(5):
        t = threading.Thread(target=run, args=(i,))
        t.start()
    while True:
        inp = input('>>>')
        if inp == 'q':
            break
        con.acquire()
        con.notify(int(inp))
        con.release()
输出：

>>>132
>>>run the thread: 0
run the thread: 2
run the thread: 1
run the thread: 4
run the thread: 3

import threading
import time

# 商品
product = None
# 条件变量
con = threading.Condition()

# 生产者方法
def produce():
    global product
    if con.acquire():
        while True:
            if product is None:
                print ('produce...')
                product = ('anything')

                # 通知消费者，商品已经生产
                con.notify()
            # 等待通知
            con.wait()
            time.sleep(2)

# 消费者方法
def consume():
    global product
    if con.acquire():
        while True:
            if product is not None:
                print ('consume...')
                product = None
                # 通知生产者，商品已经没了
                con.notify()
            # 等待通知
            con.wait()
            time.sleep(2)

t1 = threading.Thread(target=produce)
t2 = threading.Thread(target=consume)
t2.start()
t1.start()

生产者消费者模型

produce...
consume...
produce...
consume...
produce...
consume...
produce...
consume...
produce...
consume...

Process finished with exit code -1
程序不断循环运行下去。重复生产消费过程。

输出结果

import threading
 
alist = None
condition = threading.Condition()
 
def doSet():
    if condition.acquire():
        while alist is None:
            condition.wait()
        for i in range(len(alist))[::-1]:
            alist[i] = 1
        condition.release()
 
def doPrint():
    if condition.acquire():
        while alist is None:
            condition.wait()
        for i in alist:
            print i,
        print
        condition.release()
 
def doCreate():
    global alist
    if condition.acquire():
        if alist is None:
            alist = [0 for i in range(10)]
            condition.notifyAll()
        condition.release()
 
tset = threading.Thread(target=doSet,name='tset')
tprint = threading.Thread(target=doPrint,name='tprint')
tcreate = threading.Thread(target=doCreate,name='tcreate')
tset.start()
tprint.start()
tcreate.start()

E.g 二、生产者消费者模型

import threading
import time

condition = threading.Condition()
products = 0

class Producer(threading.Thread):
    def run(self):
        global products
        while True:
            if condition.acquire():
                if products < 10:
                    products += 1;
                    print "Producer(%s):deliver one, now products:%s" %(self.name, products)
                    condition.notify()#不释放锁定，因此需要下面一句
                    condition.release()
                else:
                    print "Producer(%s):already 10, stop deliver, now products:%s" %(self.name, products)
                    condition.wait();#自动释放锁定
                time.sleep(2)

class Consumer(threading.Thread):
    def run(self):
        global products
        while True:
            if condition.acquire():
                if products > 1:
                    products -= 1
                    print "Consumer(%s):consume one, now products:%s" %(self.name, products)
                    condition.notify()
                    condition.release()
                else:
                    print "Consumer(%s):only 1, stop consume, products:%s" %(self.name, products)
                    condition.wait();
                time.sleep(2)

if __name__ == "__main__":
    for p in range(0, 2):
        p = Producer()
        p.start()

    for c in range(0, 3):
        c = Consumer()
        c.start()

E.g 三、生产者消费者模型

def produccer(cond):
    with cond:
        print("producer before notifyAll")
        cond.notifyAll()
        print("producer after notifyAll")

condition = threading.Condition()
c1 = threading.Thread(name="c1", target=consumer, args=(condition,))
c2 = threading.Thread(name="c2", target=consumer, args=(condition,))
p = threading.Thread(name="p", target=producer, args=(condition,))
c1.start()
time.sleep(2)
c2.start()
time.sleep(2)
p.start()

输出：
consumer before wait
consumer before wait
producer before notifyAll
producer after notifyAll
consumer after wait
consumer after wait

queue模块（FIFO）

Queue 就是对队列，它是线程安全的

举例来说，我们去肯德基吃饭。厨房是给我们做饭的地方，前台负责把厨房做好的饭卖给顾客，顾客则去前台领取做好的饭。这里的前台就相当于我们的队列。

这个模型也叫生产者-消费者模型。

先进先出：比如排队卖火车票

import queue
#队列容量，内存级别队列
q = queue.Queue(maxsize=0)  # 构造一个先进先出队列，maxsize指定队列长度，为0 时，表示队列长度无限制。
#阻塞调用的线程，知道队列中所有任务呗处理掉
q.join()    # 等到队列为kong的时候，在执行别的操作

q.qsize()   # 返回队列的大小 （不可靠）

q.empty()   # 当队列为空的时候，返回True 否则返回False （不可靠）

q.full()    # 当队列满的时候，返回True，否则返回False （不可靠）

q.put(item, block=True, timeout=None) #  将item放入Queue尾部，item必须存在（相当于append），可以参数block默认为True,表示当队列满时，会等待队列给出可用位置，

　　　　　　　　　　　　　　　　　　　　　　　　 为False时为非阻塞，此时如果队列已满，会引发queue.Full 异常。 可选参数timeout，表示 会阻塞设置的时间，过后，

　　　　　　　　　　　　　　　　　　　　　　　　  如果队列无法给出放入item的位置，则引发 queue.Full 异常

q.get(block=True, timeout=None) # 等  移除并返回队列头部的一个值，可选参数block默认为True，表示获取值的时候，如果队列为空，则阻塞，为False时，不阻塞，

　　　　　　　　　　　　　　　　　　　　　　若此时队列为空，则引发 queue.Empty异常。 可选参数timeout，表示会阻塞设置的时候，过后，如果队列为空，则引发Empty异常。

q.put_nowait(item) #   等效于 put(item,block=False)

q.get_nowait() #不等    等效于 get(item,block=False)

import threading, time
import queue
import random
q = queue.Queue()

def Produce(name):
    for i in range(20):
        q.put(i)  # 放到队列
        print ("33[32;1mProducer %s has made %s baozi .. 33[0m" % (name, i))
        time.sleep(random.randrange(1))  # 随机休息
def Consumer(name):
    count = 0
    while count < 20:
        data = q.get()  # 取得队列上的
        print("33[31;1mConsumer %s has eaten %s baozi ... chihuo.. 33[0m" % (name, data))
        count += 1
        time.sleep(random.randrange(4))  # 随机休息，但是取得的东西比生产快

p = threading.Thread(target=Produce, args=('alex',))  # 生产者
c = threading.Thread(target=Consumer, args=('liu',))  # 消费者
p.start()  # 启动
c.start()

卖包子和吃饱例子

　多进程

multiprocessing模块

multiprocessing是python的多进程管理包，和threading.Thread类似。直接从侧面用subprocesses替换线程使用GIL的方式，由于这一点，multiprocessing模块可以让程序员在给定的机器上充分的利用CPU。

在multiprocessing中，通过创建Process对象生成进程，然后调用它的start()方法，
在UNIX平台上，当某个进程终结之后，该进程需要被其父进程调用wait，否则进程成为僵尸进程(Zombie)。所以，有必要对每个Process对象调用join()方法 (实际上等同于wait)。对于多线程来说，由于只有一个进程，所以不存在此必要性。
注意：由于进程之间的数据需要各自持有一份，所以创建进程需要的非常大的开销（相当于重新建房子）。

multiprocessing包是Python中的多进程管理包。与threading.Thread类似，它可以利用multiprocessing.Process对象来创建一个进程。该进程可以运行在Python程序内部编写的函数。该Process对象与Thread对象的用法相同，也有start(), run(), join()的方法。此外multiprocessing包中也有Lock/Event/Semaphore/Condition类 (这些对象可以像多线程那样，通过参数传递给各个进程)，用以同步进程，其用法与threading包中的同名类一致。所以，multiprocessing的很大一部份与threading使用同一套API，只不过换到了多进程的情境。

但在使用这些共享API的时候，我们要注意以下几点:

在UNIX平台上，当某个进程终结之后，该进程需要被其父进程调用wait，否则进程成为僵尸进程(Zombie)。所以，有必要对每个Process对象调用join()方法 (实际上等同于wait)。对于多线程来说，由于只有一个进程，所以不存在此必要性。
multiprocessing提供了threading包中没有的IPC(比如Pipe和Queue)，效率上更高。应优先考虑Pipe和Queue，避免使用Lock/Event/Semaphore/Condition等同步方式 (因为它们占据的不是用户进程的资源)。
多进程应该避免共享资源。在多线程中，我们可以比较容易地共享资源，比如使用全局变量或者传递参数。在多进程情况下，由于每个进程有自己独立的内存空间，以上方法并不合适。此时我们可以通过共享内存和Manager的方法来共享资源。但这样做提高了程序的复杂度，并因为同步的需要而降低了程序的效率。

详细信息

进程各自持有一份数据，默认无法共享数据，每个进程都有自己的数据。

import time
from multiprocessing import Process
def a(i):
    time.sleep(2)
    print(i)

if __name__ == '__main__':
    p = Process(target=a,args=(111,))
    # print(t.daemon)
    # p.deamon()
    p.start()
    # p.join()
    p1 = Process(target=a,args=(22,))
    p1.start()
    # p1.join()
    print('end',)

from multiprocessing import Process
def f(name):
    print("hello", name)
if __name__ == "__main__":  #windows系统环境下必须有这句话
  for i in range(5):
    p = Process(target=f, args=(i,))
    print(123)
    p.start()
    p.join()

输出不是有序的，因为具体哪个进程被调用是有CPU决定，Process换成threading.Thread后 线程间的数据共享
from multiprocessing import Process
import time,threading
li = []
def foo(i):
    li.append(i)
    print('say hi', li)
if __name__ == "__main__":
    for i in range(5):
       p = Process(target=foo, args=(i,))
       # p = threading.Thread(target=foo, args=(i,))
       p.start()

输出：

say hi [0]
say hi [4]
say hi [3]
say hi [1]
say hi [2]

把Process换成threading.Thread后，输出：

say hi [0]
say hi [0, 1]
say hi [0, 1, 2]
say hi [0, 1, 2, 3]
say hi [0, 1, 2, 3, 4]

进程间的数据共享

Array 共享进程间的列表 linux无问题。windows下有问题
# 内存演示，线程的内存是1份进程是独自申请线性地址空间

#线程与进程对比
import time
import threading
li = []

def f(i):
    time.sleep(3)
    li.append(i)
    print(i,li)

if __name__ == '__main__':
    for i in range(10):
        t = threading.Thread(target=f,args=(i,))
        t.start()

6 [6]
4 [6, 4]
3 [6, 4, 3]
2 [6, 4, 3, 2]
1 [6, 4, 3, 2, 1]
5 [6, 4, 3, 2, 1, 5]
0 [6, 4, 3, 2, 1, 5, 0]
8 [6, 4, 3, 2, 1, 5, 0, 8]
7 [6, 4, 3, 2, 1, 5, 0, 8, 7]
9 [6, 4, 3, 2, 1, 5, 0, 8, 7, 9]

import time
from multiprocessing import Process, Array,Manager
# 方法一 Array模块（数组类型）的进程间共享
li = []
def f(i):
    time.sleep(3)
    li.append(i)
    print(i,li)
if __name__ == '__main__':
    for i in range(5):
        p= Process(target=f, args=(i,))
        p.start()

def Foo(i,temp):
    temp[i] = 100 + i
    for item in temp:
        print(i, '----->', item)
if  __name__ == '__main__':
    #[]数组创建后不能改变统一的字符类型，内存地址的元素是连续挨着的
    temp = Array('i', [11, 22, 33, 44])#相当于2个房间之间的介质
    for i in range(2):
       p = Process(target=Foo, args=(i,temp,))
       p.start()

Array模块来实现进程之间的数据共享去Linux可以执行，Windows不行

推荐使用方法二：

# 方法二 Manager 进程间共享数据

from multiprocessing import Process,Manager
import time,threading

def a(i,dic):
    print('123')
    dic[i] = 100 + i
    print(len(dic))
    # for k , v in dic.items():
    #   print(k,v)
if __name__ == '__main__':
    manage = Manager()
    dic = manage.dict()#特殊的字典，主进程
    # dic={}#普通字典，dic[i]就一个值
    for i in range(2):
        p = Process(target=a ,args=(i,dic,))#每个进程进行操作是带有特殊的字典意义
        p.start()
        #......
        # p.join()#第一种方法
        #执行完毕之后，关闭连接
        #time.sleep(10)#第二种方法 要在主进程关闭之前（断开连接），才能修改主线程中的内容
    r = input('>>>')#第三种方法 。没有输入就一直挂起
#即让主进程等着就行

把dic = manage.dict()该写成 dic={}会有啥输出结果

dic = manage.dict()输出的结果

p.join()#第一种方法

r = input('>>>')#第三种方法 。没有输入就一直挂起
123
1
123
2
>>>

子进程要修改主线程，就要创建一个链接才能修改，join是一个一个去执行让主线程一直等待，没有join话，主进程一下全执行完，让后在start下方挂起，相当于

断开连接，主进程里面代码都没运行完，即链接没断就可以链接（也就是上述的三种方法）。

Pipe例子管道

import  multiprocessing,time

def f(conn):
    conn.send([42,None,'HELLO'])
    conn.close

if __name__ == '__main__':  #管道发送 子进程数据给父进程接收
    parent_conn,child__conn = multiprocessing.Pipe()
    p = multiprocessing.Process(target=f,args=(child__conn,))
    p.start()
    print parent_conn.recv()  #prints "[42,None,'hello']"
    p.join()



#_*_coding:utf-8_*_
__author__ = 'jianzuo'

import  multiprocessing,time

def f(conn):
    conn.send([42,None,'HELLO'])
    conn.close

if __name__ == '__main__':  #管道发送 子进程数据给父进程接收

    A,B = multiprocessing.Pipe() #赋值A B为管道两端
    p = multiprocessing.Process(target=f,args=(B,))  #将b子进程数据发送到管道
    p.start()
    print A.recv()  #prints "[42,None,'hello']"   #父进程接收
    p.join()

View Code

Multiprocess 的queue 队列案例

import  multiprocessing,time
def f(conn,q):
    conn.send([42,None,'HELLO'])
    q.put('hahhahhah')
    conn.close
if __name__ == '__main__':  #管道发送 子进程数据给父进程接收
    '''
    parent_conn,child__conn = multiprocessing.Pipe()
    p = multiprocessing.Process(target=f,args=(child__conn,))
    p.start()
    print parent_conn.recv()  #prints "[42,None,'hello']"
    p.join()
    '''
    A,B = multiprocessing.Pipe() #赋值A B为管道两端
    Q = multiprocessing.Queue()
    p = multiprocessing.Process(target=f,args=(B,Q))  #将b子进程数据发送到管道
    p.start()
    print (A.recv() ) #prints "[42,None,'hello']"   #父进程接收
    print ("queue....----",Q.get())
    p.join()

'c': ctypes.c_char,  'u': ctypes.c_wchar,
    'b': ctypes.c_byte,  'B': ctypes.c_ubyte,
    'h': ctypes.c_short, 'H': ctypes.c_ushort,
    'i': ctypes.c_int,   'I': ctypes.c_uint,
    'l': ctypes.c_long,  'L': ctypes.c_ulong,
    'f': ctypes.c_float, 'd': ctypes.c_double

c语言数据类型

当创建进程时（非使用时），共享数据会被拿到子进程中，当进程中执行完毕后，再赋值给原值。

多进程LOCK，如果不锁屏幕抢占输出进程锁实例

from multiprocessing import Process, Array, RLock

def Foo(lock,temp,i):

    """

    将第0个数加100

    """

    lock.acquire()
    temp[0] = 100+i
    for item in temp:
        print(i,'----->',item)
    lock.release()

lock = RLock()
temp = Array('i', [11, 22, 33, 44]) 
if __name__ == '__main__':

   for i in range(20): 
   p = Process(target=Foo,args=(lock,temp,i,)) 
   p.start()

进程池

进程池内部维护一个进程序列，当使用时，则去进程池中获取一个进程，如果进程池序列中没有可供使用的进进程，那么程序就会等待，直到进程池中有可用进程为止。

python内部没有提供线程池需自定义

进程池中有两个方法区别：

apply 每一个任务是排队进行：每一个进程都有[ 进程.join() ]
apply_async 每一个任务都并发进行。可以设置回调函数，没有进程.无join() ==deamon(True)不等

实际应用中，并不是每次执行任务的时候，都去创建多进程，而是维护了一个进程池，每次执行的时候，都去进程池取一个，如果进程池里面的进程取光了，就会阻塞在那里，直到进程池中有可用进程为止。首先来看一下进程池提供了哪些方法

apply(func[, args[, kwds]]) ：使用arg和kwds参数调用func函数，结果返回前会一直阻塞，由于这个原因，apply_async()更适合并发执行，另外，func函数仅被pool中的一个进程运行。
apply_async(func[, args[, kwds[, callback[, error_callback]]]]) ： apply()方法的一个变体，会返回一个结果对象。如果callback被指定，那么callback可以接收一个参数然后被调用，当结果准备好回调时会调用callback，调用失败时，则用error_callback替换callback。 Callbacks应被立即完成，否则处理结果的线程会被阻塞。
close() ：等待任务完成后在停止工作进程（相当于辞退，你交接后再走人），阻止更多的任务提交到pool，待任务完成后，工作进程会退出。
terminate() ：不管任务是否完成，立即停止工作进程（辞退，你直接走人）。在对pool对象进程垃圾回收的时候，会立即调用terminate()。
join() : 等待工作线程的退出，在调用join()前，必须调用close() or terminate()。这样是因为被终止的进程需要被父进程调用wait（join等价与wait，否则进程会成为僵尸进程。

下面来简单的看一下代码怎么用的

# join相当于wait 在UNIX平台上，当某个进程终结之后，该进程需要被其父进程调用wait，否则进程成为僵尸进程(Zombie)。所以，有必要对每个Process对象调用join()方法 (实际上等同于wait)。对于多线程来说，由于只有一个进程，所以不存在此必要性。

from multiprocessing import Process, Pool
import time
def foo(i):
    time.sleep(1)
    print(i + 100)
    return i + 100#返回给回调函数
def bar(args):
    print(args)
if __name__ == '__main__':
    pool = Pool(3)#建立进程池为3，进程为3放不下，for循环，每次执行3个进程
    for i in range(6):
        #进程执行该函数，申请一个进程执行该函数，运行完后放回进程池。
       #pool.apply(func=foo, args=(i,)) # apply 默认是依次执行完每个进程才会进行下一个，相当于Daemon = True
       print(11111)
      # apply_async默认是不等待的相当于Daemon = False,，批量生成 , 而async这个方法还可以用回调函数，即，
      # foo的执行完，其返回值传给回调函数callback（干完后告诉我下），做处理
      # pool.apply_async(func=foo, args=(i,), callback=bar)

    print("end")
    pool.terminate()
    # pool.close()  # 阻止执行 超过规定的进程数量  close 是每个进程运行完毕才会继续，terminate是不管执行没有执行完，都跳过
    # pool.join()  # 上面必须有个close 或者terminate  否则发生assert错误 断言错误
                   #进程池中的进程执行完毕后再关闭，如果是注释，那么程序直接关闭。

协程

协程内部就是控制单个线程来回跳动执行的，又称微线程，不需要cpu的操作时候，比如并发请求网站的时候。是网卡io请求，我们就可以用协程。爬虫。

协程，又称微线程，协程执行看起来有点像多线程，但是事实上协程就是只有一个线程，因此，没有线程切换的开销，和多线程比，线程数量越多，协程的性能优势就越明显，此外因为只有一个线程，不需要多线程的锁机制，也不存在同时写变量冲突。协程的适用场景：当程序中存在大量不需要CPU的操作时（IO）下面来看一个利用协程例子

协程的一个基本模块 greenlet ，功能很少，需要手动控制。而丰富的协程模块gevent 就是底层调用的greenlet，可以自动跳。

协程详细：http://www.cnblogs.com/demon89/p/7436416.html

安装方法

参考http://www.cnblogs.com/liujianzuo888/articles/5507196.html

源码或者二进制exe方式安装：需要手动安装依赖

pip安装：会自动安装依赖，类似linux的yum

python -m pip install --upgrade pip


python -m pip install gevent

线程和进程的操作是由程序触发系统接口，最后的执行者是系统；协程的操作则是程序员。区别

协程存在的意义：对于多线程应用，CPU通过切片的方式来切换线程间的执行，线程切换时需要耗时（保存状态，下次继续）。

协程，则只使用一个线程，在一个线程中规定某个代码块执行顺序。

greenlet(模块太Low,不推荐用)

# 遇到greenlet 的switch 某个函数就会跳。
from greenlet import greenlet
def test1():
    print(12)
    gr2.switch()
    print(34)
    gr2.switch()
def test2():
    print (56)
    gr1.switch()
    print(78)

gr1 = greenlet(test1)
gr2 = greenlet(test2)
gr1.switch()

gevent（推荐使用）

相比greenlet gevent 是调的greenlet ，可以自动跳

import gevent
def foo():
    print('Running in foo')
    gevent.sleep(1) #跳过（不要继续执行了，跳到下个协程去）
    print('Explicit context switch to foo again')

def bar():
    print('Explicit context to bar')
    gevent.sleep(3)
    print('Implicit context switch back to bar')

gevent.joinall([
    gevent.spawn(foo),
    gevent.spawn(bar),
])

遇到IO操作自动切换：

爬虫专用：url----->调用gevent----->调用greenlet----->调用协程

from gevent import monkey;monkey.patch_all()
import gevent
import requests
def f(url):
    print('GET: %s' % url)
    resp = requests.get(url)
    data = resp.text
    print(len(data),url)

gevent.joinall([
    gevent.spawn(f, 'https://www.python.org/'),
    gevent.spawn(f, 'https://www.yahoo.com/'),
    gevent.spawn(f, 'https://github.com/'),
])

爬虫专用

管理上下文的模块contextlib

实现下面功能，就用管理上下文来实现
# li.append(1)
# q.get()
# li.remove(1)

import contextlib,queue
@contextlib.contextmanager#处理上下文的装饰器
def f1(xxx, arg):
    xxx.append(arg)
    try:
        yield 
    finally:
        print(123)
        xxx.remove(arg)
q = queue.Queue()
li = []
q.put('liu')
with f1(li,1):#with管理下面函数
    print("before",li)
    q.get()
print("after", li)

输出：
before [1]
123
after []

E.g管理上下文

详细的上下文管理： http://www.cnblogs.com/demon89/p/7435694.html

人的思维，观点是一直都会进化的。如果现在的思维，观点看法；和十年前的一模一样的话。那就可以说，你这十年是白活的。

相关阅读:
python 取整的两种方法
 django class-based view 考古
 django缓存基于类的视图
 MySQL参数优化案例
 django后台使用MySQL情况下的事务控制详解
 讲讲python“=”运算符上的优雅语法
 p标签不折行的问题
 django-TDD
session 和 flask_session 实现原理(源码解析)
网关地址和网关IP是什么，他们有什么关系？
原文地址：https://www.cnblogs.com/liuzhiyun/p/7429366.html

线程、进程以及协程，上下文管理器

线程和进程

threading模块

创建线程的两种方式

1 第一种创建线程的方式 创建20个线程

2 第二种创建线程的方式 创建20个线程

多线程的说明：

setDaemon(True)：不等,主线程直接运行后就结束

setDaemon(False)：等，主线程运行后，等待子线程运行完后，才结束

Lock、Rlock类

信号量 semaphore 讲解： 区别一个数据一个线程即一个厕所一把钥匙 一个厕所5个坑 5吧钥匙

Event类

timer类

local类

线程锁threading.RLock和threading.Lock

threading.RLock和threading.Lock 的区别

RLOCK递归锁的用处 解锁多层

threading.Event

！！线程之间交互 threading.Event方法 红灯 绿灯 信号标志位

条件（Condition）

queue模块（FIFO）

多进程

进程间的数据共享

Array 共享进程间的列表 linux无问题。windows下有问题

Pipe例子 管道

Multiprocess 的queue 队列 案例

多进程LOCK，如果不锁 屏幕抢占输出进程锁实例

进程池

协程

greenlet(模块太Low,不推荐用)

gevent（推荐使用）

管理上下文的模块contextlib

1 第一种创建线程的方式创建20个线程

2 第二种创建线程的方式创建20个线程

信号量 semaphore 讲解：区别一个数据一个线程即一个厕所一把钥匙一个厕所5个坑 5吧钥匙

RLOCK递归锁的用处解锁多层

！！线程之间交互 threading.Event方法红灯绿灯信号标志位

　多进程

Pipe例子管道

Multiprocess 的queue 队列案例

多进程LOCK，如果不锁屏幕抢占输出进程锁实例