多进程与多线程

线程和进程：
　　进程：对于操作系统来说，打开一个记事本是进程，打开一个word是一个word进行，打开QQ也是一个进程。进程是很多资源的集合。

　　线程：打开word后，word可以同时进行打字，拼写检查，打印等事情。在一个进程内部，要同时干很多事，就需要同时运行多个‘子任务’，就把进程内的这些‘子任务’称为线程

　　每个进程值是要干一件事，所有一个进程至少有一个线程。多线程可以同时执行，多线程的执行方式和多进程一样，也是由操作系统在多个线程之间快速切换，让每个线程都短暂的交替进行，看起来像同时执行一样。当然，真正的同时执行多线程需要多核cpu才可能实现。线程是最小的执行单元，而进程由至少一个线程组成。

　　python的解释器使用了GIL的一个叫全局解释器锁，它不能利用多核cpu，只能运行在一个CPU上面，但是在运行程序的时候，看起来好像还是在一起运动，是因为操作系统轮流让各个任务交替执行，任务1执行0.01秒，切换到任务2，任务2执行0.01秒，再切换到任务3，执行0.01秒。。。这样反复执行下去。表面上看，每个任务都是交替执行的，但是由于cpu的执行速度太快了，感觉就像所有任务都在同时执行一样，这个称为上下文切换。

'''
多线程：
咱们打开的程序都是一个进程。
线程是包含在进程里的。
进程里面最少有一个线程
线程之间是互相独立的
有一个主线程
'''
'''
cpu是几核的，就只能同时运行几个进程

python的多线程是利用不了多核cpu的，GIL全局解释器锁的
'''
import threading,time,requests
def sayHi(name):
    time.sleep(2)
    print(name)
sayHi('lkj')
sayHi('edc')
sayHi('rfv')#串行运行，需要6秒


import threading,time,requests
def sayHi(name):
    time.sleep(2)
    print(name)
t=threading.Thread(target=sayHi,args=('xiahei',))#启动线程
t.start()#开始运行


import threading,time,requests
def sayHi(name):
    time.sleep(2)
    print(name)
for i in range(5):#并行运行，需要两秒
    t=threading.Thread(target=sayHi,args=('xiahei',))#启动线程
    t.start()#开始运行

import threading,time,requests
def DownHtml(url,name):
    comment=requests.get(url).content
    f=open(name+'.html','wb')
    f.write(comment)
    f.close()
urls=[
    ['nnzhp','http://www.nnzhp.cn'],
    ['dsx','http://www.imdsx.cn'],
    ['besttest','http://www.besttest.cn'],
]
start_time=time.time()
for url in urls:
    DownHtml(url[1],url[0])
end_time=time.time()
print(end_time-start_time)#串行运行，时间较长,4.8s


import threading,time,requests
def DownHtml(url,name):
    comment=requests.get(url).content
    f=open(name+'.html','wb')
    f.write(comment)
    f.close()
urls=[
    ['nnzhp','http://www.nnzhp.cn'],
    ['dsx','http://www.imdsx.cn'],
    ['besttest','http://www.besttest.cn'],
]
start_time=time.time()
for url in urls:
    t=threading.Thread(target=DownHtml,args=(url[1],url[0]))
    t.start()
end_time=time.time()
print(end_time-start_time)#时间为0.002秒，时间太短，这个时间不对。因为每个进程至少有一个线程，称为主线程；主线程会自己执行自己的，不会等子线程，所以执行到最后一条语句时，就输出时间，所以该时间是主线程的执行时间。

import threading,time
import requests
def DownHtml(url,name):
    comment=requests.get(url).content
    f=open(name+'.html','wb')
    f.write(comment)
    f.close()
urls=[
    ['nnzhp','http://www.nnzhp.cn'],
    ['dsx','http://www.imdsx.cn'],
    ['besttest','http://www.besttest.cn'],
]
start_time=time.time()
threads=[]#存放刚才启动线程
for url in urls:
    t=threading.Thread(target=DownHtml,args=(url[1],url[0]))
    t.start()
    threads.append(t)
for t in threads:#等待子线程
    t.join()#主线程等待子线程
end_time=time.time()
print(end_time-start_time)

多进程
　　import multiprocessing,threading
import time
def run2():
    print('这是多线程启动的')
def run():
    time.sleep(2)
    for i in range(5):
        t = threading.Thread(target=run2)
        t.start()
if __name__ == '__main__':
    for i in range(5):
        p = multiprocessing.Process(target=run)#Python里面的多线程，是不能利用多核CPU的，如果想利用多核CPU的话，就得使用多进程，python中多进程使用multiprocessing模块。
        p.start()

 守护进程：

import threading
import time
def sh():
    time.sleep(2)
    print("测试守护线程")
for i in range(5):
    t=threading.Thread(target=sh)
    t.start()
print('done')
打印结果：
done
测试守护线程
测试守护线程
测试守护线程
测试守护线程
测试守护线程



import threading
import time
def sh():
    time.sleep(2)
    print("测试守护线程")
for i in range(5):
    t=threading.Thread(target=sh)
    t.setDaemon(True)#设置子线程为守护线程，守护线程就是，一旦主线程执行结束，那么子线程立刻结束，不管子线程有没有运行完
    t.start()
print('done')
打印结果：
done


import threading
import time
def sh():
    time.sleep(2)
    print('测试线程')
threads=[]
for i in range(5):
    t=threading.Thread(target=sh)
    t.setDaemon(True)#如果主线程等待子线程的话，那么设置的守护线程就不好使了
    t.start()
    threads.append(t)
for t in threads:
    t.join()
print('done')
打印结果：
测试线程
测试线程
测试线程
测试线程
测试线程
done

线程锁：

import threading
from threading import Lock

num = 0
lock = Lock()  # 申请一把锁

def run():
    global num
    lock.acquire()  # 加锁
    num += 1
    lock.release()  # 解锁

lis = []
for i in range(5):
    t = threading.Thread(target=run)
    t.start()
    lis.append(t)
for t in lis:
    t.join()
print('over', num)


#加锁是为了多线程的时候同时还修改一个数据的时候，有可能会导致数据不正确
#python3里面锁不加也无所谓，它会自动给你加上锁