JIR、进程池和线程池

　　今天学习了JIR、进程池和线程池

　　GIL：Global Interpreter Lock

　　全局解释器锁

　　　　锁的作用：为了避免资源竞争造成数据错乱

　　python程序的执行过程

　　　　1.启动解释器进程 python.exe

　　　　2.解析你的py文件并执行它

　　每个py程序中殴斗必须有解释器参与 解释器其实就是一堆代码

　　相当于多个线程要调用同一个解释器代码 共享意味着竞争 竞争就要出事

　　给解释器加互斥锁

　　

　　python中内存管理依赖于 GC(一段用于回收内存的代码) 也需要一个线程

　　除了你自己开的线程 系统还有一些内置线程 就算你的代码不会去竞争解释器 内置线程也可能会竞争

　　所以必须加上锁

　　当一个线程遇到了I/O 同时解释器也会自动解锁 去执行其他线程 cpu会切换到其他程序

　　解释器加锁以后

　　　　将导致所有线程只能并发 不能达到真正的并行 意味着同一时间只有一个CPU在处理你的线程给你的感觉是效率低

　　代码执行有两种状态

　　阻塞 i/o 失去CPU的执行权 (CPU等待IO完成)

　　非阻塞  代码正常执行 比如循环一千万次  中途CPU可能切换 很快会回来　　(CPU在计算)

　　假如有32核CPU 要处理一个下载任务  网络速度慢 只有100kb/s 文件大小为1024kb

　　如果你的代码中IO操作非常多  cpu性能不能直接决定你的任务处理速度

　　在IO密集的程序中 CPU性能无法直接决定程序的执行速度   python就应该干这种活儿

　　在计算密集的程序中 CPU性能可以直接决定程序的执行速度

　　 

　　计算密集测试                                                                                                                                                                        

from multiprocessing import Process
import time

#计算密集任务
def task1():
    sum = 1
    for i in range(10000000):
        sum *=i

def task2():
    sum = 1
    for i in range(10000000):
        sum *=i

def task3():
    sum = 1
    for i in range(10000000):
        sum *=i

def task4():
    sum = 1
    for i in range(10000000):
        sum *=i

def task5():
    sum = 1
    for i in range(10000000):
        sum *=i

def task6():
    sum = 1
    for i in range(10000000):
        sum *=i

if __name__ == '__init__':
    # 开始时间
    st_time = time.time()
    # 多进程情况下
    p1 = Process(target = task1)
    p2 = Process(target = task2)
    p3 = Process(target = task3)
    p4 = Process(target = task4)
    p5 = Process(target = task5)
    p6 = Process(target = task6)
    p1.start()
    p2.start()
    p3.start()
    p4.start()
    p5.start()
    p6.start()

    p1.join()
    p2.join()      
    p3.join()
    p4.join()
    p5.join()
    p6.join()
    print(time.time()-st_time)    
 '''
1.05321354643464
'''

　　IO密集测试

　　

from threading import Thread
import time

#计算密集任务
def task1():
    time.sleep(3)

def task2():
    time.sleep(3)

def task3():
    time.sleep(3)

def task4():
    time.sleep(3)

def task5():
    time.sleep(3)

def task6():
    time.sleep(3)

if __name__ == '__main__':
    #开始时间
    st_time = time.time()
    #多线程情况下
    t1 = Thread(target = task1)  
    t2 = Thread(target = task2)
    t3 = Thread(target = task3)
    t4 = Thread(target = task4)
    t5 = Thread(target = task5)
    t6 = Thread(target = task6)
    t1.start()
    t2.start()
    t3.start()
    t4.start()
    t5.start()
    t6.start()
    t1.join()
    t2.join()
    t3.join()
    t4.join()
    t5.join()
    t6.join()
    print(time.time - st_time)
    '''
    3.0035946873164
    '''

　　二、进程池

　　进程池就是一个装进程的容器

　　为什么出现

　　　　当进程很多的时候方便管理进程

　　什么时候用？

　　　　当并发量特别大的时候    例如双十一

　　　　很多时候进程是空闲的  就让他进入进程池   让有任务处理时才从进程池取出来使用

　　进程池使用

　　　　ProcessPoolExecutor类

　　　　创建时指定最大进程数　　自动创建进程

　　　　调用submit函数将任务提交到进程池中

　　　　创建进程是在调用submit后发生的

　　总结一下：

　　　　进程池可以自动创建进程

　　　　进程限制最大进程数

　　　　自动选择一个空闲的进程帮你处理任务

　　三、线程池

　　和进程池差不多，使用的是ThreadPoolExcecutor类