全局解释器锁及其他用法

一、GIL全局解释器锁

'''
定义：
In CPython, the global interpreter lock, or GIL, is a mutex that prevents multiple
native threads from executing Python bytecodes at once. This lock is necessary mainly
because CPython’s memory management is not thread-safe. (However, since the GIL
exists, other features have grown to depend on the guarantees that it enforces.)
'''

结论：在Cpython解释器中，同一个进程下开启的多线程，同一时刻只能有一个线程执行，无法利用多核优势
1、存在原因：
    GIL是一个互斥锁：保证数据的安全（以牺牲效率来换取数据的安全）
    阻止同一个进程内多个线程同时执行（不能并行但能并发）
    GIL全局解释器存在的原因是Cpython解释器的内存管理不是线程安全的
    同一个进程下的多个线程不能实现并行但是能够实现并发，多个进程下的线程能够实现并行
2、多线程和多进程都有自己的优点，要根据项目需求合理选择
    四个任务:计算密集的任务   每个任务耗时10s
    单核情况下:
        多线程好一点，消耗的资源少一点
    多核情况下:
        开四个进程:10s多一点
        开四个线程:40s多一点

    四个任务:IO密集的任务   每个任务io 10s
    单核情况下:
        多线程好一点
    多核情况下:
        多线程好一点

二、GIL全局解释器锁与普通锁的互斥锁的区别
对于不同的数据，要想保证数据的安全，需要加不同的锁处理
GIL并不能保证数据的安全，它是对Cpython解释器加锁，针对的是线程
保证的是同一个进行下多个线程之间的安全

三、死锁与递归锁
自定义锁一次acquire必须对应一次release，不能连续acquire
递归锁可以连续acquire，每acquire一次计数加一（针对的是第一个抢到的）
1、死锁

from threading import Thread,Lock
import time


mutexA = Lock()
mutexB = Lock()


class MyThread(Thread):
    def run(self):
        self.f1()
        self.f2()

    def f1(self):
        mutexA.acquire()
        print('%s 抢到A锁了' % self.name)
        mutexB.acquire()
        print('%s 抢到B锁了' % self.name)  # B锁在1手里，拿不到，阻塞
        mutexB.release()
        print('%s 释放了B锁' % self.name)
        mutexA.release()
        print('%s 释放了A锁' % self.name)

    def f2(self):
        mutexB.acquire()
        print('%s 抢到B锁了' % self.name)    # 1抢到了B锁，这时2抢到了A锁
        time.sleep(1)
        mutexA.acquire()
        print('%s 抢到A锁了' % self.name)    # A锁在2手里，拿不到，阻塞
        mutexA.release()
        print('%s 释放了A锁' % self.name)
        mutexB.release()
        print('%s 释放了B锁' % self.name)


for i in range(100):
    t = MyThread()
    t.start()

2、递归锁

from threading import Thread,RLock
import time


mutexA = mutexB = RLock()



class MyThread(Thread):
    def run(self):
        self.f1()
        self.f2()

    def f1(self):
        mutexA.acquire()
        print('%s 抢到A锁了' % self.name)  # 计数加1
        mutexB.acquire()
        print('%s 抢到B锁了' % self.name)  # 计数加1，变为2
        mutexB.release()
        print('%s 释放了B锁' % self.name)  # 计数减一
        mutexA.release()
        print('%s 释放了A锁' % self.name)  # 计数变为0

    def f2(self):
        mutexB.acquire()
        print('%s 抢到B锁了' % self.name)    # 计数又变1
        time.sleep(1)                        # 所有线程都起来，但是发现计数为1，等待在原地
        mutexA.acquire()
        print('%s 抢到A锁了' % self.name)
        mutexA.release()
        print('%s 释放了A锁' % self.name)
        mutexB.release()
        print('%s 释放了B锁' % self.name)


for i in range(100):
    t = MyThread()
    t.start()

四、信号量
信号量就是规定了有多少把钥匙，所有人抢多把锁

from threading import Thread,Semaphore
import time
import random

sm = Semaphore(5)    # 五把锁


def task(name):
    sm.acquire()        # 同时有五个人
    print('%s 正在上厕所' % name)
    time.sleep(random.randint(1,3))
    sm.release()       # 释放几把锁就抢几把


if __name__ == '__main__':
    for i in range(20):
        t = Thread(target=task,args=(i,))
        t.start()

五、event事件
一些线程需要等待另外一些线程运行完毕才能运行,类似于发射信号一样

from threading import Event,Thread
import time

event = Event()


def light():
    print('红灯正亮着')
    time.sleep(3)
    event.set()      #  给event发了一个信号，解除阻塞
    print('绿灯亮了')


def car(i):
    print('%s 正在等红灯'%i)
    event.wait()            # 阻塞，在等event的信号
    print('%s起飞了'%i)


t1 = Thread(target=light)
t1.start()

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

六、线程queue：导入模块queue
1、普通q:正常放取，满了再放会阻塞在原地，一个都取不到，空了再取会阻塞在原地

q = queue.Queue(3)
q.put(1)
q.put(2)
q.put(3)
print(q.get())
print(q.get())
print(q.get())

2、先进后出:每次取都是取的队列中最后一个，没有再取会阻塞在原地

q = queue.LifoQueue(5)
q.put(1)
q.put(2)
q.put(3)
q.put(4)
q.put(5)
print(q.get())

3、优先级:优先取出最小的那个数

q = queue.PriorityQueue()
q.put((10,'a'))
q.put((-1,'a'))
q.put((100,'a'))
print(q.get())
print(q.get())
print(q.get())