多任务-线程、多线程执行、线程注意点、自定义线程、多线程-共享全局变量、互斥锁、死锁
1. 多任务-线程
<1>多任务:
在同一时间内执行多个任务，每个任务可以理解成现实生活中干的每个活。
单任务： 一个任务执行完成另外一个任务才能执行
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的执行速度实在是太快了，我们感觉就像所有任务都在同时执行一样。
单核cpu是并发的执行多任务，真正的并行执行多任务只能在多核CPU上实现，但是，由于任务数量远远多于CPU的核心数量，所以，操作系统也会自动把很多任务轮流调度到每个核心上执行。
<2>线程的概念
线程就是在程序运行过程中，执行程序代码的一个分支，每个运行的程序至少都有一个线程
小结
首先让我们了解一下并发和并行的概念：什么是并发什么是并行,他们的区别是什么?
举个简单的例子：
你吃饭吃到一半，电话来了，你一直到吃完了以后才去接，这就说明你不支持并发也不支持并行.
你吃饭吃到一半，电话来了，你停了下来接了电话，接完后电话以后继续吃饭，这说明你支持并发。
你吃饭吃到一半，电话来了，你一边打电话一边吃饭，这说明你支持并行。
并行与并发的理解
并发：交替处理多个任务的能力；
并行：同时处理多个任务的能力；
并发的关键是你有处理多个任务的能力，不一定要同时。
并行的关键是你有同时处理多个任务的能力,强调的是同时.
所以它们最大的区别就是：是否是『同时』处理任务。
对于一个多核cpu来说并行显然要比并发快的多
由此我们可以知道一个多核cpu在处理多个任务的时候如果想要发挥最大功效就要实现并行
那我们在使用多线程和多进程来写程序的时候就是为了让多核cpu发挥他最大的功效实现并行
并发：指的是任务数多于cpu核数，通过操作系统的各种任务调度算法，实现用多个任务“一起”执行（实际上总有一些任务不在执行，因为切换任务的速度相当快，看上去一起执行而已）
并行：指的是任务数小于等于cpu核数，即任务真的是一起执行的
2.多线程执行
<1>导入线程模块
#导入线程模块
import threading
<2>线程类Thread参数说明
def __init__(self, group=None, target=None, name=None,args=(), kwargs=None, *, daemon=None):
Thread([group [, target [, name [, args [, kwargs]]]]])
group: 线程组，目前只能使用None
target: 执行的目标任务名
args: 以元组的方式给执行任务传参
kwargs: 以字典方式给执行任务传参
name: 线程名，一般不用设置
daemon= True 守护主线程
<3>启动线程
启动线程使用start方法
<4>多线程完成多任务的代码
#导入线程模块
import threading
import time
# 唱歌任务
def sing():
# 扩展： 获取当前线程threading.current_thread()
# print("sing当前执行的线程为：", threading.current_thread())
for i in range(3):
print("正在唱歌...%d" % i)
time.sleep(1)
# 跳舞任务
def dance():
# 扩展： 获取当前线程
# print("dance当前执行的线程为：", threading.current_thread())
for i in range(3):
print("正在跳舞...%d" % i)
time.sleep(1)
if __name__ == '__main__':
# 扩展： 获取当前线程
# print("当前执行的线程为：", threading.current_thread())
# 创建唱歌的线程
# target： 线程执行的函数名、方法名
sing_thread = threading.Thread(target=sing)
# 创建跳舞的线程
dance_thread = threading.Thread(target=dance)
# 开启线程, 必须启动线程才能执行任务
sing_thread.start()
dance_thread.start()
<6>多线程执行带有参数的任务
import threading
import time
# 唱歌任务
def sing(num):
# 扩展： 获取当前线程
# print("sing当前执行的线程为：", threading.current_thread())
for i in range(num):
print("正在唱歌...%d" % i)
time.sleep(1)
# 跳舞任务
def dance(num):
# 扩展： 获取当前线程
# print("dance当前执行的线程为：", threading.current_thread())
for i in range(num):
print("正在跳舞...%d" % i)
time.sleep(1)
if __name__ == '__main__':
# 扩展： 获取当前线程
# print("当前执行的线程为：", threading.current_thread())
# target： 线程执行的函数名
# args： 表示以元组的方式给函数传参
# kwargs: 表示以字典的方式给函数传参
sing_thread = threading.Thread(target=sing, args=(3, ))
# 创建跳舞的线程
dance_thread = threading.Thread(target=dance, kwargs={"num": 3})
# 开启线程
sing_thread.start()
dance_thread.start()
<7>查看获取线程列表
获取当前程序活动线程的列表
thread_list = threading.enumerate()
活动线程的个数
num = threading.active_count()
import threading
import time
# 唱歌
def sing():
# 扩展:-获取当前执行代码的线程
print("sing:", threading.current_thread())
for i in range(5):
print("唱歌")
time.sleep(0.2)
# 跳舞
def dance():
# 扩展:-获取当前执行代码的线程
print("dance:", threading.current_thread())
for i in range(5):
print("跳舞")
time.sleep(0.2)
if __name__ == '__main__':
# 扩展:-获取当前执行代码的线程
print("main:", threading.current_thread())
# 获取当前程序活动线程的列表
thread_list = threading.enumerate()
print("111:", thread_list, len(thread_list))
# 创建唱歌线程, 表示创建的子线程执行唱歌任务
sing_thread = threading.Thread(target=sing)
# 创建跳舞的线程, 表示创建的子线程执行跳舞任务
dance_thread = threading.Thread(target=dance)
thread_list = threading.enumerate()
print("222:", thread_list, len(thread_list))
# 启动线程,执行对应的任务
sing_thread.start()
# 启动线程,执行对应的任务
dance_thread.start()
提示：只有线程启动了，才能加入到活动线程列表中
thread_list = threading.enumerate()
print("333:", thread_list, len(thread_list))
总结
使用多线程可以完成多任务。
只有线程启动，线程才会加入到活动线程列表
3.线程注意点
<1>线程之间执行是无序的
总结： 线程之间执行是无序的，是由cpu调度决定的
<2>主线程会等待所有的子线程结束后才结束
总结： 主线程会等待所有的子线程执行完成以后程序再退出
<3>守护主线程
# daemon=True 守护主线程
# 守护主线程方式1
sub_thread = threading.Thread(target=show_info, daemon=True)
# 设置成为守护主线程，主线程退出后子线程直接销毁不再执行子线程的代码
# 守护主线程方式2
# sub_thread.setDaemon(True)
sub_thread.start()
总结:
线程之间执行时无序的。
主线程会等待所有的子线程结束后才结束，如果需要可以设置守护主线程
4.自定义线程
<1>自定义线程代码
import threading
# 自定义线程类
class MyThread(threading.Thread):
# 通过构造方法取接收任务的参数
def __init__(self, info1, info2):
# 调用父类的构造方法
super(MyThread, self).__init__()
self.info1 = info1
self.info2 = info2
# 定义自定义线程相关的任务
def test1(self):
print(self.info1)
def test2(self):
print(self.info2)
# 通过run方法执行相关任务,重写父类run方法
def run(self):
self.test1()
self.test2()
# 创建自定义线程
my_thread = MyThread("测试1", "测试2")
# 启动
my_thread.start()
注意：
不要使用custom_thread.run()的方式启动线程，线程启动统一start方法
custom_thread.run()的任务是在主线程执行的，不是在子线程执行
start 方法内部会调用run方法
<2>小结
自定义线程不能指定target，因为自定义线程里面的任务都统一在run方法里面执行
启动线程统一调用start方法，不要直接调用run方法, 因为这样不是使用子线程去执行任务
5.多线程-共享全局变量
多线程共享全局变量，很方便在多个线程间共享数据
多线程同时操作全局变量导致数据可能出现错误（可能出现资源竞争，数据错乱的问题）
全局变量数据错误的解决办法：
线程同步: 保证同一时刻只能有一个线程去操作全局变量 同步: 就是协同步调，按预定的先后次序进行运行。一个任务执行完成以后另外一个任务才能执行，同一个时刻只有一个任务在执行
线程同步的方式:
线程等待(join)也称为线程同步
主线程等待添加数据线程执行完成以后再执行后面的代码
add_thread.join()
互斥锁也称为同步锁
结论
多个线程同时对同一个全局变量进行操作，会有可能出现资源竞争数据错误的问题
线程同步方式可以解决资源竞争数据错误问题，但是这样有多任务变成了单任务。执行效率下降了，数据安全了
6.互斥锁
<1>互斥锁的概念
互斥锁: 对共享数据进行锁定，保证同一时刻只能有一个线程去操作。
注意:
抢到锁的线程先执行，没有抢到锁的线程需要等待，等锁用完后需要释放，然后其它等待的线程再去抢这个锁，那个线程抢到那个线程再执行。
具体哪个线程抢到这个锁我们决定不了，是由cpu调度决定的。
加上互斥锁多任务瞬间变成单任务，性能会下降，也就是说同一时刻只能有一个线程去执行
互斥锁为资源引入一个状态：锁定/非锁定
某个线程要更改共享数据时，先将其锁定，此时资源的状态为“锁定”，其他线程不能更改；直到该线程释放资源，将资源的状态变成“非锁定”，其他的线程才能再次锁定该资源。互斥锁保证了每次只有一个线程进行写入操作，从而保证了多线程情况下数据的正确性。
threading模块中定义了Lock变量，这个变量本质上是一个函数，可以方便的处理锁定：
# 创建锁
mutex = threading.Lock()
# 锁定
mutex.acquire()
# 释放
mutex.release()
注意：
如果这个锁之前是没有上锁的，那么acquire不会堵塞
如果在调用acquire对这个锁上锁之前 它已经被 其他线程上了锁，那么此时acquire会堵塞，直到这个锁被解锁为止
<2>使用互斥锁的目的
能够保证多个线程访问共享数据不会出现资源竞争及数据错误
<3>上锁、解锁过程
当一个线程调用锁的acquire()方法获得锁时，锁就进入“locked”状态。
每次只有一个线程可以获得锁。如果此时另一个线程试图获得这个锁，该线程就会变为“blocked”状态，称为“阻塞”，直到拥有锁的线程调用锁的release()方法释放锁之后，锁进入“unlocked”状态。
线程调度程序从处于同步阻塞状态的线程中选择一个来获得锁，并使得该线程进入运行（running）状态。
总结:
锁的好处：
确保了某段关键代码只能由一个线程从头到尾完整地执行
锁的坏处：
多线程执行变成了包含锁的某段代码实际上只能以单线程模式执行，效率就大大地下降了
锁使用不好就容易出现死锁情况
7.死锁
死锁的概念
一直等待对方释放锁的情景就是死锁
死锁一旦发生就会造成应用的停止响应
避免死锁:在合适的地方释放锁
小结
使用互斥锁的时候需要注意死锁的问题，要在合适的地方注意释放锁
死锁一旦发生就会造成应用的停止响应