一、线程


  线程是操作系统能够进行运算调度的最小单位。它被包含在进程之中,是进程中的实际运作单位。一条线程指的是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

方法:

  start            线程准备就绪,等待CPU调度

  setName      设置线程名称

  getName      获取线程名称

  setDaemon   把一个主进程设置为Daemon线程后,主线程执行过程中,后台线程也在进行,主线程执行完毕后,后台线程不论有没执行完成,都会停止

  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  

  run              线程被cpu调度后自动执行线程对象的run方法



threading模块

  线程的两种调用方式:

1.直接调用(常用)

import threading
import time
'''直接调用'''

def hello(name):
    print("Hello %s"%name)
    time.sleep(3)
    
    
if __name__ == "__main__":
    t1=threading.Thread(target=hello,args=("zhangsan",)) #生成线程实例
    t2=threading.Thread(target=hello,args=("lisi",))
    t1.setName("aaa")   #设置线程名
    t1.start()  #启动线程
    t2.start()
    t2.join()   #join  等待t2先执行完
    print("Hello")
    print(t1.getName()) #获取线程名

2.继承式调用


'''继承式调用'''
import threading
import time

class MyThread(threading.Thread):
    def __init__(self,name):
        threading.Thread.__init__(self)
        self.name = name
        
    def run(self):
        print("Hello %s"%self.name)
        time.sleep(3)
        
if __name__ == "__main__":
    t1=MyThread("zhangsan")
    t2=MyThread("lisi")
    t1.start()
    t2.start()


setDaemon线程


#!/usr/bin/env python
# -*- coding:utf-8 -*-
import time
import threading

def run(n):
    print('Hello..[%s]\n' % n)
    time.sleep(2)
    
def main():
    for i in range(5):
            t = threading.Thread(target=run,args=[i,])
      t.start()
      t.join(1)
        
m = threading.Thread(target=main,args=[])
m.setDaemon(True) #将主线程设置Daemon设置为True后,主线程执行完成时,其它子线程会同时退出,不管是否执行完任务
m.start()
print("--- done----")

 

线程锁Lock

  一个进程下可以启动多个线程,多个线程共享父进程的内存空间,每个线程可以访问同一份数据,所以当多个线程同时要修改同一份数据时,就会出现错误

  例如:

#!/usr/bin/env python
# -*- coding:utf-8 -*-
import threading
import time

num = 100 #设置一个共享变量

def show():
    global num  #在函数内操作函数外变量,需设置为全局变量
    time.sleep(1)
    num -= 1
    
list=[]

for i in range(100):
    t = threading.Thread(target=show)
    t.start()
    list.append(t)
    
for t in list:
    t.join()
    
print(num)

  上面的例子在正常执行完成后的num的结果应该是0,但实际上每次的执行结果都不太一样,因为当多个线程同时要修改同一份数据时,就会出现一些错误(只有

在python2.x运行才会出现错误,python3.x中不会),所以每个线程在要修改公共数据时,为了避免自己在还没改完的时候别人也来修改此数据,可以加上线程锁

来确保每次修改数据时只有一个线程在操作。



加锁代码


#!/usr/bin/env python
# -*- coding:utf-8 -*-
import threading
import time

num = 100 #设置一个共享变量
lock=threading.Lock()  #生成全局锁

def show():
    global num  #在函数内操作函数外变量,需设置为全局变量
    time.sleep(1)
    lock.acquire()  #修改前加锁
    num -= 1
    lock.release()  #修改后解锁
    
list=[]

for i in range(100):
    t = threading.Thread(target=show)
    t.start()
    list.append(t)
for t in list:
    t.join()
print(num)


递归锁RLock

    就是在一个大锁中再包含子锁


#!/usr/bin/env python
# -*- coding:utf-8 -*-
import threading
#递归锁

def run1():
    lock.acquire()  #小锁
    global num
    num +=1
    lock.release()
    return num
    
def run2():
    lock.acquire()  #小锁
    global  num2
    num2+=1
    lock.release()
    return num2
    
def run3():
    lock.acquire()  #大锁
    res = run1()
    res2 = run2()
    lock.release()
    print(res,res2)
    
if __name__ == '__main__':
    num,num2 = 0,0
    lock = threading.RLock()    #生成Rlock
    
    for i in range(10):
        t = threading.Thread(target=run3)
        t.start()
        
while threading.active_count() != 1:#如果不等于1,说明子线程还没执行完毕
    pass #打印进程数
else:
    print(num,num2)


Semaphore

  同时允许一定数量的线程更改数据


#!/usr/bin/env python
# -*- coding:utf-8 -*-
import threading
import time

def run(n):
    semaphore.acquire()
    time.sleep(1)
    print("run the thread: %s" %n)
    semaphore.release()
    
if __name__ == '__main__':
    semaphore  = threading.BoundedSemaphore(3) #设置最多允许3个线程同时运行
    for i in range(20):
        t = threading.Thread(target=run,args=(i,))
        t.start()
        
while threading.active_count() != 1:
    pass
else:
    print('----done---')


event

  实现两个或多个线程间的交互,提供了三个方法 set、wait、clear,默认碰到event.wait 方法时就会阻塞。

  event.set(),设定后遇到wait不阻塞

  event.clear(),设定后遇到wait后阻塞

  event.isSet(),判断有没有被设定


#!/usr/bin/env python
# -*- coding:utf-8 -*-
import threading

def start():
    print("---start---1")
    event.wait()    #阻塞
    print("---start---2")
    
if __name__ == "__main__":
    event = threading.Event()
    t = threading.Thread(target=start)
    t.start()
    result=input(">>:")
    if result == "set":
        event.set() #设定set,wait不阻塞


二、进程

multiprocessing模块

进程调用


#!/usr/bin/env python
# -*- coding:utf-8 -*-
from multiprocessing import Process
import time

def start(name):
    time.sleep(1)
    print('hello', name)
    
if __name__ == '__main__':
    p = Process(target=start, args=('zhangsan',))
    p1 = Process(target=start, args=('lisi',))
    p.start()
    p1.start()
    p.join()


进程间通讯

  每个进程都拥有自己的内存空间,因此不同进程间内存是不共享的,要想实现两个进程间的数据交换,有几种方法

Queue(队列)


#!/usr/bin/env python
# -*- coding:utf-8 -*-
from multiprocessing import Process, Queue

def start(q):
    q.put( 'hello')
if __name__ == '__main__':
    q = Queue()
    p = Process(target=start, args=(q,))
    p.start()
    print(q.get())
    p.join()


Pipe(管道,不常用)

  把管道的两头分别赋给两个进程,实现两个进程的互相通信


#!/usr/bin/env python
# -*- coding:utf-8 -*-
from multiprocessing import Process, Pipe

def start(conn):
    conn.send('hello')#发送
    print(conn.recv())#接收
    conn.close()
    
if __name__ == '__main__':
    parent_conn, child_conn = Pipe()    #生成一个管道
    p = Process(target=start, args=(child_conn,))
    p.start()
    print(parent_conn.recv())#接收
    parent_conn.send("11111")#发送
    p.join()


Manager(实现了进程间真正的数据共享)


#!/usr/bin/env python
from multiprocessing import Process, Manager

def f(dic, list,i):
    dic['1'] = 1
    dic['2'] = 2
    dic['3'] = 3
    list.append(i)
    
if __name__ == '__main__':
    manager = Manager()
    dic = manager.dict()#通过manager生成一个字典
    list = manager.list(range(5))#通过manager生成一个列表
    p_list = []
    for i in range(10):
        p = Process(target=f, args=(dic, list,i))
        p.start()
        p_list.append(p)
    for res in p_list:
        res.join()
    print(dic)
    print(list)
#执行结果
'''
{'2': 2, '3': 3, '1': 1}
[0, 1, 2, 3, 4, 1, 9, 2, 5, 3, 7, 6, 0, 8, 4]
'''


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程,那么程序就会等待,直到进程池中有可用进程为止。

进程池中有两个方法:

1、apply(同步)

2、apply_async(异步)


#!/usr/bin/env python
# -*- coding:utf-8 -*-
from  multiprocessing import Process,Pool
import time

def Foo(i):
    time.sleep(1)
    return i+100
def Bar(arg):
    print('number::',arg)
    
if __name__ == "__main__":
    pool = Pool(3)#定义一个进程池,里面有3个进程
    for i in range(10):
        pool.apply_async(func=Foo, args=(i,),callback=Bar)
        #pool.apply(func=Foo, args=(i,))
    pool.close()#关闭进程池
    pool.join()#进程池中进程执行完毕后再关闭,(必须先close在join)


callback是回调函数,就是在执行完Foo方法后会自动执行Bar函数,并且自动把Foo函数的返回值作为参数传入Bar函数

 

三、协程

  协程,又称微线程,是一种用户态的轻量级线程。协程能保留上一次调用时的状态,每次过程重入时,就相当于进入上一次调用的状态,换种说法:进入上一次离开时所处逻辑流的位置,当程序中存在大量不需要CPU的操作时(IO),适用于协程。

协程有极高的执行效率,因为子程序切换不是线程切换,而是由程序自身控制,因此,没有线程切换的开销。

不需要多线程的锁机制,因为只有一个线程,也不存在同时写变量冲突,在协程中控制共享资源不加锁,只需要判断状态就好了,所以执行效率比多线程高很多。

因为协程是一个线程执行,所以想要利用多核CPU,最简单的方法是多进程+协程,这样既充分利用多核,又充分发挥协程的高效率。

那符合什么条件就能称之为协程:1、必须在只有一个单线程里实现并发 2、修改共享数据不需加锁 3、用户程序里自己保存多个控制流的上下文栈 4、一个协程遇到IO操作自动切换到其它协程


python中对于协程有两个模块,greenlet和gevent。

Greenlet(greenlet的执行顺序需要我们手动控制)


#!/usr/bin/env python
# -*- coding:utf-8 -*-
from greenlet import greenlet

def test1():
    print (11)
    gr2.switch()    #手动切换
    print (22)
    gr2.switch()
    
def test2():
    print (33)
    gr1.switch()
    print (44)
    
gr1 = greenlet(test1)
gr2 = greenlet(test2)
gr1.switch()


gevent(自动切换,由于切换是在IO操作时自动完成,所以gevent需要修改Python自带的一些标准库,这一过程在启动时通过monkey patch完成)


from gevent import monkey; monkey.patch_all()
import gevent
import time

def foo():
    print('11')
    time.sleep(3)
    print('22')
    
def bar():
    print('33')
    print('44')
    
gevent.joinall([
    gevent.spawn(foo),
    gevent.spawn(bar),
])


运行结果:(从结果可以看出,它们是并发执行的)

11
33
44
22