Python多线程与多进程编程（一） 就这么简单
"""
（错了另刂扌丁我）
（如若有误，请记得指出哟，谢谢了！！！）
"""
先来了解一个概念，GIL？ GIL的全称为Global Interpreter Lock, 全局解释器锁。
Python代码的执行由Python 虚拟机(也叫解释器主循环，CPython版本)来控制，Python 在设计之初就考虑到要在解释器的主循环中，同时只有一个线程在执行，即在任意时刻，只有一个线程在解释器中运行。对Python 虚拟机的访问由全局解释器锁（GIL）来控制，正是这个锁能保证同一时刻只有一个线程在运行。
也就是说并没有正真的多线程.....
为什么又有多线程编程呢？
GIL锁的释放，并不是GIL锁的获取者会一条路走到黑，也就是说在执行的某些中途会释放GIL锁，此时其它就有机会获得GIL锁了.....
Python内部算法机制有几种释放GIL锁的方式：
1\ 时间片
2\ 字节码长度
3\ io操作时
线程进程协程的概念 >>>请点击查看
多线程的实现方式：
from threading import Thread
1、参数传入
thread = Thread()
thread(target=func, args=())
2、类的继承
class MyThread(Thread):
def __init__(self):
pass
def run(self):
# 重写类下run()方法
pass
thread = Thread()
thread.SetDeamon(True) # 设置为保护线程（即主线程退出其也退出）
thread.join() # 将线程阻塞直至线程完成
---------
线程间通信：
1、全局共享变量。资源竞争，不安全
2、queue。安全（from queue import Queue）
注意：
queue.join() # 阻塞作用。要退出，则在其前加上queue.task_done()<成对出现>
---------
线程间同步：
1、Lock, RLook
使用：在需要的代码块加上锁，acquire获取锁-release释放锁
锁的缺点：
1、锁会影响性能；
2、锁会引起死锁。
引起死锁原因：a.多次acquire而不释放; b.互相等待对方造成资源竞争; c.lock中的子函数也有lock(此应用RLock)
2、Condition(条件变量)
from threading import Condition
例如：A与B对话（A先说）
from threading import Thread, Condition
class A(Thread):
def __init__(self, cond):
super().__init__(name="A")
self.conf = cond
def __run__(self):
with self.cond: # 获取condition
print("{}: hello!".format(self.name))
self.cond.notify() # 通知等待（wait）
self.cond.wait() # 阻塞等待通知（notify）
class B(Thread):
def __init__(self, cond):
super().__init__(name="B")
self.conf = cond
def __run__(self):
with self.cond: # 获取condition
self.cond.wait()
print("{}: 你好！".format(self.name))
self.cond.notify()
self.cond.wait()
3、Semaphore(信号)
# 是用于控制进入数量的锁（文件的读写，写一般只用一个线程，读可以允许有多个线程）
例如：爬取url及解析页面
from threading import Thread, Semaphore
class Html_Spider(Thread):
def __init__(self, sem):
super().__init__(name="B")
self.sem = sem
def __run__(self):
time.sleep(2) # 模拟
print("success...")
self.sem.release() # 完成后释放
class UrlProducter(Thread):
def __init__(self, sem):
super().__init__(name="B")
self.sem = sem
def __run__(self):
for i in range(20):
self.acquire() # 获取
html_thread = Html_Spider("http://www.foo/{0}".format(i), self.sem)
html_thread.start()
if __name__ == "__main__":
sem = Semaphore(3) # 锁的数量
url_producter = UrlProducter(sem)
url_producter.start()
---------
关于线程池
为什么用线程池？
1、控制线程数量并发（semaphore也有这功能）
2、可线程状态及返回值
3、当一个线程完成时，主线程可以立即知道
（4、futures可以让多线程和多进程接口一致）
from concurrent import futures
eg:
# 模拟html获取
import time
from concurrent.futures import ThreadPoolExecutor
def get_html(t):
time.sleep(2)
print("get page success: {0}".format(t))
return t
executor = ThreadPoolExecutor(max_work=2)
1\\ 提交任务
# 1-穷举提交
task1 = executor.submit(get_html, (2,))
task2 = executor.submit(get_html, (4,))
# 2-批量提交
ts = [2, 4]
all_task = [executor.submit(get_html, t) for t in ts]
# 总结
executor.submit() # 将执行函数提交到线程池中，非阻塞立即返回
另：
executor.done() # 判断某任务是否完成
executor.result() # 获取结果，阻塞式
executor.cancel() # 未提交的任务可取消
from concurrent.futures import wait
wait() # 等待xx完成，才执行主线程
wait有timeout和return_when两个参数可以设置。
timeout控制wait()方法返回前等待的时间。
return_when决定方法什么时间点返回：如果采用默认的ALL_COMPLETED，程序会阻塞直到线程池里面的所有任务都完成；如果采用FIRST_COMPLETED参数，程序并不会等到线程池里面所有的任务都完成。
2\\ 获取结果
from concurrent.futures import as_completed
# 一
for future in as_completed(all_task):
data = future.result()
print("get success page: {0}".format(data))
------------
另：提交任务+获取结果
for data in executor.map(get_html, ts):
print(data)
# as_completed 与 executor.map
as_completed是concurrent.futures的函数，返回futures对象（顺序与执行相同）
map是futures.ThreadPoolExecutor下的方法，返回data结果（顺序与提交相同）
多进程编程>>>见下篇