python2多线程_python并发编程 - --多线程2

一、死锁现象与递归锁

进程也是有死锁的

所谓死锁： 是指两个或两个以上的进程或线程在执行过程中，因争夺资源而造成的一种互相等待的现象，若无外力作用，

它们都将无法推进下去。此时称系统处于死锁状态或系统产生了死锁，这些永远在互相等待的进程称为死锁进程，

如下就是死锁

1 死锁-------------------

2 from threading importThread,Lock,RLock3 importtime4 mutexA =Lock()5 mutexB =Lock()6 classMyThread(Thread):7 defrun(self):8self.f1()9self.f2()10 deff1(self):11mutexA.acquire()12 print('\033[33m%s 拿到A锁'%self.name)13mutexB.acquire()14 print('\033[45%s 拿到B锁'%self.name)15mutexB.release()16mutexA.release()17 deff2(self):18mutexB.acquire()19 print('\033[33%s 拿到B锁' %self.name)20 time.sleep(1) #睡一秒就是为了保证A锁已经被别人那到了

21mutexA.acquire()22 print('\033[45m%s 拿到B锁' %self.name)23mutexA.release()24mutexB.release()25 if __name__ == '__main__':26 for i in range(10):27 t =MyThread()28 t.start() #一开启就会去调用run方法

死锁现象

那么怎么解决死锁现象呢？

解决方法，递归锁：在Python中为了支持在同一线程中多次请求同一资源，python提供了可重入锁RLock。

这个RLock内部维护着一个Lock和一个counter变量，counter记录了acquire的次数，从而使得资源可以被多次require。

直到一个线程所有的acquire都被release，其他的线程才能获得资源。上面的例子如果使用RLock代替Lock，则不会发生死锁

1 #2.解决死锁的方法--------------递归锁

2 from threading importThread,Lock,RLock3 importtime4 mutexB = mutexA =RLock()5 classMyThread(Thread):6 defrun(self):7self.f1()8self.f2()9 deff1(self):10mutexA.acquire()11 print('\033[33m%s 拿到A锁'%self.name)12mutexB.acquire()13 print('\033[45%s 拿到B锁'%self.name)14mutexB.release()15mutexA.release()16 deff2(self):17mutexB.acquire()18 print('\033[33%s 拿到B锁' %self.name)19 time.sleep(1) #睡一秒就是为了保证A锁已经被别人拿到了

20mutexA.acquire()21 print('\033[45m%s 拿到B锁' %self.name)22mutexA.release()23mutexB.release()24 if __name__ == '__main__':25 for i in range(10):26 t =MyThread()27 t.start() #一开启就会去调用run方法

解决死锁

二、信号量Semaphore(其实也是一把锁)

Semaphore管理一个内置的计数器

Semaphore与进程池看起来类似，但是是完全不同的概念。

进程池：Pool(4)，最大只能产生四个进程，而且从头到尾都只是这四个进程，不会产生新的。

信号量：信号量是产生的一堆进程/线程，即产生了多个任务都去抢那一把锁

1 from threading importThread,Semaphore,currentThread2 importtime,random3 sm = Semaphore(5) #运行的时候有5个人

4 deftask():5sm.acquire()6 print('\033[42m %s上厕所'%currentThread().getName())7 time.sleep(random.randint(1,3))8 print('\033[31m %s上完厕所走了'%currentThread().getName())9sm.release()10 if __name__ == '__main__':11 for i in range(20): #开了10个线程 ，这20人都要上厕所

12 t = Thread(target=task)13 t.start()

Semaphore例子

1 hread-1上厕所2 Thread-2上厕所3 Thread-3上厕所4 Thread-4上厕所5 Thread-5上厕所6 Thread-3上完厕所走了7 Thread-6上厕所8 Thread-1上完厕所走了9 Thread-7上厕所10 Thread-2上完厕所走了11 Thread-8上厕所12 Thread-6上完厕所走了13 Thread-5上完厕所走了14 Thread-4上完厕所走了15 Thread-9上厕所16 Thread-10上厕所17 Thread-11上厕所18 Thread-9上完厕所走了19 Thread-12上厕所20 Thread-7上完厕所走了21 Thread-13上厕所22 Thread-10上完厕所走了23 Thread-8上完厕所走了24 Thread-14上厕所25 Thread-15上厕所26 Thread-12上完厕所走了27 Thread-11上完厕所走了28 Thread-16上厕所29 Thread-17上厕所30 Thread-14上完厕所走了31 Thread-15上完厕所走了32 Thread-17上完厕所走了33 Thread-18上厕所34 Thread-19上厕所35 Thread-20上厕所36 Thread-13上完厕所走了37 Thread-20上完厕所走了38 Thread-16上完厕所走了39 Thread-18上完厕所走了40 Thread-19上完厕所走了

结果

三、Event

线程的一个关键特性是每个线程都是独立运行且状态不可预测。如果程序中的其 他线程需要通过判断某个线程的状态来确定自己下一步的操作,这时线程同步问题就会变得非常棘手。为了解决这些问题,我们需要使用threading库中的Event对象。 对象包含一个可由线程设置的信号标志,它允许线程等待某些事件的发生。在 初始情况下,Event对象中的信号标志被设置为假。如果有线程等待一个Event对象, 而这个Event对象的标志为假,那么这个线程将会被一直阻塞直至该标志为真。一个线程如果将一个Event对象的信号标志设置为真,它将唤醒所有等待这个Event对象的线程。如果一个线程等待一个已经被设置为真的Event对象,那么它将忽略这个事件, 继续执行

例如1.，有多个工作线程尝试链接MySQL，我们想要在链接前确保MySQL服务正常才让那些工作线程去连接MySQL服务器，如果连接不成功，都会去尝试重新连接。那么我们就可以采用threading.Event机制来协调各个工作线程的连接操作

1 #首先定义两个函数，一个是连接数据库

2 #一个是检测数据库

3 from threading importThread,Event,currentThread4 importtime5 e =Event()6 defconn_mysql():7 '''链接数据库'''

8 count = 1

9 while not e.is_set(): #当没有检测到时候

10 if count >3: #如果尝试次数大于3，就主动抛异常

11 raise ConnectionError('尝试链接的次数过多')12 print('\033[45m%s 第%s次尝试'%(currentThread(),count))13 e.wait(timeout=1) #等待检测(里面的参数是超时1秒)

14 count+=1

15 print('\033[44m%s 开始链接...'%(currentThread().getName()))16 defcheck_mysql():17 '''检测数据库'''

18 print('\033[42m%s 检测mysql...' %(currentThread().getName()))19 time.sleep(5)20e.set()21 if __name__ == '__main__':22 for i in range(3): #三个去链接

23 t = Thread(target=conn_mysql)24t.start()25 t = Thread(target=check_mysql)26 t.start()

详细

2.例如2，红绿灯的例子

1 from threading importThread,Event,currentThread2 importtime3 e =Event()4 deftraffic_lights():5 '''红绿灯'''

6 time.sleep(5)7e.set()8 defcar():9 '''车'''

10 print('\033[42m %s 等绿灯\033[0m'%currentThread().getName())11e.wait()12 print('\033[44m %s 车开始通行' %currentThread().getName())13 if __name__ == '__main__':14 for i in range(10):15 t = Thread(target=car) #10辆车

16t.start()17 traffic_thread = Thread(target=traffic_lights) #一个红绿灯

18 traffic_thread.start()

红绿灯

四、定时器(Timer)

指定n秒后执行某操作

from threading import Timer

def func(n):

print('hello,world',n)

t = Timer(3,func,args=(123,)) #等待三秒后执行func函数，因为func函数有参数，那就再传一个参数进去

t.start()

五、线程queue

queue队列 ：使用import queue，用法与进程Queue一样

queue.Queue(maxsize=0) #先进先出

1 #1.队列-----------

2 importqueue3 q = queue.Queue(3) #先进先出

4 q.put('first')5 q.put('second')6 q.put('third')7 print(q.get())8 print(q.get())9 print(q.get())

View Code

queue.LifoQueue(maxsize=0)#先进后出

1 #2.堆栈----------

2 q = queue.LifoQueue() #先进后出(或者后进先出)

3 q.put('first')4 q.put('second')5 q.put('third')6 q.put('for')7 print(q.get())8 print(q.get())9 print(q.get())

View Code

queue.PriorityQueue(maxsize=0) #存储数据时可设置优先级的队列

1 #----------------

2 '''3.put进入一个元组，元组的第一个元素是优先级

3 (通常也可以是数字，或者也可以是非数字之间的比较)

4 数字越小，优先级越高'''

5 q =queue.PriorityQueue()6 q.put((20,'a'))7 q.put((10,'b')) #先出来的是b,数字越小优先级越高嘛

8 q.put((30,'c'))9 print(q.get())10 print(q.get())11 print(q.get())

View Code

六、多线程性能测试

1.多核也就是多个CPU

(1)cpu越多，提高的是计算的性能

(2)如果程序是IO操作的时候(多核和单核是一样的)，再多的cpu也没有意义。

2.实现并发

第一种：一个进程下，开多个线程

第二种：开多个进程

3.多进程：

优点：可以利用多核

缺点：开销大

4.多线程

优点：开销小

缺点：不可以利用多核

5多进程和多进程的应用场景

1.计算密集型：也就是计算多，IO少

如果是计算密集型，就用多进程(如金融分析等)

2.IO密集型：也就是IO多，计算少

如果是IO密集型的，就用多线程(一般遇到的都是IO密集型的)

下例子练习：

1 #计算密集型的要开启多进程

2 from multiprocessing importProcess3 from threading importThread4 importtime5 defwork():6 res =07 for i in range(10000000):8 res+=i9 if __name__ == '__main__':10 l =[]11 start =time.time()12 for i in range(4):13 p = Process(target=work) #1.9371106624603271 #可以利用多核(也就是多个cpu)

14 #p = Thread(target=work) #3.0401737689971924

15l.append(p)16p.start()17 for p inl:18p.join()19 stop =time.time()20 print('%s'%(stop-start))

计算密集型

1 #I/O密集型要开启多线程

2 from multiprocessing importProcess3 from threading importThread4 importtime5 defwork():6 time.sleep(3)7 if __name__ == '__main__':8 l =[]9 start =time.time()10 for i in range(400):11 #p = Process(target=work) #34.9549994468689 #因为开了好多进程，它的开销大，花费的时间也就长了

12 p = Thread(target=work) #2.2151265144348145 #当开了多个线程的时候，它的开销小，花费的时间也小了

13l.append(p)14p.start()15 for i inl :16i.join()17 stop =time.time()18 print('%s'%(stop-start))

I/O密集型

七、python标准模块----concurrent.futures