编程的乐趣在于让程序越来越快，这里将给大家介绍一个种加快程序运行的的编程方式——多线程
1 著名的全局解释锁（GIL）
说起python并发编程，就不得不说著名的全局解释锁（GIL）了。有兴趣的同学可以我查找一下相关的资料了解一下GIL,在这里大家只要知道一点，因为GIL的存在，对于任何Python程序，不管有多少的处理器，任何时候都总是只有一个线程在执行。
下面先看一个例子：
#!/usr/bin/env python
# -*- coding: utf-8 -*-
"""
Created on Mon Jun 5 16:12:14 2017
@author: 80002419
"""
import threading
import time
defcost(fun):##定义一个装饰器，用来计算函数运行的时间
defwrapper(*args,**kargs):
before_tm = time.time()
fun(*args,**kargs);
after_tm = time.time()
fun.__doc__
print("{0} cost:{1}".format(fun.__name__,after_tm-before_tm))
return wrapper
deffibs1(n):
if (n ==1):
return0
elif(n ==2):
return1
else:
return fibs1(n-2)+fibs1(n-1)
deffibs2(n):
list = []
if (n ==1):
list = [0]
return list[-1]
elif(n ==2):
list = [0,1]
return list[-1]
else:
list = [0,1]
for iin range(2,n):
list.append(list[i-1]+list[i-2])
return list[-1]
@cost
defnothread():
fibs1(35)
fibs1(35)
#@cost
#def nothread1():
# print(fibs2(40))
# print(fibs2(40))
@cost
#使用多线程的程序
definthread():
threads = []
for iin range(2):
t = threading.Thread(target = fibs1,args =(35,))
t.start()
threads.append(t)
for tin threads:
t.join()
@cost
definthread1():
for iin range(2):
t = threading.Thread(target=fibs1, args=(35,))
t.start()
main_thread = threading.currentThread()
for tin threading.enumerate():
if tis main_thread:
continue
t.join()
nothread()
inthread()
打印结果：
nothread cost:5.41788887978
inthread cost:14.6728241444
上面的例子对比了一个cpu密集型程序分别使用多线程和不使用多线程的情况，我们可以得到结论：对于cpu密集型任务，使用多线程反而会减慢程序的运行。
这是为什么呢？
因为GIL在任何时候，仅仅允许一个单一的线程能够获取Python对象或者C API。每100个字节的Python指令解释器将重新获取锁，这（潜在的）阻塞了I/O操作
同时GIL是必须的，这是Python设计的问题：Python解释器是非线程安全的。这意味着当从线程内尝试安全的访问Python对象的时候将有一个全局的强制锁。当然python
多线程也有可以加快程序运行的时候：当我们开发和网络通信或者数据输入/输出相关的程序，比如网络爬虫、文本处理等等。这时候由于网络情况和I/O的性能的限制，Python解释器会等待读写数据的函数调用返回，这个时候就可以利用多线程库提高并发效率了。这类任务我们称为IO（密集型任务）
2 Semaphore类 ——python对象访问量的控制
在多线程编程中，为了防止不同的线程同时对一个公用的资源（比如全部变量）进行修改，需要进行同时访问的数量（通常是1）。信号量同步基于内部计数器，每调用一次acquire()，计数器减1；每调用一次release()，计数器加1.当计数器为0时，acquire()调用被阻塞。
下面来看一个例子：
#!/usr/bin/env python
# -*- coding: utf-8 -*-
"""
Created on Mon Jun 5 16:12:14 2017
@author: 80002419
"""
from threadingimport Thread, Semaphore
import time,threading
sema = Semaphore(3)# 定义一个信号量为3的Semaphone对象，
#定义一个测试函数作为，被访问的对象
deftest(tid):
with sema:
print("信号量：{0}".format(tid))
time.sleep(0.5)
print('release!')
thds = []
for iin range(6):
t = Thread(target = test,args=(i,))
t.start()
thds.append(t)
for tin thds:
t.join()
打印结果：
信号量：2
信号量：1
信号量：0
release!
信号量：0
release!
信号量：0
release!
信号量：0
release!
release!
release!
结果分析 ：
当信号量sema信号为0时，此时不再不允许进程对test 再进行访问了，release 之后才能再继续生成亲的进程对其访问，Semaphore类的作用就是限制公共资源的访问量
3 锁——lock 与 Rlock
先看一段代码：
#!/usr/bin/env python
# -*- coding: utf-8 -*-
"""
Created on Mon Jun 5 16:12:14 2017
@author: 80002419
"""
from threadingimport Thread, Lock
import time,threading
value =0;
defchangeValue():
global value
new = value +1
time.sleep(0.001)#让其它进程可以切换进来
value = new
thds = []
for _in range(100):
t = Thread(target = changeValue)
t.start()
thds.append(t)
for tin thds:
t.join()
print(value)
打印结果：
18
结果分析: 多个线程同时访问 value
变量，经过cpu存储后，再写回内存，如果进程A,进程B,在访问value时 值为0 ，进程A经过函数处理后，value = 1
，再写回内存，value =1 ,进程B 执行完成后，会刷新value 但是写回的value 还是1，
所以并不能保护执行了100次changeValue后，结果为100
那么我们怎么能保证执行的结果就是100呢：再看一段代码：
#!/usr/bin/env python
# -*- coding: utf-8 -*-
"""
Created on Mon Jun 5 16:12:14 2017
@author: 80002419
"""
from threadingimport Thread, Lock
import time,threading
value =0
lock = Lock()
defchangeValue():
global value
with lock:
new = value +1
time.sleep(0.001)#让其它进程可以切换进来
value = new
thds = []
for _in range(100):
t = Thread(target = changeValue)
t.start()
thds.append(t)
for tin thds:
t.join()
print(value)
打印结果：
100
Lock也可以叫做互斥锁，其实相当于信号量为1，上面例子lock 也就可以用 sema = Semaphore()代替
本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理
想要获取更多Python学习资料可以加
QQ:2955637827私聊
或加Q群630390733
大家一起来学习讨论吧！