python语法基础-并发编程-线程-长期维护

meylovezn

2020-02-10

############### 线程和GIL，全局解释器锁 ##############

"""
线程

为什么会有进程？
主要是能够同时处理多个任务，多个任务还要进行切换，时间片轮转
为什么会有线程？
进程并不是执行任务的最小单元，每一个进程里面有都一个线程，我们叫做主线程，
早期没有线程，一个进程只能干一个任务，如果有多个任务，只能多起进程，进程太多不行的，
进程内部的内存是共享的，所以需要线程，否则还要涉及到进程间的通信，这比较浪费资源

所以线程的出现解决了两个问题：
1，进程内部的通信
2，一个进程可以处理多个任务，

线程的开销比进程少，可以认为是一个轻型的进程，
进程可以任务是车间，线程可以认为是每一个工人，

进程是资源分配的最小单位，线程是cpu调度的最小单位，



###########################
进程和线程的区别：
1，进程之间的内存是独立的，但是一个进程之内的线程是可以共享的，
2，进程之间切换是慢于线程之间的切换的，

"""

# 第一个例子
from threading import Thread
import time,os
# 多线程并发
# def func(n):  # 这是子线程完成的
#     time.sleep(1)  # 虽然是打印了10次，但是只等待了1秒，所以10线程之间是并发的，
#     print(n)
#
# for i in range(10):  # 启动10个线程，
#     t = Thread(target=func,args=(1,))  # 注册
#     t.start()  # 这是启动了一个线程

# 第二种启动线程的方法:
# class MyTread(Thread):
#
#     def __init__(self,arg):
#         super().__init__()
#         self.arg=arg
#     def run(self):
#         time.sleep(1)
#         print(1,os.getpid())
#
#
# for i in range(10):
#     t = MyTread(10)  # 传递参数
#     t.start()
#
# print("主线程",os.getpid())  # 打印子进程和主进程的进程号，都是一样的

# 进程里面存了导入的模块，文件所在的位置，内置的函数代码
# 线程里面存了少量的必不可少代码，比如做加法运算，需要的参数，


# 所以目前看起来进程和线程的启动是非常的类似的，
#########################################
# 同一个数据，多个线程去操作，也会出现问题，所以也有线程锁的概念，
# 这种机制叫做全局解释器锁，英文GIL，
# 这种机制的结果就是：同一时间只有一个线程去访问cpu，
# 你想要访问数据，就必须拿到这个钥匙，
# 这个锁，所的是线程，不是锁的某一个数据，
# 这样不好，因为同一时间cpu上面只有一个线程，这样不能充分的利用cpu
# 这不是Python语言的问题，这是cPython解释器的问题，如果你有一个jPython解释器就行

# 这的确是一个弊病，导致Python的多线程形同虚设，
# 那么为什么不解决呢？
# java和c++都是编译性语言，Python是一个解释性语言，php也是，
# 目前解释性语言就是存在这个问题，这个矛盾还不可调和，

# 是否把数据加锁就可以了，也是不行的，数据太多了，这么大范围的加锁，最终导致的效率，还不如全局解释器锁的性能好，

# 在cPython解释器下的Python程序，在同一时间，多个线程只能有一个线程在cpu执行，
# 这不意味着多线程就没有意义了，
# 因为只有涉及到计算的地方才会使用到CPU，
# 高CPU：所以在计算类的高cpu利用率的，Python不占优势，
# 高IO：我们写的代码很多都涉及到这种，
# 比如qq聊天，处理日志文件，爬取网页，处理web请求，读写数据库，都是高io的，都是有Python用武之地的，
# 所以Python不能处理计算类高的问题，这不影响他在web编程的作用，


# 如果你真的需要高并发呢，你可以使用多进程，就不会有GIL锁了，



#######################################
# Threading中的其他方法
import threading
def func(n):
    print(n,threading.current_thread())  # <Thread(Thread-1, started 5428)>

for i in range(10):
    threading.Thread(target=func,args=(1,)).start()
    
print(threading.active_count())  # 查看活跃的线程数，
print(threading.current_thread())

############### 守护线程 ##############

# 守护线程：

from threading import Thread
import time
def func1(name):
    while True:
        print(11111111)
        time.sleep(1)

def func2(name):
    print(2222222)
    time.sleep(5)


if __name__ == ‘__main__‘:
    t=Thread(target=func1,args=(‘andy‘,))
    t.daemon = True  # 主线程代码结束，子线程随之结束，
    # 不加守护线程，主线程就会等待子线程的结束，然后主线程才会结束，
    t.start()

    t2=Thread(target=func2,args=(‘lucy‘,))
    t2.start()
    # 主线程会等待子线程结束
    print(‘主线程‘)
    print(t.is_alive())
    ‘‘‘
    主线程
    True
    ‘‘‘


# 所以进程的守护进程，和线程的守护进程是有不一样的点的
# 1.对主进程来说，运行完毕指的是主进程代码运行完毕
# 2.对主线程来说，运行完毕指的是主线程所在的进程内所有非守护线程统统运行完毕，主线程才算运行完毕
# 这是一个盲点，后续需要再看看，

############### 线程锁---互斥锁，死锁，递归锁， ##############

# 线程锁
# 你用进程锁的时候不多，线程锁用的多
# 为什么会用到线程锁？
# 就是因为多个线程同时操作一个资源会出问题，

# 一般的锁，lock，叫做互斥锁，就是说你只能拿到你把钥匙，
# 死锁
# 递归锁，你拿到一把钥匙，就拿到了这个钥匙串，别的线程就拿到不到这个钥匙串了，


from threading import Lock,Thread
import time

# 模拟多线程出错的场景，
# 全局的n是10，然后创建10个线程，去执行n-1的操作，
# 结果按理说应该是0，但是结果是9，
# 为什么？
# 10个线程去拿n=10，所有人拿的都是10，然后都同步减去1，然后返回都是9，所以是9，
# 但是有GIL锁啊，为什么还会产生这种情况？
# 还是因为时间片轮转，你取到了数据，但是还没有来得及减1，这个值就被其他的线程拿走了，还是10，

#
# def func():
#     global n
#     temp = n
#     time.sleep(0.2)
#     n= temp-1
#
# n = 10
# t_list=[]
# for i in range(10):
#     t= Thread(target=func)
#     t.start()
#     t_list.append(t)
#
#
# for i in t_list:t.join()
# print(n)



# 模拟线程加锁的情况，然后看看结果
# 这样加了锁之后，结果应该就是0了，是的，结果是0了
# 加锁降低了性能，但是保证了数据的安全性，

# def func(lock):
#     global n
#     lock.acquire()
#     temp = n
#     time.sleep(0.2)
#     n= temp-1
#     lock.release()
#
# n = 10
# t_list=[]
# lock = Lock()
#
# for i in range(10):
#     t= Thread(target=func,args=(lock,))
#     t.start()
#     t_list.append(t)
#
#
# for i in t_list:t.join()
# print(n)


# 现在看看科学家吃面的问题，看看死锁的场景
# 这个例子是只有拿到面和叉子，才可以吃面，
#
#
# noodle_lock = Lock()
# fork_lock = Lock()
# def eat1(name):
#     noodle_lock.acquire()
#     print("%s拿到面条"%name)
#     fork_lock.acquire()
#     print("%s拿到叉子"%name)
#     print("吃面")
#     fork_lock.release()
#     noodle_lock.release()
#
#
#
# def eat2(name):
#     fork_lock.acquire()
#     print("%s拿到叉子"%name)
#     time.sleep(1)
#     noodle_lock.acquire()
#     print("%s拿到面条"%name)
#     print("吃面")
#     noodle_lock.release()
#     fork_lock.release()
#
# Thread(target=eat1,args=("name1",)).start()
# Thread(target=eat2,args=("name2",)).start()
# Thread(target=eat1,args=("name3",)).start()
# Thread(target=eat1,args=("name4",)).start()
#
# """
# name1拿到面条
# name1拿到叉子
# 吃面
# name2拿到叉子
# name3拿到面条
# 这种情况不同的人拿到了叉子和面条，就无法进行了，就阻塞了，就死锁了，
# 怎么解决？有一个递归锁
# """


# 递归锁，来解决死锁的问题
# # 你可以看做是钥匙串上面的两把钥匙，一旦你拿到了一把钥匙，就证明你拿到了整个钥匙串了，
from threading import RLock

noodle_lock = fork_lock = RLock()  # 你可以看做是钥匙串上面的两把钥匙
def eat1(name):
    noodle_lock.acquire()
    print("%s拿到面条"%name)
    fork_lock.acquire()
    print("%s拿到叉子"%name)
    print("吃面")
    fork_lock.release()
    noodle_lock.release()



def eat2(name):
    fork_lock.acquire()
    print("%s拿到叉子"%name)
    time.sleep(1)
    noodle_lock.acquire()
    print("%s拿到面条"%name)
    print("吃面")
    noodle_lock.release()
    fork_lock.release()

Thread(target=eat1,args=("name1",)).start()
Thread(target=eat2,args=("name2",)).start()
Thread(target=eat1,args=("name3",)).start()
Thread(target=eat2,args=("name4",)).start()

############### 信号量和事件 ##############

# 信号量
# 信号量就是控制只能有n个线程能访问这段代码

# from threading import Semaphore,Thread
# import time
# def func(sem,a,b):
#     sem.acquire()
#     time.sleep(1)
#     print(a+b)
#     sem.release()
#
# sem = Semaphore(4)
# for i in range(10):
#     t = Thread(target=func,args=(sem,i,i+5))
#     t.start()


# 事件：
# 事件被创建的时候是false状态，这个false状态会导致wait被阻塞，
# true状态的时候，wait就不阻塞了
# clear，设置为false
# set，设置状态未false，
# 上次举例的是红绿灯的例子，


# 现在我们举一个例子，检测数据库的可连接情况
# 启动两个线程，
# 第一个线程连接数据库，
# 等待一个信号，告诉我们之间的网络是通的
# 第二个线程，检测和数据自己之间的网络是否是通的
# 通了之后把事件的状态改为true，


import time,random
from threading import Thread,Event
def connect_db(e):
    count = 0
    while count < 3:
        # e.wait()  # 这个是一直等待，这种比较浪费资源，
        e.wait(0.1)  # 这是我只等待1秒，否则我就不等你了，# 但是我应该有一个重连的过程，比如三次，三次都连接不上，就断掉了
        if e.is_set() == True:
            print("连接数据库")
            break
        else:
            print("连接失败")
            count += 1
    else:
        raise TimeoutError("数据库连接超时")  # 主动报异常


def check_web(e):
    time.sleep(random.randint(0,2))
    e.set()

e = Event()
t1 = Thread(target=connect_db,args=(e,))
t2 = Thread(target=check_web,args=(e,))
t1.start()
t2.start()

############### 线程的条件和定时器 ##############

# 条件
from threading import Condition,Thread,Timer

# 可以把条件视为一个更加复杂的锁
# 同时也有两个方法，acquire，release
# 一个条件被创建，默认也是一个false状态，会影响wait处于等待状态
# notify(int)，这是制造钥匙，参数是制造多少把钥匙
# 这个几乎就是只会出现在面试里面，平时基本不会用到，
#
# def func(con,i):
#     con.acquire()
#     con.wait()  # 在等待钥匙，
#     print("在第%s个循环里"%i)
#     con.release()
#
#
# con = Condition()
# for i in range(10):
#     Thread(target=func,args=(con,i)).start()
#
#
# while True:
#     num = int(input(">>>"))
#     con.acquire()
#     con.notify(num)  # 制造钥匙，
#     con.release()



# 定时器：
def func():
    print("时间同步")


Timer(2,func).start()  # 等待两秒钟开启一个线程，

############### 线程，队列 ##############

# 线程，队列

# 加锁会自己写代码，不方便，我们可以使用队列
# 队列内置了很多的锁，可以保证数据安全，

import queue

q = queue.Queue()

q.put()
q.put_nowait()  # 这个会报错
q.get()
q.get_nowait()  # 这个会报错，

# 队列的特点：先进先出，


queue.LifoQueue()  # 栈，先进后出，
q.put(1)
q.put(2)
q.put(3)
print(q.get())
print(q.get())
print(q.get())

queue.PriorityQueue()  # 优先级队列，
# 放数据的视乎，除了数据，还需要一个参数：优先级
q.put(20,1)
q.put(10,2)  # 数字越小，优先级越高，优先级一样，就是按照和ASk码排，
q.put(30,3)
print(q.get())
print(q.get())
print(q.get())


# 总结：
# 1，普通队列
# 2，栈
# 3，优先级队列，
# 这三种都不会出现多线程抢占资源，

############### 线程池 ##############

# 线程池


# 新的一个模块，
# 1 介绍
# concurrent.futures模块提供了高度封装的异步调用接口
# ThreadPoolExecutor：线程池，提供异步调用
# ProcessPoolExecutor: 进程池，提供异步调用


from concurrent.futures import ThreadPoolExecutor
import time
def func(n):
    time.sleep(2)
    print(n)
    return n*n


tpool = ThreadPoolExecutor(max_workers=5)
# 进程池，启动cpu核数+1.
# 而线程池的启动是cpu核数 * 5 不要超过这个，

t_list = []
for i in range(20):
    t = tpool.submit(func,i)  # 提交一个任务，传递一个参数，
    t_list.append(t)


tpool.shutdown()
# shutdown做了两个事情：
# 1，colse 关闭这个池子，不让有任务进来，
# 2，join是阻塞，直到这个池子的任务执行完，
# 所以是一个shutdown做了两个事情，
print("主进程")
for t in t_list:print(t.result())

############### 进程和线程的对比 ##############

进程和线程的对比：

面试的时候会问到，
进程是很多资源的总称，包括代码，包括显示器，包括鼠标，键盘等
线程是轻型的实现多任务的方式，
qq程序的多开，就是多个进程，
一个进程里面可以多个任务，这就是线程，
----------------------------
进程先有的，然后才有线程，
进程是一个资源分配的单位，具体谁拿着资源去做的呢，是线程，
一个进程里面一定有一个主线程，
--------------
所以多线程能实现多任务，是指的在一个进程里面有多个线程，实现多任务，
多进程的多任务，是有开辟了一个资源分配的单位，实现多任务，这个时候一个进程里面可能只有一个主线程，
真正执行代码的时候还是线程，
-------------
所以进程需要很大的资源才可以实现多任务，但是线程只需要很少的资源就可以实现多任务，
就像是同一个流水线，然后有很多的工人，
流水线就是进程，流水线上的工人就是一个线程，
所以开发的时候最长使用的是线程，这个比较轻，
------------
比如一个网易云音乐，既要下载音乐，又要播放音乐，
这就是一个进程，两个线程，
进程之间是独立的，
线程是依赖于进程的，没有进程就没有线程，
----------------------
所以这是非常的重要的，

############### 网络编程 ##############

python多线程并发线程 python函数 python