线程、进程和协程

Treading用于提供线程相关的操作，线程是应用程序中工作的最小单元

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

def show(arg):
    time.sleep(1)
    print 'thread'+str(arg)

for i in range(10):
    t = threading.Thread(target=show,args=(i,))
    t.start()

print 'main thread stop'

'''
打印结果：
main thread stop
thread0
thread5thread4thread1thread2

 

thread3
thread7thread6thread8


thread9
'''

上述代码创建了10个进程，然后控制器就交给CPU，CPU根据指定的算法进行调度，分片执行指令。出现顺序错乱的现象正常，因为他们都在同时抢占屏幕。

更多方法：

start       线程准备就绪，等待CPU调度
setName     为线程设置名称
getName     获取线程名称
setDaemon   设置为后台线程或前台线程（默认）
            如果是后台线程，主线程执行过程中，后台线程也在进行，主线程执行完毕后，后台线程不论成功与否，均停止
            如果是前台线程，主线程执行过程中，前台线程也在进行，主线程执行完毕后，等待前台线程也执行完成后，程序停止
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调度后执行Thread类对象的run方法

线程锁

由于线程之间是进行随机调度，并且每个线程可能只执行n条执行之后，CPU接着执行其他的线程。所以可能出现资源的抢占就像上面抢占屏幕输出，因此出现线程锁

#!/usr/bin/env python
# coding:utf-8
import threading
import  time
num = 0 

lock = threading.RLock()

def fun():
    # 加锁
    lock.acquire()
    global  num
    time.sleep(1)
    print num
    # 解锁
    lock.release()
    
for i in range(10):
    t = threading.Thread(target=fun,)
    t.start()

打印输出：1-10  按照顺序

event

python线程的事件用于主线程控制其他线程的执行，事件主要提供了三个方法，set、wait、clear

事件处理的机制：全局定义了一个Flag，如果Flag值为False，那么当程序执行event.wait方法时就会阻塞，如果Flag值为True那么event.wait方法时便不再阻塞

clear：将Flag设置为Flase

set：将Flag设置为True

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

def do(event):
    print 'start'
    # wait方法
    event.wait()
    print 'execute'

event_onj = threading.Event()
for i in range(10):
    t = threading.Thread(target=do,args=(event_onj,))
    t.start()
# 设置flag=false
event_onj.clear()

inp = raw_input('input:')
if inp == 'true':
    # 设置flag=true
    event_onj.set()

上述代码的执行：首先会全部10个进程都执行到print ‘start’，然后执行event_onj.clear()，将状态设置为false;处在在等待状态，当我输入true的时候，执行event_onj.set()，状态有设置为true。继续往下执行

下面是执行结果：

start
start
start
start
start
start
start
start
start
startinput:
true
executeexecute
executeexecuteexecute 
executeexecute

 executeexecuteexecute

多线程的使用

创建一个线程

#!/usr/bin/env python
# coding:utf-8
from multiprocessing import  Process
import  threading
import  time
def do(i):
    print 'say hi',i

for i in range(2):
    p = Process(target=do,args=(i,))
    p.start()

注意：因为进程之间的数据需要各自持有一份，所以创建进程需要非常大的开销（windows下不能创建Process）

进程数据共享

进程各自持有一份数据，默认无法共享数据

共享方式一：Array

#!/usr/bin/env python
# coding:utf-8
from multiprocessing import  Process,Array
# 创建一个只包含数字类型的一个数组（列表）
# 数组的个数是不可变的
temp = Array('i',[1,2,3,4,5,6])

def Foo(i):
    temp[i] = 100+i
    for item in temp:
        print i,'=======',item

for i in range(2):
    p = Process(target=Foo,args=(i,))
    p.start()

共享方式二：manage.dict

#!/usr/bin/env python
# coding:utf-8
from multiprocessing import Process,Manager
 
manage = Manager()
dic = manage.dict()
 
def Foo(i):
    dic[i] = 100+i
    print dic.values()
 
for i in range(2):
    p = Process(target=Foo,args=(i,))
    p.start()
    p.join()

共享数据的类型

    'c': ctypes.c_char,  'u': ctypes.c_wchar,
    'b': ctypes.c_byte,  'B': ctypes.c_ubyte,
    'h': ctypes.c_short, 'H': ctypes.c_ushort,
    'i': ctypes.c_int,   'I': ctypes.c_uint,
    'l': ctypes.c_long,  'L': ctypes.c_ulong,
    'f': ctypes.c_float, 'd': ctypes.c_double

当创建进程时（非使用时），共享数据会被拿到子进程中，当进程中执行完毕后，再赋值给原值。

这里也是可以使用进程锁

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

from multiprocessing import Process, Array, RLock

def Foo(lock,temp,i):
    """
    将第0个数加100
    """
    lock.acquire()
    temp[0] = 100+i
    for item in temp:
        print i,'----->',item
    lock.release()

lock = RLock()
temp = Array('i', [11, 22, 33, 44])

for i in range(20):
    p = Process(target=Foo,args=(lock,temp,i,))
    p.start()

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 去进程池中申请一个进程

2：apply_async  去进程池中申请一个进程

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

def Foo(i):
    time.sleep(2)
    return i+100

# 这里的arg就是执行Foo函数的返回值
def Bar(arg):
    print arg
# 创建五个进程
pool = Pool(5)
print pool.apply(Foo,(1,))
print pool.apply(Foo,(2,))
print pool.apply(Foo,(3,))
print pool.apply(Foo,(4,))
print pool.apply(Foo,(5,))
# 上面五个的其中一个执行完毕后，有空余的进程后，执行第六个进程。
print pool.apply(Foo,(6,))


for i in range(10):
    # 循环执行10个进程，每个进程执行完毕后，都执行callback方法中的Bar
    pool.apply_async(func=Foo, args=(i,),callback=Bar)

print 'end'
pool.close()
pool.join()#进程池中进程执行完毕后再关闭，如果注释，那么程序直接关闭。

协程

线程和进程的操作是由程序触发系统接口，最后的执行者是系统；协程的操作则是程序员。

协程存在的意义：对于多线程应用，CPU通过切片的方式来切换线程间的执行，线程切换时需要耗时（保存状态，下次继续）。协程，则只使用一个线程，在一个线程中规定某个代码块执行顺序。

协程的适用场景：当程序中存在大量不需要CPU的操作时（IO），适用于协程；

说白了就是由程序员来控制程序的执行

协程是对线程的分片

这里的greenlet需要安装

#!/usr/bin/env python
# -*- coding:utf-8 -*-
 
 
from greenlet import greenlet
 
 
def test1():
    print 12

    # 切换到协程2去执行
    gr2.switch()
    print 34
    gr2.switch()
 
 
def test2():
    print 56

    # 切换到协程1去执行
    gr1.switch()
    print 78
 
gr1 = greenlet(test1)
gr2 = greenlet(test2)
gr1.switch()

这个执行有点像yield

IO操作特别多的情况下用协程比较合适。计算多的情况不要用协程。

gevent

#!/usr/bin/env python
# -*- coding:utf-8 -*-
from gevent import monkey; monkey.patch_all()
import gevent
import urllib2



# import urllib
# 请求www.baidu.com
# t = urllib.urlopen('http://www.baidu.com')
# print t.read()

def f(url):
    print('GET: %s' % url)
    # 发一个http请求
    resp = urllib2.urlopen(url)
    data = resp.read()
    print('%d bytes received from %s.' % (len(data), url))

gevent.joinall([
        # 这里是三个协程，是没有阻塞的，执行F函数,谁返回，谁接着就执行
        gevent.spawn(f, 'https://www.python.org/'),
        gevent.spawn(f, 'https://www.yahoo.com/'),
        gevent.spawn(f, 'https://github.com/'),
])