一、多进程和多线程
共同点：
让多个CPU同时处理请求
区别：
1.多线程中的线程在内存空间这一点上是共享的，进程与进程使用的是不同的内存空间。即创建线程不需要开辟内存空间，而创建新的进程需要为其分配新的内存空间
全局解释器锁（GIL）
在每一个进程的“出口”，是python特有的。它的作用是：做到了1个限制，什么限制呢，如果有2个线程同时被调度了，此时全局解释器锁就限制同时只能有1个穿过全局解释器锁，才能被CPU调度
那什么时候该使用多进程，什么时候该使用多线程呢？
- I/O密集型用多线程
- 计算密集型用多进程
线程对象的其它方法：
- 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(True/False) True是设置为后台线程（默认是设置的False，即不写是设置的前台线程）
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
一、多线程示例1
thread1.py
#!/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):
#创建1个线程，执行show方法，接收1个参数
t = threading.Thread(target=show,args=(i,))
#t.setDaemon(True)#主线程执行完成之后，就关闭
#设置为前台线程，所有的线程执行完成后才关闭
t.setDaemon(False)
t.start()
print 'main thread stop'
thread2.py
#!/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):
#创建1个线程，执行show方法，接收1个参数
t = threading.Thread(target=show,args=(i,))
#设置为后台线程，主线程执行完后就直接关闭
t.setDaemon(True)
t.start()
print 'main thread stop'
执行thread1.py,产生如下结果：
执行thread2.py，产生如下结果：
二、线程锁
1.为什么要使用线程锁？
python2.7默认每1个线程执行100条cpu指令。当执行多线程的时候关系到调用全局变量的时候，这时候就会因为多线程导致产生”脏数据“。那么，这时候我们就需要定义"线程锁"来避免产生脏数据，让一个线程执行完成之后，另外1个线程才能执行。即让多个线程按规则有序的执行，而不至于相互抢占着执行。下面是用和没用锁的2个例子：
no_havelock.py
#!/usr/bin/env python
# -*- coding:utf-8 -*-
import threading
import time
gl_num = 0
def show(arg):
global gl_num
time.sleep(1)
gl_num+=1
print gl_num
for i in range(10):
t = threading.Thread(target=show,args=[i,])
t.start()
print 'main thread stop'
have_lock.py
#!/usr/bin/env python
# -*- coding:utf-8 -*-
import threading
import time
gl_num = 0
#定义全局解释器锁
lock = threading.RLock()
def show(arg):
#从这里开始锁住
lock.acquire()
global gl_num
time.sleep(1)
gl_num+=1
print gl_num
#从这里开始释放锁
lock.release()
for i in range(10):
t = threading.Thread(target=show,args=[i,])
t.start()
print 'main thread stop'
结果：
先执行 no_havelock.py，产生如下图示结果
再执行 have_lock.py，产生如下图示结果
三、事件event
python线程中的事件，主要用于主线程控制其它线程的执行，即主线程能让子线程停下来，也能让子线程继续执行。event主要提供了3个方法，分别是：set(),wait(),clear().
event实现的处理机制：
1.全局定义了一个flag，
2.如果flag = True，就让他继续执行。
3.如果flag = False，就让它停止，等待着，直到flag = True，才继续往下执行。
example.py
#!/usr/bin/env python
# -*- coding:utf-8 -*-
import threading
def do(event):
print 'start'
event.wait() #判断flag，从而决定是继续执行还是挺住等待执行
print 'execute'
#定义1个事件
event_obj = threading.Event()
for i in range(10):
t = threading.Thread(target=do,args=(event_obj,))
t.start()
#即将flag设置为False，即“红灯停”
event_obj.clear()
inp = raw_input("input:")
if inp == 'true':
#将flag设置为True，即“绿灯行”
event_obj.set()
然后执行example.py，执行结果如下：
四、python的进程。创建多个进程，就可以同时利用多个CPU，创建进程的数量最好跟CPU数量相等。
1.进程简单示例
example.py
#!/usr/bin/env python
# -*- coding:utf-8 -*-
from multiprocessing import Process
#import threading
import time
def foo(i):
print 'sys hello',i
for i in range(3):
p = Process(target=foo,args=(i,))
p.start()
这个实例必须在linux环境下，执行才能成功。
2.如何实现进程数据共享？
我们都知道，每个进程的内存空间资源是独立的，他默认是无法实现数据共享的，如果想要多个进程之间共享资源数据，那么该怎么处理呢？
这时候就需要一个特殊的数据结构可以实现数据共享，使用Array定义特殊的数据结构：Array('i', [11,22,33,44])
进程间数据共享定义方法1：
可以把i替换成其它的如：
'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
进程间数据共享定义方法2：
共享数据示例2：
#方法二：manage.dict()共享数据
from multiprocessing import Process,Manager
#定义Manager对象
manage = Manager()
#dic就是共享数据：字典
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()
执行流程:
五、python中的协程
使用协程的目的：
可以理解将线程“分片”，因为线程切换比较耗时。I/O操作比较多的话，最好采用协程比较合适。可以发多个I/O请求。
简单示例1：
#!/usr/bin/env python
# -*- coding:utf-8 -*-
from greenlet import greenlet
def test1():
print 12
gr2.switch() #切换到协程2
print 34
gr2.switch() #切换到协程2
def test2():
print 56
gr1.switch() #切换到协程1
print 78
gr1 = greenlet(test1) #定义协程gr1
gr2 = greenlet(test2) #定义协程gr2
gr1.switch() #主动执行协程1
整个示例的执行流程如下：
简单示例2：
from gevent import monkey; monkey.patch_all()
import gevent
import urllib2
def f(url):
print('GET: %s' % url)
resp = urllib2.urlopen(url)
data = resp.read()
print('%d bytes received from %s.' % (len(data), url))
gevent.joinall([
gevent.spawn(f, 'https://www.python.org/'),
gevent.spawn(f, 'https://www.yahoo.com/'),
gevent.spawn(f, 'https://github.com/'),
])
执行顺序图如下：
