day10进程、异步IO、

线程 内存共享

线程同时修改同一份数据时必须加锁，mutex互斥锁

递归锁

def fun（n）:

　　code

t = threading.Thread(target=run,args=(n,))

t.start()

t.join()#必须要等待线程执行完才能往下执行

守护线程t.setDaemon()必须在start（）上定义，主线程不必等待守护线程的结束

io操作不占用CPU ，计算操作占用CPU

python多线程其实是单核操作：不适合CPU密集操作型的任务，适合IO操作密集型的任务。

进程之间互访数据multiprocessing.Process(target = f,args = (q,)：

通过multiprocessing.Queue()共享：其实是在子进程中克隆一份queue，然后通过pickle序列化实现两个queue之间的通信，该过程直接通过python底层实现，无需用户操作。

管道：parent_conn, child_conn = multiprocessing.Pipe(); p = multiprocessing.Process(target=f,args=child_conn,)) 通过parent_conn, child_conn的send和recv来传递数据。

以上两个都是传递数据。

通过Manager可以实现真正的数据共享。

进程锁

进程池：multiprocessing.Pool()。可以定义进程池可执行进程数量。最后pool.close()； pool.join().

协程：微线程，是一种用户态的轻量级线程，CPU根本不知道。协程拥有自己的寄存器上下文和栈。。。

协程的好处：1、无需线程上下文切换的开销；2、无需原子操作锁定及同步的开销；方便切换控制流，简化编程模型；高并发、高扩展、低成本。 缺点：无法利用多核资源，

需要导入gevent包，使用import greenlet：gr1 = greenlet(test1)

论事件驱动与异步IO

通常，我们写服务器处理模型的程序时，有以下几种模型：

（1）每收到一个请求，创建一个新的进程，来处理该请求；

（2）每收到一个请求，创建一个新的线程，来处理该请求；

（3）每收到一个请求，放入一个事件列表，让主进程通过非阻塞I/O方式来处理请求

上面的几种方式，各有千秋，

第（1）中方法，由于创建新的进程的开销比较大，所以，会导致服务器性能比较差,但实现比较简单。

第（2）种方式，由于要涉及到线程的同步，有可能会面临死锁等问题。

第（3）种方式，在写应用程序代码时，逻辑比前面两种都复杂。

综合考虑各方面因素，一般普遍认为第（3）种方式是大多数网络服务器采用的方式

用户空间和内核空间

现在操作系统都是采用虚拟存储器，那么对于32位操作系统而言，它的寻址空间为4G。操作系统的核心是内核，独立于内存的应用程序，可以访问受保护的内存空间，也有访问底层硬件设备的所有权限。

http://www.cnblogs.com/alex3714/articles/5876749.html