zoukankan html css js c++ java

多线程

易错点

建立方式中name不定义,进程是类名-1 线程是 Thread-1

enumerate() 用法用于正在运行指线程启动后、结束前，不包括启动前和终止后的线程,返回一个进程对象的列表

lock_A = lock_B = RLock 引入的是RLock模块,且必须这样写

lock_A = Lock

lock_B = Lock 这两个引入的是Lock模块

1.理论部分

什么是进程?
1. 在内存中开启一个进程空间,然后将主进程的所有的资源数据复制一份,然后调用线程去执行代码
什么是线程?
1. 在传统操作系统中，每个进程有一个地址空间，而且默认就有一个控制线程
2. 线程顾名思义，就是一条流水线工作的过程，一条流水线必须属于一个车间，一个车间的工作过程是一个进程
什么是多线程?
1. 多线程（即多个控制线程）的概念是，在一个进程中存在多个控制线程，多个控制线程共享该进程的地址空间，相当于一个车间内有多条流水线，都共用一个车间的资源
线程vs进程
1. 进程是资源单位, 线程是执行单位
2. 开启进程的开销非常大,比开启线程的开销大很多
3. 开启线程的速度非常快.要快几十倍到上百倍
4. 线程线程之间可以共享数据,进程与进程之间需借助队列等方法实现通信
线程vs进程的代码对比
1. 线程开启速度快
2. 线程之间的pid(这个进程的)相同,进程与进程之间的pid不同
3. 同一个进程内线程共享数据
主线程子线程没有地位之分,但是,一个进程谁在干活?一个主线程在干活,当干完活了,你得等待其他线程干完活之后,才能结束本进程

2. 开启线程的两种方式

1.函数方式

from threading import Thread
import time

def task(name):
    print(f'{name} is running')  #反应很快,第一个
    time.sleep(1)  
    print(f'{name} is done')  #不睡是与主不分前后

if __name__ == '__main__':
    t = Thread(target=task,args=("alex",))
    t.start()
    print('==主线程') #上边不睡的话不确定前后

2.面向对象方式

from threading import Thread
import time

class MyThread(Thread):  #必须继承
    # def __init__(self,name,age):
    #     super(MyThread, self).__init__()
    #     self.name = name
    def run(self): # 必须是run方法
        print(f'{self.name} is running')
        time.sleep(1)
        print(f'{self.name} is done')

if __name__ == '__main__':
    t = MyThread() #不写init方法,name默认Thread-1
    # t = MyThread("alex",19)
    t.start()
    print('==主线程')

3. 多线程与多进程开启速度区别

1.进程(无其他阻塞,理论先执行主进程)

from multiprocessing import Process

def work():
    print("==子进程")  #第二

if __name__ == '__main__':
    p = Process(target=work)
    p.start()
    print("==主进程")  #第一

2. 线程(无其他阻塞,理论先执行子线程第一行,其他子线程与主线程顺序不稳定)

from threading import Thread

def work():
    print("==子线程") #第一

if __name__ == '__main__':
    t = Thread(target=work)
    t.start()
    print("==主线程")  # 第二 # 线程是没有主次之分的

4.线程和进程的pid

1.进程之间的pid

主进程pid是同一个,子进程pid各不相同

from multiprocessing import Process
import os

def task(name):
    print(f'子进程:{name}:{os.getpid()}')
    print(f'主进程:{name}:{os.getppid()}')

if __name__ == '__main__':
    p1 = Process(target=task,args=('alex',))  # 创建一个进程对象
    p2 = Process(target=task,args=("taibai",))  # 创建一个进程对象
    p1.start()
    p2.start()
    print(f'==主:{os.getpid()}')

2.线程之间的pid(线程是没有pid的,pid只是其所在的进程的pid)

三个pid都是相同的,因为属于一个进程,相同的内存空间

from threading import Thread
import os

def work(name):
    print(f'子线程:{name}:{os.getpid()}')

if __name__ == '__main__':
    t1 = Thread(target=work,args=('alex',))
    t2 = Thread(target=work,args=("taibai",))
    t1.start()
    t2.start()
    print(f'==主线程{os.getpid()}')

5. 同一进程内线程是数据共享的

同一进程内的资源数据对于这个进程的多个线程来说是共享的

1.我自己传值

from threading import Thread

x = 3
def task(x):
    print(x)  #子线程自己的  #100

if __name__ == '__main__':
    t1 = Thread(target=task,args=(100,))
    t1.start()
    print(f"==主{x}")  #==主3

from multiprocessing import Process

x = 3
def task(x):
    print(x)  #子进程自己的  #100

if __name__ == '__main__':
    t1 = Process(target=task,args=(100,))
    t1.start()
    print(f"==主{x}")  #==主3

2.进程之间数据是空间隔离的

from multiprocessing import Process

x = 3
def task():
    global x
    x += 100   #103
    print(x)  #子进程自己的

if __name__ == '__main__':
    t1 = Process(target=task)
    t1.start()
    print(f"==主{x}")  #==主3

3.同一进程内的线程之间数据共享

from threading import Thread

x = 3
def task():
    global x
    x += 100
    print(x)  # 103

if __name__ == '__main__':
    t1 = Thread(target=task)
    t1.start()
    print(f"==主{x}")  # ==主103   (注意有没有阻塞,看看子线程是否已修改了数据)

6. 线程的其他方法

isAlive() 或者 is_alive() #判断线程是否活着(对对象的操作)

from threading import Thread
import time

x = 3
def task():

    print(666)

if __name__ == '__main__':
    t1 = Thread(target=task)
    t1.start()
    time.sleep(1) #让线程运行完,不然时间不好断
    print(t1.isAlive())  #判断线程是否活着
    print(t1.is_alive()) #判断线程是否活着
    print(f"==主{x}")

getName 返回线程名 (对对象的操作)

from threading import Thread

x = 3
def task():

    print(666)

if __name__ == '__main__':
    t1 = Thread(target=task)
    t1.start()
    print(t1.getName()) #获得线程名 默认Thread-1
    print(f"==主{x}")

3.setName 设置线程名 (对对象的操作) 两种方式获得线程名两种方式

from threading import Thread

x = 3
def task():

    print(666)

if __name__ == '__main__':
    t1 = Thread(target=task)  #此处也可以设置名称 name = "自定义名称"
    t1.start()
    t1.setName("自定义名称") #设置线程名
    print(t1.getName())  # 获得线程名  自定义名称  
    #print(t1.name)  # 获得线程名  自定义名称
    print(f"==主{x}")

4. 获取当前线程对象,再根据对象获取线程名称

from threading import currentThread
from threading import Thread

x = 3
def task():

    print(currentThread())  #获取当前线程对象
    print(currentThread().name) #获取当前线程名称

if __name__ == '__main__':
    t1 = Thread(target=task)
    t1.start()
    print(currentThread()) #获取当前线程对象
    print(currentThread().name)  #获取当前线程名称
    print(f"==主{x}")

"""
<Thread(Thread-1, started 9132)>  
<_MainThread(MainThread, started 632)>
Thread-1
MainThread
==主3
"""

5. enumerate() 用法用于正在运行指线程启动后、结束前，不包括启动前和终止后的线程,返回一个进程对象的列表

import threading
print(threading.enumerate())  与下边的enumerate()用法相同

from threading import enumerate
from threading import Thread
import time

def task():
    time.sleep(1)  #注意enumerate()用法,一个进程开启后,结束前
    print(666)

if __name__ == '__main__':
    t1 = Thread(target=task,name="线程1")
    t2 = Thread(target=task,name="线程2")

    t1.start()
    t2.start()

    print(enumerate()) #返回一个列表
    print("==主")

6. activeCount() 返回正在运行的线程数量

from threading import Thread
from threading import activeCount
import time

def task():
    time.sleep(1)  #注意activeCount()用法,一个进程开启后,结束前
    print(666)

if __name__ == '__main__':
    t1 = Thread(target=task,name="线程1")
    t2 = Thread(target=task,name="线程2")

    t1.start()
    t2.start()

    print(activeCount())  #返回正在运行的进程的个数
    print("==主")

7. join 阻塞与守护线程

8.互斥锁

9. 死锁现象与递归锁

lock_A = lock_B = RLock 引入的是RLock模块,且必须这样写

lock_A = Lock

lock_B = Lock 这两个引入的是Lock模块

1. 死循环

from threading import Thread,Lock
import time

lock_A = Lock()
lock_B = Lock()

class MyThread(Thread):
    def run(self):
        self.f1()
        self.f2()

    def f1(self):
        lock_A.acquire()
        print(f'{self.name}拿到了A锁')

        lock_B.acquire()
        print(f'{self.name}拿到了B锁')
        lock_B.release()
        lock_A.release()

    def f2(self):
        lock_B.acquire()
        print(f'{self.name}拿到了B锁')
        # time.sleep(0.1)
        lock_A.acquire()
        print(f'{self.name}拿到了B锁')
        lock_A.release()
        lock_B.release()

if __name__ == '__main__':
    for i in range(10):
        t = MyThread()
        t.start()
"""
线程多了即使上边没有sleep也有可能出现相同的阻塞
即前一个人解锁了A,B锁,又拿到了B,可是下一个人已经
拿到了A锁,形成死循环
"""

2. 将上述代码解开,抢所前并行,抢到后串行 (下列代码中a,b是同一把锁)

from threading import Thread,RLock
import time

lock_A = lock_B = RLock()

class MyThread(Thread):
    def run(self):
        self.f1()
        self.f2()

    def f1(self):
        lock_A.acquire()
        print(f'{self.name}拿到了A锁')

        lock_B.acquire()
        print(f'{self.name}拿到了B锁')
        lock_B.release()
        lock_A.release()

    def f2(self):
        lock_B.acquire()
        print(f'{self.name}拿到了B锁')
        time.sleep(0.1)
        lock_A.acquire()
        print(f'{self.name}拿到了B锁')
        lock_A.release()
        lock_B.release()

if __name__ == '__main__':
    for i in range(10):
        t = MyThread()
        t.start()

10. 信号量 :也是一种锁, 控制并发数量(允许多个人抢锁)

(例子公共厕所人多,允许多个人,有上限,超过了,等着,同一时间最多不能超过上限)

from threading import Thread,Semaphore,current_thread
import time
import random

sem = Semaphore(5)  # 英  [ˈseməfɔː(r)]

def task():
    sem.acquire()  #相当于锁
    print(f'{current_thread().name}厕所ing')
    time.sleep(random.randint(1,3))

    sem.release()
    print(f'{current_thread().name}走了')

if __name__ == '__main__':
    for i in range(20):
        t = Thread(target=task)
        t.start()

11. GIL 全局解释器锁 (主要用于Cpython) pypy,Jpython都没有GIL锁.

1.理论上:单个进程的多个线程可以利用多个CPU(适用于 pypy , Jpython)

2. 实际上,Cpython解释器的程序员,给进入解释器的线程加了一把锁,导致同一时刻只能允许一个线程计入解释器

为什么加锁?
1.当时都是单核时代,而且cpu价格非常贵.
2.如果不加全局解释器锁, 开发Cpython解释器的程序员就会在源码内部各种主动加锁,解锁,非常麻烦,各种死锁现象等等.他为了省事儿,直接进入解释器时给线程加一个锁

优点: 保证了Cpython解释器的数据资源的安全.
缺点: 单个进程的多线程不能利用多核(CPU)

现在多核时代, 我将Cpython的GIL锁去掉行么?
因为Cpython解释器所有的业务逻辑都是围绕着单个线程实现的,去掉这个GIL锁,几乎不可能.

3. 当一个线程进入解释器,遇到IO阻塞是,CPU就会被操作系统切走,GIL 锁被释放,此线程挂起,另一个线程进入,实现并发 (但是不能利用多核,不能并行)

4. IO 密集型(中间有阻塞)

推荐使用:单个进程的多线程

5.计算密集型(中间无阻塞)

推荐使用:多进程的并行

6. GIL 与 Lock锁的区别

相同点:都是同种锁,互斥锁

不同点:

GIL锁是全局解释器锁,保护解释器内部的资源数据的安全,GIL锁上锁,释放无需手动操作
Lock锁是自己代码中自定义的互斥锁,保护进程中的资源数据的安全.自己定义的互斥锁必须自己手动上锁,释放锁

7. 代码说明两重锁:第一是解释其锁,第二是自定义锁

12.验证 IO(阻塞)密集型和计算(没有阻塞)密集型的效率(主要多进程多线程的开销大小)

1. 计算密集型: 单个进程的多线程并发 vs 多个进程的并发并行(首选:多进程的并发并行效率高)

from multiprocessing import Process
from threading import Thread

import time
import random

def task():
    count = 0
    for i in range(100000000):
        count += 1

if __name__ == '__main__':
    #1.单个进程的多线程并发
    start_time = time.time()
    lst = []
    for i in range(4):
        t = Thread(target=task)
        lst.append(t)
        t.start()

    for p in lst:
        p.join()

    print(f'执行效率为:{time.time()-start_time}')
    #执行效率为:21.69145154953003
    # #2.多进程的并发或并行
    # start_time = time.time()
    # lst = []
    # for i in range(4):
    #     p = Process(target=task)
    #     lst.append(p)
    #     p.start()
    #
    # for p in lst:
    #     p.join()
    #
    # print(f'执行效率为:{time.time()-start_time}')
    # #6.934940338134766

2. IO密集型: 单个进程的多线程并发 vs 多个进程的并发并行(首选:单个进程的多线程并发效率高)

from threading import Thread
from multiprocessing import Process
import time
import random

def task():
    count = 0
    time.sleep(random.randint(1,3))
    count += 1

if __name__ == '__main__':
    ##1.多进程的并发,并行
    # start_time = time.time()
    # lst = []
    # for i in range(100):
    #     p = Process(target=task)
    #     lst.append(p)
    #     p.start()
    #
    # for p in lst:
    #     p.join()
    #
    # print(f'执行效率为:{time.time()-start_time}') # 5.597723960876465
    
    ##2. 多线程的并发
    start_time = time.time()
    lst = []
    for i in range(100):
        t = Thread(target=task)
        lst.append(t)
        t.start()

    for t in lst:
        t.join()

    print(f'执行效率为:{time.time() - start_time}')  #3.0118417739868164

13. 多线程实现socket通信

1. server 服务端

import socket
from threading import Thread

def communicate(conn,addr):
    while 1:
        try:
            from_client_data = conn.recv(1024)
            print(f'来自客户端{addr[1]}的消息{from_client_data.decode("utf-8")}')
            to_client_data = input('>>>').strip().encode('utf-8')
            conn.send(to_client_data)
        except Exception:
            break
    conn.close()

def _accept():
    server = socket.socket()
    server.bind(('127.0.0.1',8848))
    server.listen(4)
    while 1:
        conn,addr = server.accept()   #阻塞
        t = Thread(target=communicate,args=(conn,addr))
        t.start()

if __name__ == '__main__':
    _accept()

2. client 客户端

import socket

client = socket.socket()
client.connect(('127.0.0.1',8848))
while 1:
    try:
        to_client_data = input('>>>').strip()
        client.send(to_client_data.encode('utf-8'))

        from_server_data = client.recv(1024)
        print(f'来自服务端的消息:{from_server_data.decode("utf-8")}')
    except Exception:
        break
client.close()

14. 进程池,线程池

1.开启进程池(进程是并行)

from concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor
import os
import time
import random

# print(os.cpu_count()) 
# #查看计算机的CPU个数 #本机8个,也就是可以一次处理8个
def task(n): #可有可无
    print(f'{os.getppid()}连上了')
    time.sleep(random.randint(1,3))
    print(f'33[1;35;0m{os.getppid()}断开了33[0m')
if __name__ == '__main__':
    #1.开启进程池
    p = ProcessPoolExecutor()
    # 默认不写,进程池里面的进程数与cpu个数相等
    for i in range(20): #相当于20个任务
        p.submit(task,i) #上边有就传值

2.开启线程池(线程是并发,一个CPU)

from concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor
import os
import time
import random

# print(os.cpu_count())
# #查看计算机的CPU个数 #本机8个,也就是可以一次处理8个
def task():
    print(f'{os.getppid()}连上了')
    time.sleep(random.randint(1,3))
    print(f'33[1;35;0m{os.getppid()}断开了33[0m')
if __name__ == '__main__':
    # #2.开启线程池
    t = ThreadPoolExecutor()
    # 默认不写, cpu个数*5 线程数
    for i in range(100):
        t.submit(task)

查看全文

相关阅读:
2014年10月20----数组1
类型--2014年10月19日
 2014年10月17----类别
 2014年10月16号--for语句实例
 2014年10月12日——运算符
 java练习题：解一元二次方程、判断闰年、判断标准身材、三个数取最大值
 Java安装与环境配置
 SQL语言增加、修改、删除数据的语法
 StringBuffer的用法（转）
JSTL标签库简介

原文地址：https://www.cnblogs.com/lvweihe/p/11402329.html

多线程

易错点