线程

相关概念

线程:是轻量级(轻型)进程,比进程开销小得多

进程和线程的关系:

线程是进程的一部分,线程必须依赖于进程存在

一个进程之内至少有一条线程,默认存在的线程叫做主线程,也可以在一个进程中开启多个子线程来完成更多的任务

进程是计算机中最小的资源分配单位

线程是计算机中能被CPU调度的最小单位,是计算机中最小的执行单位

进程负责分配资源和资源隔离,线程负责真正的执行代码

正常进程与线程之间的区别:

进程: 数据隔离,开销大,能利用多核

线程: 数据共享,开销小,能利用多核

 python中进程与线程的区别:

进程: 数据隔离,开销大,能利用多核

线程: 数据共享,开销小,不能利用多核(GIL全局解释器锁)

全局解释器锁:

锁的是线程,让同一个进程中的多个线程同一时间只能由一个被CPU调度

 threading模块

import os
import time
from threading import Thread
from multiprocessing import Process
# multiprocessing完全仿照了threading模块来进行封装
def func(i):
    # print('start',i)
    i+=1
    # print(i,os.getpid())

if __name__ == '__main__':
    start = time.time()
    for i in range(20):
        Thread(target=func,args=(i,)).start()
    print(time.time() - start)
    start = time.time()
    for i in range(20):
        Process(target=func,args=(i,)).start()
    print(time.time() - start)

数据共享

from threading import Thread
n = 100
def func():
    global n

    n -= 1
t_l = []
for i in range(100):
    t = Thread(target=func)
    t.start()
    t_l.append(t)
for t in t_l:
    t.join()
print(n)     #此时打印n为0,主线程中的值被改变

使用函数的方法启动线程

import time
from threading import Thread,currentThread
def func():
    time.sleep(1)
    print('in func:',currentThread().name,currentThread().ident)    #在函数内部获取当前前程名和线程id

t = Thread(target=func)
t.start()
print(t.name)           # 在函数外部获取线程名和线程id
print(t.ident)

使用类的方法启动线程

import time
from threading import Thread
class MyThread(Thread):
    def __init__(self,i):
        self.i = i
        super().__init__()
    def run(self):
        time.sleep(1)
        print('in MyThread:',self.i,self.name,self.ident)
        #self.name  线程名   self.ident  线程id

for i in range(10):
    t = MyThread(i)
    t.start()

active_count和enumerate

import time
from threading import Thread,active_count,enumerate
def func():
    time.sleep(1)
    print('in func')

t = Thread(target=func)
t.start()
print(enumerate())  # 当前所有活着的线程对象组成的列表  内存地址
print(active_count()) #统计当前所有或者的线程对象的格式  相当于len(enumerate)

守护线程

守护进程 会等到主进程的代码结束而结束

守护线程 会等待主线程的结束而结束,如果主线程还开启了其他子线程,那么守护线程会守护到最后

线程是数据进程的,如果进程结束了,线程也就结束了

import time
from threading import Thread
def func():
    while True:
        time.sleep(1)
        print('in func')

def son():
    print('son start')
    time.sleep(8)
    print('son end')

t1 = Thread(target=func)
t1.setDaemon(True)   # 设置守护状态
t1.start()
t2 = Thread(target=son)
t2.start()
time.sleep(5)      # 守护进程会等到子进程8秒之后运行结束再结束 

数据安全问题

列别/字典 自带的方法基本都是数据安全的,但是对其中的元素进行 +=  -=  *=  /= 都是数据不安全的

由于append等方法是一个完整的指令过程,执行了就相当于添加,不执行就是还没添加

而+=这种方法,是先执行+,再对结果进行赋值,如果执行完+之后,时间片就切换到另一个线程了,那么就会出现数据不安全的情况

互斥锁

通过加锁的方式,保证+=执行完毕后,再释放锁让其他线程能够执行

from threading import Lock,Thread
import time

def work(lock):
    global n
    with lock:
        temp = n
        time.sleep(0.1)
        n = temp - 1

if __name__ == '__main__':
    n = 100
    l = []
    lock = Lock()                  #互斥锁
    for i in range(100):
        p = Thread(target=work,args=(lock,))
        p.start()
        l.append(p)
    for p in l:
        p.join()
    print(n)

死锁现象

科学家吃面问题(对叉子和面分别上锁,同时规定一个人必须同时拿到叉子和面才可以吃到面)

import time
from threading import Lock,Thread
noodle_lock = Lock()      # 对面加锁
fork_lock = Lock()        # 对叉子加锁
fork = 10
noodle = 20
def eat1(name):
    noodle_lock.acquire()
    print('%s拿到面了'%name)
    fork_lock.acquire()
    print('%s拿到叉子了' % name)
    noodel =fork + noodle
    time.sleep(0.1)
    print('%s吃到面了'%name)
    fork_lock.release()
    print('%s放下叉子了' % name)
    noodle_lock.release()
    print('%s放下面了'%name)

def eat2(name):
    fork_lock.acquire()
    print('%s拿到叉子了' % name)
    noodle_lock.acquire()
    print('%s拿到面了'%name)
    noodel =fork + noodle
    time.sleep(0.1)
    print('%s吃到面了'%name)
    noodle_lock.release()
    print('%s放下面了' % name)
    fork_lock.release()
    print('%s放下叉子了' % name)


Thread(target=eat1,args=('yuan',)).start()
Thread(target=eat2,args=('alex',)).start()
Thread(target=eat1,args=('wusir',)).start()
Thread(target=eat2,args=('taibai',)).start()
# 会出现一个人拿到叉子,一个人拿到面的情况,出现死锁现象

递归锁--快速解决死锁现象

import time
from threading import RLock,Thread
fork_lock = noodle_lock = RLock()     #将面和叉子统一加一个递归锁
fork = 10
noodle = 20
def eat1(name):
    noodle_lock.acquire()
    print('%s拿到面了'%name)
    fork_lock.acquire()
    print('%s拿到叉子了' % name)
    noodel =fork + noodle
    time.sleep(0.1)
    print('%s吃到面了'%name)
    fork_lock.release()
    print('%s放下叉子了' % name)
    noodle_lock.release()
    print('%s放下面了'%name)

def eat2(name):
    fork_lock.acquire()
    print('%s拿到叉子了' % name)
    noodle_lock.acquire()
    print('%s拿到面了'%name)
    noodel =fork + noodle
    time.sleep(0.1)
    print('%s吃到面了'%name)
    noodle_lock.release()
    print('%s放下面了' % name)
    fork_lock.release()
    print('%s放下叉子了' % name)

Thread(target=eat1,args=('yuan',)).start()
Thread(target=eat2,args=('alex',)).start()
Thread(target=eat1,args=('wusir',)).start()
Thread(target=eat2,args=('taibai',)).start()

用互斥锁将两个资源当成一个资源锁起来,效率会更高,在实际开发中更推荐用互斥锁

import time
from threading import Lock,Thread
lock = Lock()           # 只用一个锁来锁资源
fork = 10
noodle = 20
def eat1(name):
    lock.acquire()
    print('%s拿到面了'%name)
    print('%s拿到叉子了' % name)
    noodel =fork + noodle
    time.sleep(0.1)
    print('%s吃到面了'%name)
    print('%s放下叉子了' % name)
    print('%s放下面了'%name)
    lock.release()

def eat2(name):
    lock.acquire()
    print('%s拿到叉子了' % name)
    print('%s拿到面了'%name)
    noodel =fork + noodle
    time.sleep(0.1)
    print('%s吃到面了'%name)
    print('%s放下面了' % name)
    print('%s放下叉子了' % name)
    lock.release()


Thread(target=eat1,args=('yuan',)).start()
Thread(target=eat2,args=('alex',)).start()
Thread(target=eat1,args=('wusir',)).start()
Thread(target=eat2,args=('taibai',)).start()

总结:

死锁现象是由于多个锁对多个变量管理不当造成的

互斥锁在一个进程内只能被acquire一次

递归锁在一个进程内可以被acquire多次,但是release个数必须和acquire个数相同

线程队列

队列  先进先出   FIFO

栈     后进先出    LIFO

import queue
lifoq = queue.LifoQueue()   #栈
lifoq.put(1)
lifoq.put(2)
lifoq.put(3)
print(lifoq.get())
print(lifoq.get())
print(lifoq.get())

结果:
3
2
1

优先级队列

import queue
pq = queue.PriorityQueue()
pq.put((2,'wusir'))
pq.put((1,'yuan'))
pq.put((1,'alex'))
pq.put((3,'taibai'))
print(pq.get())
print(pq.get())
print(pq.get())
print(pq.get())

结果:
# 按照优先级,如果第一个相同,会根据第二个元素的ascii码的顺序排序
(1, 'alex')
(1, 'yuan')
(2, 'wusir')
(3, 'taibai')

线程池

oncurrent.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
方法:
submit     异步提交任务
map        代替for循环中submit的操作
shutdown   相当于进程池中close()+join()操作
result     取得结果
add_done_callback  回调函数
done       判断某一个线程是否完成
cancel     取消某个任务

import time
from concurrent.futures import ThreadPoolExecutor,ProcessPoolExecutor
def func(i):
    time.sleep(1)
    print('in son thread',i)

if __name__ == '__main__':
    tp = ThreadPoolExecutor(4)   # 开启4个线程池
    # tp.map(func,range(20))     # 可以使用map,也可以使用for循环+submit提交任务
    for i in range(20):
        tp.submit(func,i)
    tp.shutdown()
    print('所有的任务都执行完了')

获取返回值

import time
from concurrent.futures import ThreadPoolExecutor,ProcessPoolExecutor
def func(i):
    time.sleep(1)
    return '*'* i

if __name__ == '__main__':
    tp = ThreadPoolExecutor(4)   #开启4个线程池

    # 使用map提交任务,获取返回值
    # ret_l = tp.map(func,range(20))
    # for ret in ret_l:
    #     print(ret)

    #使用submit提交任务,获取返回值
    ret_l = []
    for i in range(20):
        ret = tp.submit(func,i)
        ret_l.append(ret)
    for ret in ret_l:
        print(ret.result())

回调函数

import time
import random
from concurrent.futures import ThreadPoolExecutor

def back(ret):
    print(ret.result())
def son_func(i):
    time.sleep(random.random())
    return i ** i

tp = ThreadPoolExecutor(4)
for i in range(20):
    ret = tp.submit(son_func,i)    
    ret.add_done_callback(back)