GIL全局解释器 GIL与普通的互斥锁 死锁 信号量 event 线程

GIL全局解释器 

In CPython, the global interpreter lock, or GIL, is a mutex that prevents multiple
native threads from executing Python bytecodes at once. This lock is necessary mainly
because CPython’s memory management is not thread-safe.


python解释器有很多种   最常见的是CPython解释器
GIL自己的本事也是一把互斥锁,他是将并发变成串行,这样做会牺牲效率保证数据的安全
用来组织 同一个进程下的多个线程的同时进行(同一个进程内多个线程是无法并行的,但是可以实现并发)
    python的多线程没法利用多核优势   是不是就没有用了

GIL的存在是因为CPython解释器的内存管理不是线程安全的

垃圾回收机制
    1 引用计数
    2 标机回收
    2 分代回收
    
python的多线程是否有用分情况讨论   在同样都是四个任务的情况下
计算密集型的    用时10s
    单核情况下   
        开线程更省资源
    多核情况下
        开进程  用时10s
        开线程  用时40s

IO密集型的
    单核情况下  
        开线程更节省资源
    多核情况下
        开线程更节省资源

 

#  计算密集型
from multiprocessing import Process
from threading import Thread
import os,time
def work():
    res=0
    for i in range(100000000):
        res*=i


if __name__ == '__main__':
    l=[]
    print(os.cpu_count())  # 我的电脑为4核
    start=time.time()
    for i in range(6):
        # p=Process(target=work) #耗时  8.171000003814697
        p=Thread(target=work) #耗时 31.975000143051147
        l.append(p)
        p.start()
    for p in l:
        p.join()
    stop=time.time()
    print('run time is %s' %(stop-start))

# IO密集型
from multiprocessing import Process
from threading import Thread
import threading
import os,time
def work():
    time.sleep(2)


if __name__ == '__main__':
    l=[]
    print(os.cpu_count()) #本机为6核
    start=time.time()
    for i in range(400):
        # p=Process(target=work) #耗时16.240999937057495s多,大部分时间耗费在创建进程上
        p=Thread(target=work) #耗时2.0390000343322754s多
        l.append(p)
        p.start()
    for p in l:
        p.join()
    stop=time.time()
    print('run time is %s' %(stop-start))

# 总结
# python中的多线程   需要看情况而定   而且用处是肯定有的    后期要多进程+多线程配合使用

GIL与普通的互斥锁   

from threading import Thread
import time

n = 100


def task():
    global n
    tmp = n
    time.sleep(1)
    n = tmp -1

t_list = []
for i in range(100):
    t = Thread(target=task)
    t.start()
    t_list.append(t)

for t in t_list:
    t.join()

print(n)

死锁 

自己千万不要轻易的处理锁的问题 

Rlock可以被第一个抢到锁的人连续的acquire和release
每acquire一次锁身上的计数加1
每release一次锁身上的计数减1
只要锁的计数不为0 其他人都不能抢

from threading import Thread,Lock,current_thread,RLock
import time
# mutexA = Lock()
# mutexB = Lock()
mutexA = mutexB = RLock()  # A B现在是同一把锁


class MyThread(Thread):
    def run(self):  # 创建线程自动触发run方法 run方法内调用func1 func2相当于也是自动触发
        self.func1()
        self.func2()

    def func1(self):
        mutexA.acquire()
        print('%s抢到了A锁'%self.name)  # self.name等价于current_thread().name
        mutexB.acquire()
        print('%s抢到了B锁'%self.name)
        mutexB.release()
        print('%s释放了B锁'%self.name)
        mutexA.release()
        print('%s释放了A锁'%self.name)

    def func2(self):
        mutexB.acquire()
        print('%s抢到了B锁'%self.name)
        time.sleep(1)
        mutexA.acquire()
        print('%s抢到了A锁' % self.name)
        mutexA.release()
        print('%s释放了A锁' % self.name)
        mutexB.release()
        print('%s释放了B锁' % self.name)

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

信号量

信号量可能是在不同的领域中 对应不同的知识点

互斥锁:家用厕所(就是说只有一个坑)
信号量:公共厕所(有多个坑使用)

信号量就是多个人在做同一件事情的时   所需要的公共位置

   

from threading import Thread,Semaphore
import time
import random

wc = Semaphore(5)   #参数相当是有多少位置

def task(name):
    wc.acquire()
    print('%s 占了一个坑'%name)
    time.sleep(random.randint(1,3))
    wc.release()

for i in range(20):
    t = Thread(target=task,args=(i,))
    t.start()

event   

from threading import Event,Thread
import time

e = Event()   # 生生成一个event对象


def light():
    print('红灯亮了')
    time.sleep(3)
    e.set()  # 发信号
    print('绿灯亮了')


def car(name):
    print('%s 正在等红灯'%name)
    e.wait()
    print('%s 踩油门  冲刺了'%name)

t = Thread(target=light)
t.start()


for i in range(10):
    t = Thread(target=car,args=('伞兵%s' %i,))
    t.start()

线程

同一个进程下的多个线程本来就是数据共享  为什么还要用队列

队列是    管道+锁    使用队列的话  就不需要自己来操作锁   

锁操作的不好的话 会造成死锁现象

import queue
q = queue.Queue()
q.put('hahha')
print(q.get())

# LifoQueue   后进线出
import queue
q = queue.LifoQueue()
q.put(1)
q.put(2)
q.put(3)
print(q.get())

# PriorityQueue     数字的优先级     数字越小   优先级越高

import queue
q = queue.PriorityQueue()

q.put((10,'haha'))
q.put((100,'hehehe'))
q.put((-50,'xxxx'))
q.put((-10,'yyyy'))

print(q.get())  # (-50, 'xxxx')
print(q.get())  # (-10, 'yyyy')
print(q.get())  # (10, 'haha')
print(q.get())  # (100, 'hehehe')