Python之路第十天，高级(2)-多线程，多进程，协程

线程

threading

threading模块对象	描述
Thread	表示一个线程的执行对象
Lock	锁原语对象
RLock	可重入锁对象，使单线程可再次获得已经获得了的锁（递归锁定）
Condition	条件变量能让一个钱程停下来，等待其它线程满足了某个“条件”，如状态的改变或值的改变
Event	通用的条件变量。多个线程可以等待某个事件的发生，在事件发生后，所有的线程都会被激活
Semaphore	为等待锁的线程提供了一个类似“等候室”的结构
BoundedSemaphore	与Semaphore类似，只是它不允许超过初始值
Timer	写Thread类似，只是它要等待一段时间后才开始运行

Threading用于提供线程相关的操作，线程是应用程序中工作的最小单元。

#!/usr/bin/env python3

import threading
import time
  
def show(arg):
    time.sleep(1)
    print('thread'+str(arg))
  
for i in range(10):
    t = threading.Thread(target=show, args=(i,))
    t.start()
  
print('main thread stop')

上述代码创建了10个“前台”线程，然后控制器就交给了CPU，CPU根据指定算法进行调度，分片执行指令。

threading模块中Thread类的方法：

函数	描述
start()	开始线程的执行
run()	定义线程的功能函数（一般会被子类重写）
join(timeout=None)	程序挂起，直到线程结束，如果给了timeout，则最多阻塞timeout秒
getName()	返回线程的名字
setName()	设置线程的名字
isAlive()	布尔标志，表示这个线程是否在运行中
isDaemon()	返回线程的daemon标志
setDaemon()	把线程的标志设置为daemonic(一定要在start()函数前调用)

用Thread类，你可以用多种方法来创建线程。

• 创建一个Thread类的实例，传给它一个函数；
• 创建一个Thread类的实例，传递给它一个可调用的类对象；
• 从Thread派生出一个子类，创建这个子类的实例。

上面那一段代码用的是第一种方法，下面用第三种方法来创建线程

自定义线程类：

import threading
import time


class MyThread(threading.Thread):
    def __init__(self,num):
        threading.Thread.__init__(self)
        self.num = num

    def run(self):
        """
        定义每个线程要运行的函数,执行start()方法的时候这个函数会自动执行
        :return: None
        """

        print("running on number:%s" % self.num)

        time.sleep(3)

if __name__ == '__main__':

    t1 = MyThread(1)
    t2 = MyThread(2)
    t1.start()
    t2.start()

线程锁（LOCK，RLOCK）

由于线程之间是进行随机调度，并且每个线程可能只执行n条之后，当多个线程同时修改同一条数据时可能会出现脏数据，所以，出现了线程锁 - 同一时刻允许一个线程执行操作。

未使用锁：

import threading
import time

NUM = 0


def func():
    global NUM
    time.sleep(1)
    NUM += 1
    print(NUM)

for i in range(10):
    t = threading.Thread(target=func, args=())
    t.start()

print('主线程结束')

使用锁：

import threading
import time

NUM = 0
lock = threading.RLock()


def func():
    lock.acquire()
    global NUM
    NUM += 1
    time.sleep(1)
    print(NUM)
    lock.release()

for i in range(10):
    t = threading.Thread(target=func)
    t.start()

条件（Condition）

使得线程等待，只有满足某条件时，才释放n个线程

import threading


def run(n):
    con.acquire()
    con.wait()
    print("run the thread: %s" % n)
    con.release()

if __name__ == '__main__':

    con = threading.Condition()
    for i in range(10):
        t = threading.Thread(target=run, args=(i,))
        t.start()

    while True:
        num = input('>')
        if num == 'q':
            break
        con.acquire()
        con.notify(int(num))
        con.release()

事件（Event）

Python线程的事件用于主线程控制其他线程的执行，事件主要提供了三个方法 set、wait、clear。
事件处理的机制：全局定义了一个“Flag”，如果“Flag”值为 False，那么当程序执行 event.wait 方法时就会阻塞，如果“Flag”值为True，那么event.wait()方法时便不再阻塞。

• clear：将“Flag”设置为False
• set：将“Flag”设置为True

import threading


def do(event):
    print('start')
    event.wait()
    print('execute')


event_obj = threading.Event()
for i in range(10):
    t = threading.Thread(target=do, args=(event_obj,))
    t.start()

event_obj.clear()
var = input('请输入:')
if var == 'true':
    event_obj.set()

信号量（BoundedSemaphore）

互斥锁 同时只允许一个线程更改数据，而BoundedSemaphore是同时允许一定数量的线程更改数据 ，比如厕所有3个坑，那最多只允许3个人上厕所，后面的人只能等里面有人出来了才能再进去。

import threading,time


def run(n):
    semaphore.acquire()
    time.sleep(1)
    print("run the thread: %s" % n)
    semaphore.release()

if __name__ == '__main__':

    num = 0
    # 最多允许5个线程同时运行
    semaphore = threading.BoundedSemaphore(5)
    for i in range(20):
        t = threading.Thread(target=run, args=(i,))
        t.start()

定时器（Timer）

定时器，指定n秒后执行某操作

from threading import Timer
 
 
def func():
    print("hello, world")

# 一秒之后执行func函数
t = Timer(1, func)
t.start()

进程

Process类中的方法和Thread中的方法名一致

先来一个例子：

from multiprocessing import Process
import threading
import time
  
def foo(num):
    print('say hi', num)
  
for i in range(10):
    p = Process(target=foo,args=(i,))
    p.start()

进程间的数据共享

先来一个例子证明各个进程之前是无法共享数据的

from multiprocessing import Process

li = []


def foo(num):
    li.append(num)
    print('say hi', li)

if __name__ == '__main__':
    for i in range(10):
        p = Process(target=foo, args=(i,))
        p.start()

    print('ending', li)

进程间的数据共享之Array

此数组类似于C语言中的链表，数组中的类型对应表，和C语言的数据类型一致

'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

from multiprocessing import Process
from multiprocessing import Array


def func(num, arg):

    arg[num] = num + 100
    for item in arg:
        print(item)
    print('================')

if __name__ == "__main__":
    li = Array('i', 10)
    for i in range(10):
        p = Process(target=func, args=(i, li,))
        p.start()

进程之间数据共享之dict

from multiprocessing import Process, Manager


def func(num, arg):
    arg[num] = 100 + num
    print(arg.values())

if __name__ == '__main__':
    manage = Manager()
    dic = manage.dict()
    for i in range(2):
        p = Process(target=func, args=(i, dic))
        p.start()
        p.join()

进程锁

from multiprocessing import Process, Array, RLock


def func(l, tmp, num):
    """
    将第0个数加100
    """
    l.acquire()
    tmp[0] = 100 + num
    for item in tmp:
        print(num, '----->', item)
    l.release()


if __name__ == '__main__':
    lock = RLock()
    temp = Array('i', [11, 22, 33, 44])

    for i in range(20):
        p = Process(target=func, args=(lock, temp, i,))
        p.start()

进程池

进程池内部维护一个进程序列，当使用时，则去进程池中获取一个进程，如果进程池序列中没有可供使用的进进程，那么程序就会等待，直到进程池中有可用进程为止。

进程池中有两个方法：

• apply
• apply_async

from multiprocessing import Pool
import time


def foo(num):
    time.sleep(2)
    return num + 100


def bar(arg):
    print(arg)


# print pool.apply(Foo,(1,))
# print pool.apply_async(func =Foo, args=(1,)).get()
if __name__ == '__main__':
    pool = Pool(5)
    for i in range(10):
        pool.apply_async(func=foo, args=(i,), callback=bar)
    print('end')
    pool.close()
    # 进程池中进程执行完毕后再关闭，如果注释，那么程序直接关闭。
    pool.join()

协程

线程和进程的操作是由程序触发系统接口，最后的执行者是系统；协程的操作则是程序员。

协程存在的意义：对于多线程应用，CPU通过切片的方式来切换线程间的执行，线程切换时需要耗时（保存状态，下次继续）。协程，则只使用一个线程，在一个线程中规定某个代码块执行顺序。

协程的适用场景：当程序中存在大量不需要CPU的操作时（IO），适用于协程；

from greenlet import greenlet


def test1():
    print(12)
    gr2.switch()
    print(34)
    gr2.switch()


def test2():
    print(56)
    gr1.switch()
    print(78)

gr1 = greenlet(test1)
gr2 = greenlet(test2)
gr1.switch()

import gevent


def foo():
    print('Running in foo')
    gevent.sleep(0)
    print('Explicit context switch to foo again')


def bar():
    print('Explicit context to bar')
    gevent.sleep(0)
    print('Implicit context switch back to bar')

gevent.joinall([
    gevent.spawn(foo),
    gevent.spawn(bar),
])

遇到IO操作自动切换:

from gevent import monkey; monkey.patch_all()
import gevent
import requests


def f(url):
    print('GET: %s' % url)
    resp = requests.get(url)
    data = resp.text
    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/'),
])