并发编程——多线程（4）

1.线程理论

  • 线程是CPU的执行单位
  • 多线程（即多个控制线程）的概念是，在一个进程中存在多个线程，多个线程共享该进程的地址空间，相当于一个车间内又多条流水线，都共用一个车间的资源。例如，北京地铁与上海地铁是不同的进程，而北京地铁里的13号线是一个线程，北京地铁所有的线路共享北京地铁所有的资源，比如所有的乘客可以被所有线路拉。

2.线程与进程的区别

  • 同一个进程内的多个线程共享该进程内的地址资源
  • 创建线程的开销要远小于创建进程的开销（创建一个进程，就是创建一个车间，涉及到申请空间，而且在该空间内建至少一条流水线，但创建线程，就只是在一个车间内造一条流水线，无需申请空间，所以创建开销小）

3.开启线程的两种方式

  • 方式一：函数
  •  1 #-*- coding:utf-8 -*-
 2 from threading import Thread
 3 import time
 4 import os
 5 def sayhi(name):
 6     time.sleep(2)
 7     print("%s say hello"%name)
 8 if __name__ == "__main__":
 9     t = Thread(target=sayhi,args=('egon',))
10     t.start()
11     print("主")
    方式一
  • 方式二：类
  •  1 class SayHi(Thread):
 2     def __init__(self,name):
 3         super().__init__()
 4         self.name = name
 5     def run(self):
 6         print("%s say hello" % self.name)
 7         print("线程pid：",os.getpid())
 8 if __name__ =="__main__":
 9     t1 = SayHi("egon")
10     t2 = SayHi("alex")
11     t1.start()
12     t2.start()
13     print("主进程pid：",os.getpid())
    方式二

4.多线程与多进程的区别

  •  开启速度：线程快于进程
  • pid：同一进程下不同线程的pid是相同的，进程之间的pid是不同的
  • 内存：进程之间内存地址空间是隔离的，而同一进程内开启的多个线程是共享该进程内存地址空间的

 5.Thread对象的其他属性或方法

  • Thread实例对象的方法
    • isAlive()：返回线程是否活动的
    • getName()：返回线程名
    • setName()：设置线程名
  • threading模块提供的一些方法
    • threading.currentThread()：返回当前的线程变量
    • threading.enumerate()：返回一个包含正在运行的线程的list。正在运行指线程启动后、结束前，不包括启动前后终止后的线程
    • threading.activeCount()：返回正在运行的线程数量，与len(threading.enumerate())有相同的结果
  •  1 #-*- coding:utf-8 -*-
 2 from threading import Thread
 3 import time
 4 import threading
 5 import os
 6 
 7 def sayhi(name):
 8     time.sleep(2)
 9     print("%s say hello"%name)
10     print(threading.current_thread().getName())#Thread-1
11 if __name__ == "__main__":
12     t = Thread(target=sayhi,args=('egon',))
13     t.start()
14     print(threading.current_thread().getName())#MainThread
15     print(threading.current_thread())#<_MainThread(MainThread, started 8308)>
16     print(threading.enumerate())#[<_MainThread(MainThread, started 9072)>, <Thread(Thread-1, started 7052)>]
17     print(threading.active_count())#2
18     print(t.is_alive())#True
19     t.join()
20     print('主线程/主进程')
21     print(t.is_alive())#False
    View Code

5.守护线程

  • 无论是进程还是线程，都遵循：守护xxx会等待主xxx运行完毕后被销毁
    • 强调：运行完毕并非终止运行
    • 对于主进程来说，运行完毕指的是主进程代码运行完毕
    • 对于主线程来说，运行完毕指的是主线程所在进程内所有非守护线程统统运行完毕，主线程才算运行完毕
  • 守护线程：在同一进程内，其他非守护线程运行完毕后才算运行完毕，此时守护线程被回收
  •  1 #-*- coding:utf-8 -*-
 2 from threading import Thread
 3 import time
 4 
 5 def walk():
 6     print("start123")
 7     time.sleep(1)
 8     print("end123")
 9 def run():
10     print("start456")
11     time.sleep(3)
12     print("end456")
13 if __name__ == "__main__":
14     t1 = Thread(target=walk)
15     t2 = Thread(target=run)
16     t1.daemon = True
17     t1.start()
18     t2.start()
19     print("主")
20 
21 
22 #start123
23 #start456
24 #主
25 #end123
26 #end456
    View Code
  •  1 #-*- coding:utf-8 -*-
 2 from threading import Thread
 3 import time
 4 
 5 def walk():
 6     print("start123")
 7     time.sleep(3)
 8     print("end123")
 9 def run():
10     print("start456")
11     time.sleep(1)
12     print("end456")
13 if __name__ == "__main__":
14     t1 = Thread(target=walk)
15     t2 = Thread(target=run)
16     t1.daemon = True
17     t1.start()
18     t2.start()
19     print("主")
20 #start123
21 #start456
22 #主
23 #end456
    View Code

6.GIL全局解释器锁

  • 本质上也是互斥锁
  • 保护不同的数据应该加不同的锁，GIL是解释器级别的（当然保护的就是解释器级别的数据，比如垃圾回收的数据）；lock是保护用户自己开发的应用程序的数据，很明显GIL不负责这件事，只能用户自己加锁定义
  • 有了GIL的存在，同一时刻同一进程中只能有一个线程被执行
  • GIL与多线程
    • ·对于计算来说，CPU越多越好，但是对于I/O来说，再多的CPU也没用
    • 对于单核计算机来说，常采用开启一个进程，多个线程的方案
    • 对于多核计算机来说，如果任务是计算密集型，多核意味着并行计算，多进程方案更优；如果任务是I/O密集型，则多线程方案更优
    • 多线程用于IO密集型，如socket，爬虫，web
    • 多进程用于计算密集型，如金融分析
    •  1 #-*- coding:utf-8 -*-
 2 from multiprocessing import Process
 3 from threading import Thread
 4 import os
 5 import time
 6 def work():
 7     time.sleep(2)
 8     print("===>")
 9 if __name__ == "__main__":
10     l_p = []
11     print(os.cpu_count())
12     start = time.time()
13     for i in range(400):
14         # p = Process(target=work)#耗时时间长
15         p = Thread(target=work)#耗时时间短
16         l_p.append(p)
17         p.start()
18     for p in l_p:
19         p.join()
20     stop = time.time()
21     print("run time is %s"%(stop-start))
      I/O密集型
       1 #-*- coding:utf-8 -*-
 2 from multiprocessing import Process
 3 from threading import Thread
 4 import os
 5 import time
 6 def work():
 7     res = 0
 8     for i in range(100000000):
 9         res*=1
10 if __name__ == "__main__":
11     l_p = []
12     print(os.cpu_count())
13     start = time.time()
14     for i in range(4):
15         # p = Process(target=work)#耗时时间短
16         p = Thread(target=work)#耗时时间长
17         l_p.append(p)
18         p.start()
19     for p in l_p:
20         p.join()
21     stop = time.time()
22     print("run time is %s"%(stop-start))
      计算密集型

7.死锁现象与递归锁RLOCK

  • 死锁现象
    •  是指两个或两个以上的进程或线程在执行过程中，因争夺资源而造成的一种互相等待的现象，若无外力作用，它们都将无法推进下去。此时称系统处于死锁状态或系统产生了死锁，这些永远在互相等待的进程称为死锁进程，如下就是死锁
    •  1 # -*- coding:utf-8 -*-
 2 from threading import Thread, Lock
 3 import time
 4 
 5 mutexA = Lock()
 6 mutexB = Lock()
 7 
 8 
 9 class MyThread(Thread):
10     def run(self):
11         self.func1()
12         self.func2()
13 
14     def func1(self):
15         mutexA.acquire()
16         print('\033[41m%s 拿到A锁\033[0m' % self.name)
17         mutexB.acquire()
18         print('\033[42m%s 拿到B锁\033[0m' % self.name)
19         mutexB.release()
20         mutexA.release()
21     def func2(self):
22         mutexB.acquire()
23         print('\033[43m%s 拿到B锁\033[0m' % self.name)
24         time.sleep(2)
25         mutexA.acquire()
26         print('\033[44m%s 拿到A锁\033[0m' % self.name)
27         mutexA.release()
28         mutexB.release()
29 if __name__ == "__main__":
30     for i in range(10):
31         t = MyThread()
32         t.start()
      死锁
  • 递归锁
    • 递归锁RLOCK用于解决死锁现象
    • 这个RLock内部维护着一个Lock和一个counter变量，counter记录了acquire的次数，从而使得资源可以被多次require。直到一个线程所有的acquire都被release，其他的线程才能获得资源。上面的例子如果使用RLock代替Lock，则不会发生死锁，
    • 二者的区别
      • 递归锁可以连续acquire多次，
      • 互斥锁只能acquire一次
    •  1 # -*- coding:utf-8 -*-
 2 from threading import Thread, Lock, RLock
 3 import time
 4 
 5 mutexA = mutexB = RLock()
 6 
 7 
 8 class MyThread(Thread):
 9     def run(self):
10         self.func1()
11         self.func2()
12 
13     def func1(self):
14         mutexA.acquire()
15         print('\033[41m%s 拿到A锁\033[0m' % self.name)
16         mutexB.acquire()
17         print('\033[42m%s 拿到B锁\033[0m' % self.name)
18         mutexB.release()
19         mutexA.release()
20 
21     def func2(self):
22         mutexB.acquire()
23         print('\033[43m%s 拿到B锁\033[0m' % self.name)
24         time.sleep(2)
25         mutexA.acquire()
26         print('\033[44m%s 拿到A锁\033[0m' % self.name)
27         mutexA.release()
28         mutexB.release()
29 
30 
31 if __name__ == "__main__":
32     for i in range(10):
33         t = MyThread()
34         t.start()
      递归锁

8.信号量

  • 信号量也是一把锁，可以指定信号量为5，对比互斥锁同一时间只能有一个任务抢到锁去执行，信号量同一时间可以有5个任务拿到锁去执行，如果说互斥锁是合租房屋的人去抢一个厕所，那么信号量就相当于一群路人争抢公共厕所，公共厕所有多个坑位，这意味着同一时间可以有多个人上公共厕所，但公共厕所容纳的人数是一定的，这便是信号量的大小
  •  1 #-*- coding:utf-8 -*-
 2 from threading import Thread,Semaphore
 3 import threading
 4 import time
 5 def func():
 6     sm.acquire()
 7     print('%s get sm' % threading.current_thread().getName())
 8     time.sleep(3)
 9     sm.release()
10 if __name__ == "__main__":
11     sm = Semaphore(5)
12     for i in range(23):
13         t = Thread(target=func)
14         t.start()
    信号量
  • 1 Semaphore管理一个内置的计数器，
2 每当调用acquire()时内置计数器-1；
3 调用release() 时内置计数器+1；
4 计数器不能小于0；当计数器为0时，acquire()将阻塞线程直到其他线程调用release()。

9.event

  • 线程的一个关键特性是每个线程都是独立运行且状态不可预测。如果程序中的其 他线程需要通过判断某个线程的状态来确定自己下一步的操作,这时线程同步问题就会变得非常棘手。为了解决这些问题,我们需要使用threading库中的Event对象。 对象包含一个可由线程设置的信号标志,它允许线程等待某些事件的发生。在 初始情况下,Event对象中的信号标志被设置为假。如果有线程等待一个Event对象, 而这个Event对象的标志为假,那么这个线程将会被一直阻塞直至该标志为真。一个线程如果将一个Event对象的信号标志设置为真,它将唤醒所有等待这个Event对象的线程。如果一个线程等待一个已经被设置为真的Event对象,那么它将忽略这个事件, 继续执行。
  • 1 from threading import Event
2 
3 event.isSet()：返回event的状态值；
4 
5 event.wait()：如果 event.isSet()==False将阻塞线程；
6 
7 event.set()： 设置event的状态值为True，所有阻塞池的线程激活进入就绪状态， 等待操作系统调度；
8 
9 event.clear()：恢复event的状态值为False。
     1 def conn_mysql():
 2     count = 1
 3     while not event.is_set():
 4         if count > 3:
 5             print("%s try too many times " % threading.currentThread().getName())
 6             return
 7         print('<%s>第%s次尝试链接'%(threading.current_thread().getName(),count))
 8         event.wait(0.5)
 9         count += 1
10     print('<%s>链接成功' % threading.current_thread().getName())
11 
12 def check_mysql():
13     print('\033[45m[%s]正在检查mysql\033[0m' % threading.current_thread().getName())
14     time.sleep(random.randint(2,4))
15     event.set()
16 
17 if __name__ == "__main__":
18     event = Event()
19     conn1 = Thread(target=conn_mysql)
20     conn2 = Thread(target=conn_mysql)
21     conn3 = Thread(target=conn_mysql)
22     check = Thread(target=check_mysql)
23 
24     conn1.start()
25     conn2.start()
26     conn3.start()
27     check.start()
    event

10.定时器

  • 指定n秒后执行某操作
  • def hello():
    print("hello,world!")

t = Timer(2,hello)
t.start() # after 2 seconds, "hello, world" will be printed
  •  1 # -*- coding:utf-8 -*-
 2 from threading import Timer
 3 import random
 4 
 5 
 6 class Code(object):
 7     def __init__(self):
 8         self.make_cache()
 9 
10     def make_cache(self, interval=5):
11         self.cache = self.make_code()
12         print(self.cache)
13         self.t = Timer(interval, self.make_cache)
14         self.t.start()
15 
16     def make_code(self, n=4):
17         res = ""
18         for i in range(n):
19             s1 = str(random.randint(0, 9))
20             s2 = chr(random.randint(65, 90))
21             res += random.choice([s1, s2])
22         return res
23 
24     def check(self):
25         while True:
26             code = input("请输入验证码>>:").strip()
27             if code.upper() == self.cache:
28                 print("验证码输入正确")
29                 self.t.cancel()
30                 break
31 
32 if __name__ == "__main__":
33     obj = Code()
34     obj.check()
    定时器

.11.线程queue

  •  1 #-*- coding:utf-8 -*-
 2 import queue
 3 q = queue.Queue(3)
 4 q.put(1)
 5 q.put(2)
 6 q.put(3)
 7 # q.put(4)#阻塞
 8 # q.put(4,block=False)#抛出异常
 9 # q.put(4,block=True,timeout=3)  #3s阻塞后，抛出异常
10 
11 q.get()
12 q.get()
13 q.get()
14 # q.get()#阻塞
15 # q.get(block=False)#抛出异常
16 # q.get_nowait()#抛出异常,和上一条等价
17 q.get(block=True,timeout=3)#3s阻塞后，抛出异常
    先进先出
  • 1 #堆栈，先进后出
2 import queue
3 q = queue.LifoQueue()
4 q.put('first')
5 q.put('second')
6 q.put('third')
7 print(q.get())#third
8 print(q.get())#second
9 print(q.get())#first
    堆栈，先进后出
  •  1 #优先级队列
 2 import queue
 3 q = queue.PriorityQueue()
 4 #put进入一个元组,元组的第一个元素是优先级(通常是数字,也可以是非数字之间的比较),数字越小优先级越高
 5 q.put((20,'a'))
 6 q.put((10,'b'))
 7 q.put((30,'c'))
 8 
 9 print(q.get())
10 print(q.get())
11 print(q.get())
12 
13 # 结果(数字越小优先级越高,优先级高的优先出队):
14 # (10, 'b')
15 # (20, 'a')
16 # (30, 'c')
    优先级队列
  • 多线程套接字通信
  •  1 #-*- coding:utf-8 -*-
 2 import socket
 3 from threading import Thread
 4 from concurrent.futures import ThreadPoolExecutor
 5 
 6 def communicate(conn):
 7     while True:
 8         try:
 9             data = conn.recv(1024)
10             if not data:break
11             conn.send(data.upper())
12         except ConnectionResetError:
13             break
14     conn.close()
15 
16 
17 def server(server_ip,port):
18     server = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
19     server.bind((server_ip, port))
20     server.listen(5)
21     while True:
22         conn, client_addr = server.accept()
23         # t = Thread(target=communicate,args=(conn,))
24         # t.start()
25         pool.submit(communicate,conn)
26     server.close()
27 
28 if __name__ == "__main__":
29     pool = ThreadPoolExecutor(2)
30     server_ip = socket.gethostbyname(socket.gethostname())
31     port = 8080
32     server(server_ip, port)
    服务端
     1 #-*- coding:utf-8 -*-
 2 import socket
 3 server_ip = socket.gethostbyname(socket.gethostname())
 4 client = socket.socket(socket.AF_INET,socket.SOCK_STREAM)
 5 client.connect((server_ip,8080))
 6 while True:
 7     msg = input(">>:").strip()
 8     if not msg:continue
 9     client.send(msg.encode("utf-8"))
10     data = client.recv(1024)
11     print(data.decode("utf-8"))
12 client.close()
    客户端

12.线程池与进程池

  • concurrent.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
Both implement the same interface, which is defined by the abstract Executor class.
    1、submit(fn, *args, **kwargs)
异步提交任务

2、map(func, *iterables, timeout=None, chunksize=1) 
取代for循环submit的操作

3、shutdown(wait=True) 
相当于进程池的pool.close()+pool.join()操作
wait=True，等待池内所有任务执行完毕回收完资源后才继续
wait=False，立即返回，并不会等待池内的任务执行完毕
但不管wait参数为何值，整个程序都会等到所有任务执行完毕
submit和map必须在shutdown之前

4、result(timeout=None)
取得结果

5、add_done_callback(fn)
回调函数
  •  1 #-*- coding:utf-8 -*-
 2 from threading import Thread,currentThread
 3 from multiprocessing import Process
 4 from concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor
 5 import os
 6 import time
 7 import random
 8 def task(name):
 9     print("name:%s  pid:%s"%(name,os.getpid()))
10     # print("name:%s  pid:%s"%(name,currentThread().getName()))
11     time.sleep(random.randint(1,3))
12 if __name__ == "__main__":
13     pool = ProcessPoolExecutor(5)
14     # pool = ThreadPoolExecutor(5)
15     for i in range(10):
16         pool.submit(task,i)
17     pool.shutdown(wait=True)
18     print("主")
    View Code
  • map函数
  •  1 # -*- coding:utf-8 -*-
 2 import os
 3 import random
 4 import time
 5 from concurrent.futures import ThreadPoolExecutor,ProcessPoolExecutor
 6 
 7 
 8 def task(n):
 9     print('%s is running' % os.getpid())
10     time.sleep(random.randint(1, 3))
11     return n ** 2
12 
13 
14 if __name__ == "__main__":
15     executor = ProcessPoolExecutor(max_workers=3)
16     # for i in range(11):
17     #     executor.submit(task,i)
18     executor.map(task,range(1,12))#map取代了for+submit
    map函数
  • 回调函数
    • 可以为进程池或线程池内的每个进程或线程绑定一个函数，该函数在进程或线程的任务执行完毕后自动触发，并接收任务的返回值当作参数，该函数称为回调函数
  •  1 #-*- coding:utf-8 -*-
 2 import requests
 3 import time
 4 from concurrent.futures import ThreadPoolExecutor
 5 def get(url):
 6     response = requests.get(url)
 7     time.sleep(3)
 8     return {"url":url,"content":response.text}
 9 def parse(res):
10     res = res.result()
11     print("%s parse res is %s"%(res["url"],len(res["content"])))
12 if __name__=="__main__":
13     urls = [
14         "http://www.woshipm.com/rp/415309.html",
15         "https://www.python.org",
16         "http://blog.csdn.net/shanzhizi/article/details/50903748",
17     ]
18     pool = ThreadPoolExecutor(2)
19     for url in urls:
20         pool.submit(get,url).add_done_callback(parse)
21     pool.shutdown()
22     print("主")
    回调函数

     

 

posted @ 2018-03-09 18:27  GraceZen  阅读(152)  评论(0)  编辑  收藏  举报