GIL介绍

　　GIL本质就是一把互斥锁，既然是互斥锁，所有互斥锁的本质都一样，都是将并发运行变成串行，以此来控制同一时间内共享数据只能被一个任务所修改，进而保证数据安全。每个进程内都会存在一把GIL，同一个进程内的多个线程必须抢到GIL之后才能使用Cpython解释器来执行自己的代码，即同一个进程下的多个线程无法实现并行，但是可以实现并发

　　在Cpython解释器下，如果想实现并行可以开启多个进程

为何要有GIL

　　因为Cpython解释器的垃圾回收机制不是线程安全的

总结：

　　io密集型：用多线程（开发中大部分用多线程）

　　计算密集型：用多进程

 

GIL与自定义互斥锁的区别

　　前者是解释器级别的（当然保护的就是解释器级别的数据，比如垃圾回收的数据），后者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，只能用户自定义加锁处理，即Lock

　　锁通常被用来实现对共享资源的同步访问。为每一个共享资源创建一个Lock对象，当你需要访问该资源时，调用acquire方法来获取锁对象（如果其它线程已经获得了该锁，则当前线程需等待其被释放），待资源访问完后，再调用release方法释放锁：

from threading import Thread,Lock
import os,time
def work():
    global n
    lock.acquire()
    temp=n
    time.sleep(0.1)
    n=temp-1
    lock.release()
if __name__ == '__main__':
    lock=Lock()
    n=100
    l=[]
    for i in range(100):
        p=Thread(target=work)
        l.append(p)
        p.start()
    for p in l:
        p.join()

    print(n) #结果肯定为0，由原来的并发执行变成串行，牺牲了执行效率保证了数据安全
View Code

 

 

死锁与递归锁

　　死锁现象：指的是互相拿了对方需要的钥匙但都不放手，导致了程序的阻塞

　　递归锁：就是为了解决死锁现象：RLOOK

　　

from threading import Thread,Lock
import time
mutexA=Lock()
mutexB=Lock()

class MyThread(Thread):
    def run(self):
        self.func1()
        self.func2()
    def func1(self):
        mutexA.acquire()
        print('\033[41m%s 拿到A锁\033[0m' %self.name)

        mutexB.acquire()
        print('\033[42m%s 拿到B锁\033[0m' %self.name)
        mutexB.release()

        mutexA.release()

    def func2(self):
        mutexB.acquire()
        print('\033[43m%s 拿到B锁\033[0m' %self.name)
        time.sleep(2)

        mutexA.acquire()
        print('\033[44m%s 拿到A锁\033[0m' %self.name)
        mutexA.release()

        mutexB.release()

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

'''
Thread-1 拿到A锁
Thread-1 拿到B锁
Thread-1 拿到B锁
Thread-2 拿到A锁
然后就卡住，死锁了
'''
View Code

 

 

信号量

　　semaphore 控制统一进程下的并发的线程个数

 

from threading import Thread,Semaphore
import time,random

sm=Semaphore(5)

def task(name):
    sm.acquire()
    print('%s正在上厕所'%name)
    time.sleep(random.randint(1,3))
    sm.release()




if __name__ == '__main__':
    for i in range(20):
        t=Thread(target=task,args=('路人%s'%i,))
        t.start()
View Code

 

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
为何引用Event
from threading import Thread,Event
import time

event=Event()


def light():
    print('红灯正亮着')
    time.sleep(3)
    event.set()#绿灯亮

def car(name):
    print('车%s正在等绿灯'%name)
    event.wait()#等灯绿
    print('车%s通行'%name)


if __name__ == '__main__':
    #红绿灯
    t1=Thread(target=light)
    t1.start()
    #车
    for i in range(10):
        t=Thread(target=car,args=(i,))
        t.start()
View Code