多线程和多进程

Q:为什么要引入多线程

A:提升程序运行的速度

进程和线程的定义

一个工厂，至少有一个车间，一个车间至少有一个工人，最终是工人在工作
一个程序，至少有一个进程，一个进程中至少有一个线程，最终是线程在工作
python程序运行时，内部会创建一个进程(主进程),在进程中创建了一个线程(主线程),由线程逐行运行代码
线程,是计算机中可以被cpu调度的最小单元
进程,是计算机资源分配的最小单元（进程为线程提供资源）

多线程

一个工厂，创建一个车间，这个车间里面有3个工人并行处理任务

一个程序，创建一个进程，这个进程里面有3个线程并行处理任务

# 导入包
import threading

# 创建一个线程
t = threading.Thread(target='该线程要执行的函数名', args=('参数1', '参数2', '参数3',))
# 执行名为t的线程
t.start()

多进程

一个工厂，创建3个车间，每个车间里面有1个工人（共3人）并行处理任务

一个程序，创建3个进程，每个进程里面有1个线程（共3个）并行处理任务

# 导入包
from multiprocessing import Process

# 创建进程的时候，默认会创建一个线程，线程是cpu调度的最小单元
p = Process(target='该进程要执行的方法', args=('方法的参数',))
# 启动进程
p.start()

GIL全局解释器锁

GIL，全局解释器锁是Cpython特有解释器特有的，让一个进程中同时只有一个线程可以被CPU调用

如果程序想利用计算机多核优势，让CPU同时同时处理一些任务，适合用多进程并发(资源消耗大)

如果程序不利用多核优势，适用于多线程并发

计算密集型，用多进程，例如大量的数据计算

IO密集型，用多线程，例如文件读写、网络数据传输

join()

程序执行的时候，会创建一个进程，默认创建一个主线程，主线程里面可以创建有多个子线程

join方法是等待当前子线程执行完毕，继续往下执行主线程，如果不用join，子线程执行过程中会继续执行主线程

import threading
t = threading.Thread(target='',args=('',))
t.start()
t.join()

守护线程

t.setDeamon(布尔值) 必须放在start之前
t.setDeamon(True) 设置为守护线程，主线程执行完毕之后，子线程也自动关闭
t.setDeamon(False) 设置为非守护线程，主线程等待子线程执行完毕之后，主线程才结束（默认）

线程名设置和获取

t.setname()  start之前设置，给当前线程创建线程名
threading.current_thread()  获取当前执行的线程名

自定义线程类

import threading


# 创建类，继承threading.Thread
class MyThread(threading.Thread):
    # 定义run方法，内部逻辑为线程要执行的逻辑
    # run方法是内置方法，不可修改函数名
    def run(self):
        ...

t = MyThread(args=('参数',))
t.start()

线程安全

一个进程中可以有多个线程，且线程共享所有进程中的资源

多个线程同时操作一个东西，可能会出现数据混乱的情况

如下两个线程t1和t2，给线程加锁，两个线程会先申请加锁，先加锁成功的线程继续执行，没有申请成功的线程等待有锁的线程完毕释放锁，再次申请加锁执行

import threading

# 创建线程锁
lock_object = threading.RLock()


def t1():
    lock_object.acquire()  # 加锁
    ...
    lock_object.release() # 释放锁

def t2():
    lock_object.acquire()  # 加锁
    ...
    lock_object.release() # 释放锁

也可以基于上下文的方式管理锁

# 创建线程锁
lock_object = threading.RLock()

with lock_object: # 内部自动执行acquire和release

    print('开始执行')

线程锁

Lock 同步锁，性能效率更高

Lock不支持嵌套锁，比如一个线程内执行方法多个内容加锁、释放锁、加锁....会形成死锁

Rlock 递归锁

Rlock支持嵌套锁，不会形成死锁

死锁

死锁，由于竞争资源或者彼此通信而造成的一种阻塞现象

线程池

线程不是开的越多越好，开的多了可能会导致系统性能更低

# 导入
from concurrent.futures import ThreadPoolExecutor

# 创建线程池
# max_workers 代表该线程池维护的线程数
pool = ThreadPoolExecutor(max_workers=100)
# 使用submit将要执行的方法交给线程池
# 线程池会使用一个线程进行执行
pool.submit('函数名','参数1','参数2')


# 等待线程池中的所有任务执行完毕，才会继续往下执行
# 类似线程的join
pool.shutdown(True)

如果线程池维护数量为10，但是我们提交了20次线程任务，那么线程池会先执行10个任务，等有线程释放继续执行后续

线程分工

def done(response):
    # 线程返回值的内容
    print(response.result)


# 线程池会使用一个线程进行执行
future = pool.submit('函数名', '参数1', '参数2')
# 子线程执行完毕 执行该方法
future.add_done_callback(done)

例如我们可以启动一个线程做上传，done来做下载