Python 并发编程
1 为什么有操作系统
- 操作系统： 位于底层和应用软件之间
- 工作方式： 向下管理硬件 向上提供接口
1.1 操作系统进程切换：
- 出现IO操作（像time.sleep之类的）
- 固定时间（是操作系统控制的切换时间）
1.2进程的定义：
进程是一个程序在一个数据集谁给你的动态执行过程。
程序、数据集（程序过程中使用的资源）、进程控制块（切换的时候 保存状态）
进程并发的时候，如果是一个应用程序，会把资源进行传递
进程是通过进程切换，是共享的资源，保存的的时候保存的是进程的资源集
- 进程：
资源管理单位（容器） - 线程：
最小执行单位
1.3 并行和并发的区别：
串行是线程依次执行，运行期间独享内存
并行是每个线程占用一个内核
并发是有等待
** python的多线程：**
** 由于GIL，同一时刻，同一进程只能有一个线程被运行**
但是可以实现多进程的并发
import threading
import time
s = time.time()
def listen():
print("listen")
time.sleep(3)
print("listen end")
def blog():
print("blog")
time.sleep(5)
print("blog end")
if __name__ == '__main__':
t1 = threading.Thread(target=listen) # 实例化
t2 = threading.Thread(target=blog)
t1.start() # 使用start方法调用
t2.start()
# t1.join()
# t2.join() # t1 t2 接收后 才开始主线程
print(time.time()-s) # 总的时间
print("main ending")
'''
结果：
listen
blog
0.0
main ending # 这个是3个运行完毕
listen end
blog end
可以证明的是实现了线程的切换
'''
使用join 方法,主线程会等待其余的结束后才运行
import threading
import time
s = time.time()
def listen():
print("listen")
time.sleep(3)
print("listen end")
def blog():
print("blog")
time.sleep(5)
print("blog end")
if __name__ == '__main__':
t1 = threading.Thread(target=listen) # 实例化
t2 = threading.Thread(target=blog)
t1.start() # 使用start方法调用
t2.start()
t1.join()
t2.join() # t1 t2 接收后 才开始主线程
print(time.time()-s) # 总的时间
print("main ending")
'''
结果：
listen
blog
listen end
blog end
5.001286029815674 # 这里是线程2运行结束的时间
main ending # 最终运行主线程
'''
# 方式2 使用的是run方法
自己定义的类取执行
```python
import time
import threading
class MyThread(threading.Thread): # 继承
def __init__(self, num):
threading.Thread.__init__(self)
self.num = num
def run(self):
print("the num is %s" % self.num)
time.sleep(3)
t1 = MyThread(56) # 参数
t2 = MyThread(78)
t1.start()
t2.start()
print("ending") # 这是主线程
'''
结果：
the num is 56
the num is 78
ending
'''
1.4 join方法
t.join() 主线程等待对象等待完
t1.start()
t2.start()
t1.join()
t2.join()
如果是： 下面就是串行
t1.start()
t1.join()
t2.start()
t2.join()
1.5 守护线程
setDaemon
主线程结束了，子线程就结束了
线程开启之后就不能控制
有自他的子线程t1,t2的时候，t2是守护线程，主线程先等待t1,主线程结束后，守护线程关闭。
import threading
from time import ctime, sleep
import time
def Music(name):
print("Begin listening to {name}. {time}".format(name=name, time=ctime()))
sleep(3)
print("end listening {time}".format(time=ctime()))
def Blog(title):
print("Begin recording the {title}. {time}".format(
title=title, time=ctime()))
sleep(5)
print('end recording {time}'.format(time=ctime()))
threads = []
t1 = threading.Thread(target=Music, args=('music',))
t2 = threading.Thread(target=Blog, args=('blog',))
threads.append(t1)
threads.append(t2)
if __name__ == '__main__':
t1.setDaemon(True) # 把t2设置成守护线程
t2.setDaemon(True)
t1.start()
t2.start()
# for t in threads:
# t.setDaemon(True) #注意:一定在start之前设置
# t.start()
# for t in threads:
# t.join()
# t1.join()
# t2.join() # 考虑这三种join位置下的结果？
print("all over %s" % ctime())
1.6 其他的方法
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，不包括启动前和终止后的线程。
# threading.activeCount(): 返回正在运行的线程数量，与len(threading.enumerate())有相同的结果。
GIL 全局解释器锁
Global Interpreter Lock
加在CPython的解释器中，只有CPyhton中受到限制
阻止多线程并行
** python的多线程：**
** 由于GIL，同一时刻，同一进程只能有一个线程被运行**
使用多进程的时候就可以突破这个限制
提高效率，用协程
- 对于IO密集型的提高效率，不使用CPU
使用time.sleep的
- 计算密集型，一直是在使用CPU，
import threading
import time
s = time.time()
def counter():
sum = 0
for i in range(50000000):
sum += i
if __name__ == '__main__':
# counter()
# counter()
t1 = threading.Thread(target=counter)
t2 = threading.Thread(target=counter)
t1.start()
t2.start()
t1.join()
t2.join()
print(time.time() - s)
'''
py2.7:
串行:10.5270001888
并发:15.7999999523
py3.:
串行:6.322361707687378
并发:6.371364593505859
Python3 的GIL已经进行了优化
'''
总结：
对于计算密集型的任务，Python多线程没有用
对于IO密集型的任务，Python多线程有用
Python使用多核： 开多进程
弊端： 内存开销大切换复杂
解决方案：
- 使用协程，是单线程还可以自己控制切换的此时
- **IO多路复用 ** 以后大多的的应用场景
- 终极思路：C模块实现多线程
