随笔- 93 文章- 8 评论- 1 阅读- 26310

线程之线程的一些其他方法，线程的事件，线程队列，线程池，GIL锁，协程的认识，Greenlet,Gevent

#协程greenlet
from greenlet import greenlet
 
def eat(name):
    print('%s eat 1'%name)
    g2.switch('taibai')#第一次调用必须传值
    print('%s eat 2'%name)
    g2.switch()
 
def play(name):
    print('%s play 1'%name)
    g1.switch()
    print('%s play 2'%name)
 
g1=greenlet(eat)
g2=greenlet(play)
 
g1.switch('taibai')

100

101

102

103

104

105

106

107

108

109

110

111

# 线程的其他方法
 
from threading import Thread
import threading
import time
from multiprocessing import Process
import os
 
 
def work():
    import time
    time.sleep(1)
    # print('子线程',threading.get_ident()) #2608
    print(threading.current_thread().getName())  # Thread-1
 
 
if __name__ == '__main__':
    # 在主进程下开启线程
    t = Thread(target=work)
    t.start()
 
    # print(threading.current_thread())#主线程对象 #<_MainThread(MainThread, started 1376)>
    # print(threading.current_thread().getName()) #主线程名称 #MainThread
    # print(threading.current_thread().ident) #主线程ID #1376
    # print(threading.get_ident()) #主线程ID #1376
 
    time.sleep(3)
    print(
        threading.enumerate())  # 连同主线程在内有两个运行的线程,[<_MainThread(MainThread, started 13396)>, <Thread(Thread-1, started 572)>]
    print(threading.active_count())  # 2
    print('主线程/主进程')
 
 
 
# 队列
import queue
#队列先进先出
q2=queue.Queue()
q2.put('frist')
q2.put('second')
q2.put('third')
print(q2.get())
print(q2.get())
print(q2.get())
 
#类似于栈的队列
q1=queue.LifoQueue()
q1.put(1)
q1.put(2)
q1.put(3)
print(q1.get())
print(q1.get())
print(q1.get())
# print(q1.get())#阻塞
 
#优先级队列
import queue
q=queue.PriorityQueue()#创建优先级队列对象
q.put((-1,'666'))
q.put((0,'999'))
q.put((3,'hahaha'))
q.put((9,'123'))
print(q.get())
print(q.get())
print(q.get())
print(q.get())
 
#线程池的方法
from concurrent.futures import ThreadPoolExecutor,ProcessPoolExecutor
def func(i):
    print(i)
    time.sleep(1)
    return i**2
t_pool=ThreadPoolExecutor(max_workers=4)#实例化个线程池，设置最大线程数
ret=t_pool.map(func,range(10))#map自带join,返回生成器
print(ret,[i for i in ret])
 
 
#多线程与多进程在纯计算或者io密集型的两种场景运行时间的比较
from multiprocessing import Process
from threading import Thread
 
def func():
    num=0
    # time.sleep(1)
    for i in range(100000000):
        num += i
 
if __name__ == '__main__':
    p_s_t = time.time()
    p_list = []
    for i in range(10):
        p = Process(target=func, )
        p_list.append(p)
        p.start()
    [pp.join() for pp in p_list]
    p_e_t = time.time()
    p_dif_t = p_e_t - p_s_t
 
    t_s_t=time.time()
    t_list = []
    for i in range(10):
        t=Thread(target=func,)
        t_list.append(t)
        t.start()
    [tt.join() for tt in t_list]
    t_e_t=time.time()
    t_dif_t=t_e_t-t_s_t
 
    print("多进程：", p_dif_t)
    print("多线程：",t_dif_t)

#纯计算的程序切换反而更慢
import time
def consumer():
    '''任务1:接收数据,处理数据'''
    while True:
        x=yield
        # time.sleep(1) #发现什么？只是进行了切换，但是并没有节省I/O时间
        print('处理了数据：',x)
def producer():
    '''任务2:生产数据'''
    g=consumer()
    # print('asdfasfasdf')
    next(g)  #找到了consumer函数的yield位置
    for i in range(3):
    # for i in range(10000000):
        g.send(i)  #给yield传值，然后再循环给下一个yield传值，并且多了切换的程序，比直接串行执行还多了一些步骤，导致执行效率反而更低了。
        print('发送了数据：',i)
start=time.time()
#基于yield保存状态,实现两个任务直接来回切换,即并发的效果
#PS:如果每个任务中都加上打印,那么明显地看到两个任务的打印是你一次我一次,即并发执行的.
producer() #我在当前线程中只执行了这个函数，但是通过这个函数里面的send切换了另外一个任务
stop=time.time()
 
# 串行执行的方式
res=producer()
consumer(res)
stop=time.time()
 
print(stop-start)