线程与进程

一.计算机组成原理                                                                                                                  

 

1.1了解线程与进程你先要了解一些操作系统的知识

 1.2计算机操作系统是由硬件还有软件组成的

　　硬件包括:硬盘,CPU,主板 ,显卡,内存,电源等等

　　软件主要是系统软件:系统就是一个由程序员写出来的软件,,该软件用于控制计算机的硬件,让他们之

间进行相互配合,还有一些软件就是我们安装的应用软件

精简的说的话，操作系统就是一个协调、管理和控制计算机硬件资源和软件资源的控制程序。操作系统所处的位置如图

2.并发和并行

并发,

并发: 伪装  多个线程切换用一个CPU   由于执行速度非常快人感觉不到
并行: 真正  每个线程分别用一个CPU同时进行   创建10个人同时操作

3线程与进程

　　a.单进程,单线程的应用程序

　　b.到底什么是线程?什么是进程

　　　　Python自己没有这东西Python中调用的操作系统的线程和进程

　　一个应用程序(软件),可以有多个进程(默认只有一个),一个进程中可以创建多个线程(默认一个).

简单总结:

1.操作系统帮助开发者操作硬件.

2程序员写好代码在系统上运行(依赖解释器).

 

二.在不同情况下的Python效率

Python多线程情况下:

　　　　计算密集型操作:效率低.(GIL锁)
　　　　IO操作:效率高

Python多线程的情况下:

　　　　计算密集型操作:效率高(浪费资源),不得已而为之

　　　　IO操作:效率好(浪费资源)
以后在写Python时:

IO密集型用多线程:文件\输入输出\socket网络通信

计算密集型用多进程

 

thread 方法说明:

t.start():   激活线程

t.getName():  获取线程名称

t.setName:()      设置线程名称

t.name():       获取或设置线程名称

t.is_alive():     判断线程是否激活状态

t.isAlive():    判断线程是否为激活状态

t.setDeamon(): 主线程执行完,等待子线程执行完成后,程序停止

t.isDeamon():  判断是否为守护线程

t.ident(): 获取线程的标识符是一个非零整数,只有在调用了start方法后该属性才有效否则返回None

t.join(): 逐个执行每一个线程,执行完毕后继续往下执行,该方法使得多个多线程变得无意义

t.run():  线程被CPU调度后自动执行线程对象的run方法

 

线程的基本使用:

 

def func(arg):
    print(arg)
t = threading.Thread(target=func,args=(11,))
t.start()
print('end')
结果:
end

线程的基本使用

 

主线程默认等到子线程执行完毕

import threading
import time
def func(arg):
    time.sleep(arg)
    print(arg)
t1 = threading.Thread(target=func,args=(3,))
t1.start()
t2 = threading.Thread(target=func,args=(9,))
t2.start()
print('end')
结果:
end
9

主线程默认等到子线程执行完毕

 

主线程不等待,主线程终止则所有的子线程终止

import threading
import time
def func(arg):
    time.sleep(2)
    print(arg)
t1 = threading.Thread(target=func,args=(3,))
t1.setDaemon(True)    #主线程不等待,主线程终止则子线程终止
t1.start()
t2 = threading.Thread(target=func,args=(9,))
t2.setDaemon(True)
t2.start()
print('end')
结果:
end

主线程不等待,主线程终止则所有子线程终止

 

开发者控制主线程等待子线程最大时间

import threading
import time
def func(arg):
time.sleep(0.01)
print(arg)
print('创建子线程t1')
t1 = threading.Thread(target=func,args=(3,))
t1.start()
# 无参数，让主线程在这里等着，等到子线程t1执行完毕，才可以继续往下走。
# 有参数，让主线程在这里最多等待n秒，无论是否执行完毕，会继续往下走。
t1.join(2)
print('创建子线程t2')
t2 = threading.Thread(target=func,args=(9,))
t2.start()
t2.join(2) # 让主线程在这里等着，等到子线程t2执行完毕，才可以继续往下走。
print('end')
结果:
创建子线程t1
创建子线程t2
end

开发者控制主线程等待子线程最大时间

 

设置与获取线程名称

def func(arg):
# 获取当前执行该函数的线程的对象
t = threading.current_thread()
# 根据当前线程对象获取当前线程名称
name = t.getName()
print(name,arg)
t1 = threading.Thread(target=func,args=(11,))
t1.setName('admin')
t1.start()
t2 = threading.Thread(target=func,args=(22,))
t2.setName('root')
t2.start()
print('end')
结果:
admin 11
rootend

设置与获取线程名称

 

线程的本质

def func(arg):
    print(arg)
t1 = threading.Thread(target=func,args=(11,))
t1.start()
# start 是开始运行线程吗？不是
# start 告诉cpu，我已经准备就绪，你可以调度我了。
print(123)
结果:
123

面向对象的多线程

#常见方式
def func(arg):
    print(arg)
t1 = threading.Thread(target=func,args=(11,))
t1.start()
#继承方式
class MyThread(threading.Thread):
    def run(self):
        print(11111,self._args,self._kwargs)
t1 = MyThread(args=(11,))
t1.start()
t2 = MyThread(args=(22,))
t2.start()
print('end')

面向对象的多线程

 

扩展:

　　Java多线程情况下:

　　　　　　计算密集型操作:效率高

　　　　　　IO操作:效率高

　　Python多进程的情况下:

　　　　　　计算密集型操作:效率高(浪费资源)

　　　　　　IO操作: 效率高 但是浪费资源

Python中线程和进程(GIL锁)

　　GIL锁,全局解释锁,用于限制一个进程中同一时刻只有一个线程被CPU调度