03. 并发编程(线程)

线程编程

一、 概述

1. 定义

  1. 线程被称为轻量级的进程
  2. 线程也是多任务编程方法,可以使用计算机多核资源
  3. 线程是系统分配内核的最小单元
  4. 线程可以理解为进程中的任务分支程序

2. 特征

  • 一个进程可以包含多个线程
  • 线程也是一个运行过程,消耗计算机资源
  • 一个进程中的所有线程共享这个进程资源
  • 多个线程运行互不影响,各自执行
  • 线程的创建和消耗资源远小于进程
  • 线程也有自己的特有属性特征命令集、id等

二、threading模块

1. 创建线程

使用threading模块创建

1.1 步骤

from threading import Thread

(1) t = Thread()

功能:创建线程的对象

参数:target 绑定的线程函数

​ args 元组 给线程函数位置传参

​ keargs 字典 给线程函数关键字传参

(2) t.start()

功能:启动线程

(3) t.join([timeout])

功能:阻塞等待回收线程

参数:超时时间

import threading
from time import sleep
import os

a = 1
print('a : ',a)
# 线程函数
def music():
    global a
    a = 10000
    for i in range(5):
        sleep(2)
        print('命运交响曲',os.getpid())

# 创建线程对象
t = threading.Thread(target=music)

# 启动线程
t.start()

# 主线程执行
for i in range(5):
    sleep(3)
    print("梦中的婚礼",os.getpid())

# 释放资源
t.join()

print("a : ",a)

1.2 例如

from threading import Thread
from time import sleep

# 含有参数的线程函数
def fun(sec,name):
    print("线程函数传参")
    sleep(sec)
    print("%s 线程执行完毕哦"%name)

# 创建多个线程
threeads = []
for i in range(5):
    t = Thread(target=fun,args=(2,),kwargs={'name':"T%d"%i})
    threeads.append(t)
    t.start()

for i in threeads:
    i.join()

2.线程对象属性

t.name 线程名称

t.setName() 设置线程名称

t.getName() 获取线程名称

t.is_alive*() 查看线程的生命周期

t.daemon 设置主线程和分支线程的退出关系

t.setDaemon()设置daemon属性值

t.isDaemon() 查看daemon属性值

设置daemonTrue ,此时主线程退出分支线程也会退出,该设置在start()之前设置,且不与join()共同使用

from threading import Thread
from time import sleep

def fun():
    sleep(3)
    print("线程属性测试")

t = Thread(target=fun,name="chancey")

# 设置Daemon属性值
t.setDaemon(True)

t.start()

t.setName("素心") # 设置线程名称
print("线程名称:",t.name)  # 获取线程名称
print("线程名称:",t.getName())  # 获取线程名称
print("线程生命周期:",t.is_alive()) # 查看线程的生命周期

3.自定义线程类

在函数太多的情况下使用线程类。

3.1 步骤

(1) 继承Thread

(2) 重写__init__方法添加自己的属性,执行父类的__init__

(3) 重写run方法

3.2 使用

(1) 使用自定义类实例化对象

(2) 通过对象调用start()创建进程,自动运行run

(3) 通过join回收进程

3.3 整体代码

from threading import Thread
from time import ctime,sleep

class MyThread(Thread):
    def __init__(self,target,args=None,kwargs=None):
        super().__init__()
        self.target = target
        self.args = args
        self.kwargs = kwargs

    def run(self):
        self.target(*self.args,**self.kwargs)

def player(sec,song):
    for i in range(2):
        print("正在 %s : %s"%(song,ctime()))
        sleep(sec)

t = MyThread(target=player,args=(3,),kwargs={'song':'凉凉'})

t.start()
t.join()

三、线程通信

1.通信方法

线程间使用全局变量进行通信

2.共享资源的争夺

共享资源:多个进程或者线程都可以操作的资源称为共享资源

影响:对共享资源的无序操作可能会带来数据的混乱或者操作错误。此时需要同步互斥机制处理

同步互斥

同步是一种协作关系,为完成操作,多进程或者多线程间形成一种协调,按照必要的步骤执行操作

互斥

互斥是一种制约关系,当一个进程或者线程抢占到资源时进行加锁处理,其他进程就无法操作资源,知道解锁之后才能操作。

3.线程互斥方法

3.1 Event

from treading imort Event

(1)e = Event 创建event对象

(2) e.wait([timeout]) 阻塞等待直到e被set

(3) e.set() 设置e,使wait结束阻塞

(4) e.clear() 清除e设置,wait会阻塞

(5) e.is_set() 判断e的状态

3.2 Lock

from threading import Lock

(1)lock = Lock() 创建锁

(2) lock.acquire() 上锁 如果lock已经被锁会阻塞

(3) lock.realease() 解锁

from threading import Thread,Lock

a = b = 0
lock = Lock() # 创建Lock锁

def value():
    while True:
        if a != b:
            print("a = %d,b = %d"%(a,b))

t = Thread(target=value)
t.start()
while True:
    with lock: # 加锁
        a += 1
        b += 1

t.join()

3.3 实例

# test.py
def count(x,y):
    c = 0
    while c < 7000000:
        x += 1
        y += 1
        c += 1

def io():
    write()
    read()

def write():
    f = open('test','w')
    for i in range(1700000):
        f.write("hello world !!! \n")

def read():
    f = open('test')
    f.readline()
    f.close()
# CPU密集型
from test import count,write,read
import time

t = time.time()

for i in range(10):
    count(1,1)

print("single cpu:",time.time() -t)

# IO密集型
from test import count,write,read,io
import time

t = time.time()

for i in range(10):
    # count(1,1)
    io()

print("single cpu:",time.time() -t)
# 多线程
from test import *
import threading
import time

jobs = []
t = time.time()
for i in range(10):
    th = threading.Thread(target=count,args=(1,1))
    jobs.append(th)
    th.start()

for i in jobs:
    i.join()

print("Thread CPU :",time.time() - t)

结论:

在无阻塞的情况下,多线程程序运行效率和单线程几乎相近,而多进程可以有效的提高程序的运行效率

3.4 GIL

全局解释器锁

3.4.1 概述

由于python解释器设计加入了全局解释器锁,导致python解释器同时只能解释一个线程,大大降低了python的执行效率

导致后果:因为遇到阻塞python线程会主动让出解释器,所以python线程在高延迟,多阻塞的情况下可以提高运行效率,其他情况并不适合

GIL问题:

  • 修改c解释器
  • 尽量使用进程并发
  • 不使用c作为解释器(java c#)
3.4.2 区别联系
  • 两者都是多任务编程方式,都能使用计算机多核资源
  • 进程的创建和删除消耗的计算机资源比线程多
  • 进程空间独立,数据互不干扰,有专门通信方法。线程使用全局变量通信
  • 一个进程包含多个线程,包含关系
  • 多线程共享进程资源,对共享资源操作时往往需要同步互斥处理
  • 进程线程都是运行过程的描述,有自己的属性标志
3.4.3 使用场景
  • 任务场景:如果是相对独立的任务模块可能使用进程,如果是多个分支共同构成一个完整功能可使用线程
  • 项目结构:多种语言实现不同任务模块可能是多进程
  • 语言特点:比如java一些语言实现线程资源少效率高,python有GIL等
  • 难易程度:通信难度,逻辑处理难度

4.基于threading的多线程网络并发

4.1 原理

每当客户端发起请求,就创建一个新的线程处理客户端请求,主线程循环等待其他客户端连接

4.2 步骤

  • 创建监听套接字
  • 循环接收客户端连接请求
  • 当有新的客户端连接,创建线程处理
  • 主线程继续等待其他连接
  • 客户端退出,则对应的线程结束

四、集成模块线进程网络并发

1. 使用方法

import socketserver

通过模块提供的不同的类的组合,完成多线程或者多进程,TCP或者UDP的并发模型

TCPServer 创建tcp套接字

UDPServer 创建udp套接字

StreamRequestHandler 处理tcp客户端请求

DatagramRequestHandler 处理udp客户端请求

ForkingMixIn 创建多进程并发

ForkingTCPServer ForkingMixIn+TCPServer

ForkingUDPServer ForkingMixIn+UDPServer

ThreadingMixIn 创建多线程并发

ThreadingTCPServer ThreadingMixIn+TCPServer

ThreadingUDPServer ThreadingMixIn+TCPServer

2.步骤

  1. 创建服务器类,通过选择继承的类,决定创建tcp或者udp,多线程或者多进程的网络并发模型
  2. 创建请求处理类。根据服务器类型选择stream还是datagram处理类。重写handle方法,做具体的请求处理
  3. 通过服务器实例化对象,绑定请求处理里
  4. 通过服务器对象绑定对象启动服务

五、网络通信模型

1.分类

  1. 循环网络模型:循环接收客户端请求,处理请求,同时只能处理一个客户端请求任务,处理完再进行下一个

    优点:实现简单,占用资源少

    缺点:无法同时处理多个请求,效率不高

    适用情况:客户端不会长期占有服务器,任务比较小,任务量不大,UDP比TCP实现更加简单

  2. IO并发网络模型:利用IO多路复用等IO模型技术,同时处理多个IO任务请求

    并未使用多线程或多进程。

    优点:资源消耗少,能同时处理多个IO

    缺点:只能处理IO操作

  3. 多进程/多线程并发:当一个客户端连接服务器,就创建一个新的进程/线程处理客户端请求,客户端退出时对应点的进程/县城也随之销毁

    优点:同时满足多个客户端长期占有服务器需求,可以处理各种请求

    缺点:资源消耗较大

    使用情况:客户端请求比较复杂,处理时间比较长,配合较强的服务器部署技术(负载均衡,集群技术,分布式处理,缓存队列等)

2.多进程网络并发

基于fork的并发模型

  • 创建监听字
  • 循环等待客户端连接
  • 有客户端创建新的进程处理客户端请求
  • 远进程继续等待其他客户端连接
  • 如果客户端退出,则销毁对应的进程
posted @ 2019-08-02 19:33  ChanceySolo  阅读(166)  评论(0编辑  收藏  举报