Python 多线程 学习记录1

     思考问题为什么需要多线程，Python又怎么使用多线程呢？

       1：有哪些程序提速的方法，涉及到的技术。

         单线程串行程序：不加改造的程序， CPU和IO交替执行

         多线程并发：Threading

         多CPU并行：Multiprocessing

         多机器并行：hadoop/hive/spark   大数据技术会用到（暂时不学）

       2:Python 对并发编程的支持：（总览）

        多线程：threading ，利用CPU和IO可以同时执行的原理，让CPU不会干巴巴的等待IO完成

        多进程：multiprocessing ，利用多核CPU的能力，真正的并行执行任务

        异步IO: asynico，在单线程利用CPU和IO同时执行的原理，实现函数异步执行

        Python并发编程有三种方式：多线程Thread      多进程Process      多协程Coroutine

        关键点：***使用Lock对资源加锁，防止冲突访问

                          使用Queue实现不同进程/线程之间的数据通信 ，实现生产者--消费者模式

                          使用线程池Pool/进程池Pool，简化线程/进程的任务提交，等待结束，获取结果

                          使用subprocess启动外部程序的进程，并进行输入输出交互

         3:CPU密集型计算，IO密集型计算

           CPU-bound: 也叫计算密集型，IO可以在短时间内完成，CPU需要大量的计算和处理，特点是CPU占有率很高

           例如：压缩解压缩，加密解密，正则表达式搜索

           I/O bound:是指系统大部分运行的状况是CPU在等待I/O(硬盘/内存)的读/写操作，CPU占用率较低

           例如：文件处理程序，网络爬虫程序，读写数据库程序

                    首先明确 ，一个进程中可以启动多个线程，一个线程中可以启动多个协程。

                    多进程：multiprocessing   可以利用多核CPU并行运算（进程比较大）,占用资源多，可启动数目比线程少，适用于CPU-bound;

                    多线程：相比进程，更轻量级，占用资源少，但是相比进程只能并发执行，不能利用多CPU(GIL),相比协程，启动数目有限制，占用内存资源，有线程切换开销

                    适用于IO bound，同时运行的任务数量要求不多

                    多协程asyncio：内存开销最少，启动协程数量最多，但是支持的库有限制（aiohttp/requests)，代码实现复杂。适用于：I/O密集型运算，需要超多任务运行，但是有现

                    成库支持的场景

            4:Python慢的原因：

                            ￥￥动态类型语言，边解释边执行。

                            ￥￥GIL     无法利用多核CPU并发执行   关于GIL  ，这里给出资料Python GIL全局解释器锁详解（深度剖析） (biancheng.net)

                              GIL - 简书 (jianshu.com)