day_31

昨日回顾

GIL全局解释锁

python解释器

1. Cpython（C语言编写）
2. Jpython（Java编写）
3. Ppython（Python编写）

GIL全局解释锁

基于CPython来研究全局解释器锁，因为CPython的内存线程不是安全的

1. GIL本质上是一个互斥锁
2. GIL是为了阻止同一个进程内多个线程同时执行（并行）
3. GIL的存在就是为了保证线程安全

注意：多个线程过来执行，一旦遇到IO操作，就会立马释放GIL解释器锁，交给下一个先进来的线程

多线程的作用

计算密集型程序

• 在单核情况下，若一个任务需要10s
  • 开启进程，消耗资源大，执行4个进程需要40s
  • 开启线程，消耗资源小，执行4个线程需要40s
• 在多核情况下，若一个任务需要10s
  • 开启进程，并行执行，效率较高，执行4个进程需要10s
  • 开启线程，并发执行，效率较低，执行4个线程需要40s

IO密集型程序

• 在单核情况下，若一个任务需要10s
  • 开启进程，消耗资源大，执行4个进程需要40s
  • 开启线程，消耗资源小，执行4个线程需要40s
• 在多核情况下，若一个任务需要10s
  • 开启进程，并行执行，效率小于线程，因为遇到IO会立即切换CPU执行权限，执行4个进程需要10s = 开启进程的额外时间
  • 开启线程，并发执行，效率高于进程，执行4个线程需要40s

死锁现象

死锁是指两个或两个以上的进程或线程在执行过程中，因争夺资源而造成的一种互相等待的现象，若无外力作用，它们都将无法推进下去。此时称系统处于死锁状态或系统产生了死锁，这些永远在互相等待的进程称为死锁进程 ，解决方式就是递归锁

递归锁

递归锁，在Python中为了支持在同一线程中多次请求同一资源，python提供了可重入锁RLock。

这个RLock内部维护着一个Lock和一个counter变量，counter记录了acquire的次数，从而使得资源可以被多次require。直到一个线程所有的acquire都被release，其他的线程才能获得资源。

信号量

信号量Semaphore管理一个内置的计数器，
每当调用acquire()时内置计数器-1；
调用release() 时内置计数器+1；
计数器不能小于0；当计数器为0时，acquire()将阻塞线程直到其他线程调用release()

注意: 与进程池是完全不同的概念，进程池Pool(4)，最大只能产生4个进程，而且从头到尾都只是这四个进程，不会产生新的，而信号量是产生一堆线程/进程

线程队列

线程队列

queue队列：使用import queue，用法与进程Queue一样

先进先出

FIFO队列: 先进先出 class queue.Queue(maxsize=0)

后进先出

LIFO队列: 后进先出 class queue.LifoQueue(maxsize=0 )

优先级队列

优先级队列: 根据参数内,数字的大小进行分级,数字值越小,优先级越高class queue.PriorityQueue(maxsize=0)

put进入一个元组,元组的第一个元素是优先级(通常是数字,也可以是非数字之间的比较),数字越小优先级越高

今日内容

Event事件

Event事件的作用

1. 用来控制线程的执行
2. 由一些线程去控制另一些线程

进程池与线程池

1. 什么是进程池与线程池

   进程池与线程池是用来控制当前程序允许创建（进程/线程）的数量

2. 进程池与线程池的作用

   保证在硬件允许的范围内创建（进程/线程）的数量

3. 如何使用

   from concurrent.futures import ProcessPoolExecutor, ThreadPoolExecutor
   import time
   
   # ProcessPoolExecutor(5)  # 5代表只能开启5个进程
   # ProcessPoolExecutor()  # 默认以CPU的个数限制进程数
   
   pool = ThreadPoolExecutor(5)  # 5代表只能开启5个线程 -5 +1 -1 +1 -1
   # ThreadPoolExecutor()  # 默认以CPU个数 * 5 限制线程数
   
   # t = Tread()  # 异步提交
   # t.start(0)
   
   
   
   # pool.submit('传函数地址')  # 异步提交任务
   # def task():
   #     print('线程任务开始了...')
   #     time.sleep(1)
   #     print('线程任务结束了...')
   #
   #
   # for line in range(5):
   #     pool.submit(task)
   
   
   # 异步提交任务
   # pool.submit('传函数地址').add_done_callback('回调函数地址')
   def task(res):
       # res == 1
       print('线程任务开始了...')
       time.sleep(1)
       print('线程任务结束了...')
       return 123
   
   
   # 回调函数
   def call_back(res):
       print(type(res))
       # 注意: 赋值操作不要与接收的res同名
       res2 = res.result()
       print(res2)
   
   
   for line in range(5):
       pool.submit(task, 1).add_done_callback(call_back)
   
   
   # 会让所有线程池的任务结束后,才往下执行代码
   # pool.shutdown()
   
   print('hello')
   

协程

1. 进程：资源单位
2. 线程：执行单位
3. 协程：在单线程下实现并发

注意：协程不是操作系统资源，他是程序起的名字，为了让单线程能实现并发

协程的目的

• 操作系统：

  多到技术，切换+保存状态

  • 遇到IO
  • CPU执行时间过长

• 协程

  通过手动模拟操作系统“多到技术”，实现 切换+保存状态

  • 手动实现 遇到IO切换，欺骗操作系统误以为没有IO操作
  • 单线程 计算密集型，来回切换+保存状态时，反而效率更低

  优点：

  在IO密集型的情况下，会提高效率

  缺点：

  若在计算密集型的情况下，来回切换，反而效率更低

  如何实现协程：切换+保存状态

  • yield：保存状态
  • 并发：切换