协程、进程池与线程池

GIL与普通互斥锁区别

1.先验证GIL的存在
  from threading import Thread, Lock
  import time
  money = 100
  def task():
      global money
      money -= 1
  for i in range(100):  # 创建一百个线程
      t = Thread(target=task)
      t.start()
  print(money)
2.验证加锁
from threading import Thread, Lock
import time

money = 100
mutex = Lock()
def task():
    global money
    mutex.acquire()
    time.sleep(0.1)
    money -= 1
    mutex.release()
t_list = []
for i in range(100):
    t = Thread(target=task)
    t.start()
    t_list.append(t)
for t in t_list:
    t.join()
print(money)
print(t_list)

验证多线程作用

两个前提
cpu的个数：单个、多个
任务类型：IO密集型、计算密集型
# 单个cpu
多个IO密集型任务
多进程：浪费资源 无法利用多个cpu
多线程：节约资源 切换+保存状态
多个计算密集型任务
多进程：耗时更长 创建进程的消耗+切换消耗
多线程：耗时较短 切换消耗
# 多个cpu
多个IO密集型任务
多进程:浪费资源 多个CPU无用武之地
多线程:节省资源 切换+保存状态
多个计算密集型任务
多进程:利用多核 速度更快
多线程:速度较慢
结论:多进程和多线程都有具体的应用场景 尤其是多线程并不是没有用!
from threading import Thread
from multiprocessing import Process
import os
import time

def work():
    res = 1
    for i in range(1, 100000):
        res *= i
# 进程
if __name__ == '__main__':
    # print(os.cpu_count())  # 4 cpu个数
    start_time = time.time()
    p_list = []
    for i in range(4):
        p = Process(target=work)
        p.start()
        p_list.append(p)
    for p in p_list:
        p.join()
    print('总耗时:%s' % (time.time() - start_time))
# 线程
    start_time = time.time()
    p_list = []
    for i in range(4):
        p = Thread(target=work)
        p.start()
        p_list.append(p)
    for p in p_list:
        p.join()
    print('总耗时:%s' % (time.time() - start_time))
计算密集型 
    多进程：4.407211065292358
    多线程：11.889238595962524
多进程更好

def work():
    time.sleep(1)

if __name__ == '__main__':
    start_time = time.time()
    t_list = []
    for i in range(100):
        t = Thread(target=work)
        t.start()
    for t in t_list:
        t.join()
    print('总耗时:%s' % (time.time() - start_time))
    start_time = time.time()
    p_list = []
    for i in range(100):
        p = Process(target=work)
        p.start()
    for p in p_list:
        p.join()
    print('总耗时:%s' % (time.time() - start_time))
IO密集型
    多线程:0.013965368270874023
    多进程:0.3231351375579834   
多线程更好

死锁现象

from threading import Thread, Lock
import time

mutexA = Lock()
mutexB = Lock()


class MyThread(Thread):
    def run(self):
        self.f1()
        self.f2()
    def f1(self):
        mutexA.acquire()
        print(f'{self.name}抢到了A锁')
        mutexB.acquire()
        print(f'{self.name}抢到了B锁')
        mutexB.release()
        mutexA.release()
    def f2(self):
        mutexB.acquire()
        print(f'{self.name}抢到了B锁')
        time.sleep(2)
        mutexA.acquire()
        print(f'{self.name}抢到了A锁')
        mutexA.release()
        mutexB.release()

for i in range(20):
    t = MyThread()
    t.start()

信号量(了解)

信号量在不同的知识体系中 展示出来的功能是不一样的
	eg:
    在并发编程中信号量意思是多把互斥锁
   	在django框架中信号量意思是达到某个条件自动触发特定功能
"""
如果将自定义互斥锁比喻成是单个厕所(一个坑位)
那么信号量相当于是公共厕所(多个坑位)
"""
from threading import Thread, Semaphore
import time
import random

sp = Semaphore(5)  # 创建一个有五个坑位(带门的)的公共厕所


def task(name):
    sp.acquire()  # 抢锁
    print('%s正在蹲坑' % name)
    time.sleep(random.randint(1, 5))
    sp.release()  # 放锁


for i in range(1, 31):
    t = Thread(target=task, args=('伞兵%s号' % i, ))
    t.start()
# 只要是跟锁相关的几乎都不会让我们自己去写 后期还是用模块

event事件(了解)

子线程的运行可以由其他子线程决定
# from threading import Thread, Semaphore
# import time
# import random
#
# sp = Semaphore(5)
#
# def task(name):
#     sp.acquire()
#     print('%s正在蹲坑'% name)
#     time.sleep(random.randint(1, 5))
#
# for i in range(1, 30):
#     t = Thread(target=task, args=('李松稳%s号'% i,))
#     t.start()

from threading import Thread, Event
import time

event = Event()


def light():
    print('红灯')
    time.sleep(2)
    print('绿灯')
    event.set()


def car(name):
    print('%s正在等红灯' % name)
    event.wait()
    print('%s冲压' % name)


t = Thread(target=light)
t.start()
for i in range(15):
    t = Thread(target=car, args=('%i' % i,))
    t.start()

进程池与线程池(重点)

服务端必备的三要素
		1.24小时不间断提供服务
		2.固定的ip和port
		3.支持高并发
问题:
	计算机硬件是有物理极限的 我们不可能无限制的创建进程和线程
	
措施:
	池:
		保证计算机硬件安全的情况下提升程序的运行效率
	进程池:
		提前创建好固定数量的进程 后续反复使用这些进程(合同工)
	线程池:
		提前创建好固定数量的线程 后续反复使用这些线程(合同工)
	如果任务超出了池子里面的最大进程或线程数 则原地等待
强调:
	进程池和线程池其实降低了程序的运行效率 但是保证了硬件的安全
from concurrent.futures import ProcessPoolExecutor, ThreadPoolExecutor
pool = ThreadPoolExecutor(20)  # 线程池线程数默认是CPU个数的五倍 也可以自定义
'''上面的代码执行之后就会立刻创建五个等待工作的线程'''
'''不应该自己主动等待结果 应该让异步提交自动提醒>>>:异步回调机制'''
pool.submit(task, i).add_done_callback(func)
"""add_done_callback只要任务有结果了 就会自动调用括号内的函数处理"""
# 进程池
pool = ProcessPoolExecutor(4)  # 进程池进程数默认是CPU个数 也可以自定义
'''上面的代码执行之后就会立刻创建五个等待工作的进程'''
pool.submit(task, i).add_done_callback(func)

协程

"""
进程:资源单位
线程:执行单位
协程:单线程下实现并发

并发的概念:切换+保存状态

首先需要强调的是协程完全是程序员自己意淫出来的名词!!!
对于操作系统而言之认识进程和线程
协程就是自己通过代码来检测程序的IO操作并自己处理 让CPU感觉不到IO的存在从而最大幅度的占用CPU

类似于一个人同时干接待和服务客人的活 在接待与服务之间来回切换!!!
"""
# 基本使用
# 保存的功能 我们其实接触过  yield 但是无法做到检测IO切换
from gevent import monkey;monkey.patch_all()  # 固定编写 用于检测所有的IO操作
from gevent import spawn
import time


def play(name):
    print('%s play 1' % name)
    time.sleep(5)
    print('%s play 2' % name)


def eat(name):
    print('%s eat 1' % name)
    time.sleep(3)
    print('%s eat 2' % name)


start_time = time.time()
g1 = spawn(play, 'jason')
g2 = spawn(eat, 'jason')
g1.join()  # 等待检测任务执行完毕
g2.join()  # 等待检测任务执行完毕
print('总耗时:', time.time() - start_time)  # 正常串行肯定是8s+
# 5.00609827041626  代码控制切换

基于协程实现TCP服务端并发

# 服务端
from gevent import monkey; monkey.patch_all()
from gevent import spawn
import socket

def communication(sock):
    while True:
        data = sock.recv(1024)
        print(data.decode('utf8'))
        sock.send(data.upper())


def get_server():
    server = socket.socket()
    server.bind(('127.0.0.1', 8888))
    server.listen(5)
    while True:
        sock, addr = server.accept()
        spawn(communication, sock)

g1 = spawn(get_server)
g1.join()

# 客户端
from threading import Thread, current_thread
import socket
def get_cilent():
    client = socket.socket()
    client.connect(('127.0.0.1', 8888))
    count = 0
    while True:
        msg = '%s hello %s'% (current_thread().name, count)
        count += 1
        client.send(msg.encode('utf8'))
        data = client.recv(1024)
        print(data.decode('utf8'))


for i in range(2):
    t = Thread(target=get_cilent)
    t.start()