进程 是 最小的内存分配单位

线程 是 操作系统调度的最小单位

线程直接被CPU执行,进程内至少含有一个线程,也可以开启多个线程

开启一个线程所需要的时间要远远小于开启一个进程

GIL锁(即全局解释器锁) 锁的是线程

在Cpython解释器下的python程序 在同一时刻 多个线程中只能有一个线程被CPU执行

1.创建线程的两中方式:

import time
from threading import Thread
def func(args):time.sleep(1)print(args)t = Thread(target=func,args=(10,))
# 传入的参数也必须以元组的形式传
t.start()# 创建线程的另一种方式(使用面向对象创建线程)
import time
from threading import Thread
class MyTread(Thread):def __init__(self,arg):super().__init__()    # 调用父类的__init__self.arg = argdef run(self):        # 方法名必须是runtime.sleep(1)print(self.arg)t = MyTread(10)
t.start()

2.线程与进程效率的比较

import time
from threading import Thread
from multiprocessing import Process
def func(n):n + 1if __name__ == '__main__':start1 = time.time()t_lst1 = []for i in range(100):t = Thread(target=func,args=(i,))t.start()t_lst1.append(t)for t in t_lst1:t.join()t1 = time.time() - start1start2 = time.time()t_lst2 = []for i in range(100):t = Process(target=func, args=(i,))t.start()t_lst2.append(t)for t in t_lst2: t.join()t2 = time.time() - start2print(t1,t2)输出的结果为:
0.02698826789855957 10.160863876342773# 可见开启一个线程所需要的时间要远远小于开启一个进程

多线程用于IO密集型,如socket,爬虫,处理web请求,读写数据库;

多进程用于计算密集型,如金融分析。

3.多进程与多线程数据共享的比较:

多个线程内部有自己的数据栈,线程内部数据不共享

全局变量在多个线程之间是共享的(线程之间资源共享)

多进程修改全局变量
import os,time
from multiprocessing import Process
from threading import Threaddef func():global gg -= 10print(g,os.getpid())g = 100   # 全局变量g
t_lst = []
if __name__ == "__main__":for i in range(5):t = Process(target=func)t.start()t_lst.append(t)for t in t_lst: t.join()print(g)
"""输出结果为:
90 143648
90 160300
90 143316
90 160804
90 159348
100
"""多线程修改全局变量
import os,time
from multiprocessing import Process
from threading import Threadfor i in range(5):t = Thread(target=func)t.start()t_lst.append(t)
for t in t_lst : t.join()
print(g)
"""输出的结果为;
90 161716
80 161716
70 161716
60 161716
50 161716
50
"""

4.线程模块中的其他方法:

1、Thread实例对象的方法(t为实例化的一个线程对象)
  t.isAlive():返回线程是否存活。
  t.getName():返回线程名。
  t.setName():设置线程名。

2、threading模块提供的一些方法:
  threading.active_count():查看程序中存在多少个活着的线程,与len(threading.enumerate())有相同的结果。
  threading.enumerate(): 查看程序中的所有线程的线程名和线程号(列表的形式列出每个线程)。正在运行指线程启动后、结束前,不包括启动前和终止后的线程。
  threading.current_thread():查看当前线程的线程名和线程号

3.实例:

例子:
import time
import threadingdef func(n):time.sleep(0.5)print(n,t.getName(),threading.get_ident(),t.isAlive())
# 打印线程名,线程号,判断线程是否在活动# 当一个线程执行完成func之后就结束了,t.isAlive()查看为Falsefor i in  range(5):t = threading.Thread(target=func,args=(i,))t.start()t.join()print(threading.active_count())    # 查看程序中存在多少个活着的线程
print(threading.current_thread())   # 查看当前线程的线程名和线程号
print(threading.enumerate())        # 查看程序中的所有线程的线程名和线程号(列表的形式列出每个线程)"""执行结果为:
0 Thread-1 33164 True
1 Thread-2 57836 True
2 Thread-3 165280 True
3 Thread-4 171196 True
4 Thread-5 119008 True
1
<_MainThread(MainThread, started 165276)>
[<_MainThread(MainThread, started 165276)>]
"

View Code

5.守护线程

守护进程与守护线程的区别:

  1.守护进程随着主进程代码的执行结束而结束
  2.守护线程会在主线程结束之后再等待其他子线程结束之后才结束

from threading import Thread
import timedef func():print('我是守护线程')time.sleep(0.5)print('守护线程结束了')def func2():print('我是线程2,非守护线程')time.sleep(2)print('func2执行完了')t = Thread(target=func)
t.daemon = True        # 仍是加在start()前
t.start()
t2 = Thread(target=func2)
t2.start()print('我是主线程')
t2.join()
print('主线程结束了。')"""执行结果为:
我是守护线程
我是线程2,非守护线程
我是主线程
守护线程结束了
func2执行完了
主线程结束了。
"""# 主进程在执行完自己的代码之后不会立即结束 而是等待子进程结束之后 再结束。然后回收子进程的资源

实例

6.线程锁

1.不加锁

from threading import Thread
import time
def func():global ntime.sleep(0.5)n-=1n = 10
t_list = []
for i in range(10):t = Thread(target=func)t.start()t_list.append(t)[t.join() for i in t_list]
print(n)
# 输出结果n为9
# 创建线程非常快,创建的10个线程都拿到了global的n,此时n为10,然后各线程都做-1操作,得到的结都为9

不加锁

2.加锁

from threading import Thread
from threading import Lockdef func(lock):global nlock.acquire()n-=1lock.release()lock = Lock()
n = 10
t_list = []
for i in range(10):t = Thread(target=func,args=(lock,))t.start()t_list.append(t)[t.join() for i in t_list]
print(n)
# 输出的结果为0
通过加锁后保证了多线程数据安全,但损失了效率

加锁

互斥锁Lock:在同一个线程或者进程之间,当有两个acquire的时候,就会产生阻塞(死锁)

递归锁RLock:在同一个线程或则进程之间,无论acquire多少次都不会产生阻塞(死锁)

3.多人吃面事例

多人吃面事例:
# 有多个人在一个桌子上吃面,只有一份面和一个叉子,当一个人同时拿到了这两样才能完成一次吃面的动作。
from threading import Thread,Lock
import timedef eat1(name):noodle_lock.acquire()print('%s拿到面条了'%name)fork_lock.acquire()print('%s拿到叉子了'%name)print('%s吃面'%name)noodle_lock.release()fork_lock.release()def eat2(name):fork_lock.acquire()print('%s拿到叉子了'%name)time.sleep(1)noodle_lock.acquire()print('%s拿到面条啦'%name)print('%s吃面'%name)noodle_lock.release()fork_lock.release()# 实例化2个锁,给面条和叉子加上锁
noodle_lock = Lock()
fork_lock = Lock()Thread(target=eat1,args=('peo1',)).start()
Thread(target=eat2,args=('peo2',)).start()
Thread(target=eat1,args=('peo3',)).start()
Thread(target=eat2,args=('peo4',)).start()
"""执行结果为:
peo1拿到面条了
peo1拿到叉子了
peo1吃面
peo2拿到叉子了
peo3拿到面条了
“陷入阻塞”…………
"""

多人吃面事例(使用互斥锁):

# 加递归锁
from threading import Thread,RLock
import timedef eat1(name):noodle_lock.acquire()       # 一把钥匙print('%s拿到面条啦'%name)fork_lock.acquire()print('%s拿到叉子了'%name)print('%s吃面'%name)fork_lock.release()noodle_lock.release()def eat2(name):fork_lock.acquire()print('%s拿到叉子了'%name)time.sleep(1)noodle_lock.acquire()print('%s拿到面条啦'%name)print('%s吃面'%name)noodle_lock.release()fork_lock.release()fork_lock = noodle_lock  = RLock()Thread(target=eat1,args=('peo1',)).start()
Thread(target=eat2,args=('peo2',)).start()
Thread(target=eat1,args=('peo3',)).start()
Thread(target=eat2,args=('peo4',)).start()# 通过加递归锁实现了数据安全
# 递归锁一般用于有多个数据需要加锁的时候,不会出现数据安全问题

多人吃面事例(使用递归锁)

对于有多个数据需要加锁的时候,用互斥锁仍然会出现数据不安全问题

当多线程是对一个数据处理的时候通过给这个数据加上互斥锁实现了数据安全。

但是当有多个数据被多线程调用处理的时候,加互斥锁仍然会出现数据安全问题。这时候需要用到递归锁,给多个数据加锁。

7.线程信号量

# 线程信号量
# 相当于加一个锁,但此锁可以根据自己需要设置有多个钥匙,此时可以允许有多个线程同时去做操作
from threading import Thread,Semaphore
import timedef func(sem,n):sem.acquire()time.sleep(0.5)print(n,end=' ')sem.release()sem = Semaphore(4)
for i in range(10):t = Thread(target=func,args=(sem,i))t.start()"""输出的结果为:
2 3 1 0 5 4 7 6 8 9     # (4个一组基本同时输出)
"""

8.线程事件

# 事件被创建的时候
# False状态# wait() 阻塞
# True状态# wait() 非阻塞
# clear 设置状态为False
# set  设置状态为True

#  起两个线程
#  第一个线程 : 连接数据库# 等待一个信号 告诉我我们之间的网络是通的# 连接数据库
#  第二个线程 : 检测与数据库之间的网络是否连通# time.sleep(0,2) 2# 将事件的状态设置为True
from threading import Thread,Event
import time,randomdef connect_db(e):count = 0while count < 3:e.wait(0.5) # 状态为False的时候,只等待0.5秒就结束if e.is_set() == True:print('连接数据库')breakelse:count += 1print('第%s次连接失败' %count)else:raise TimeoutError('数据库连接超时')def check_web(e):time.sleep(random.randint(0, 3))e.set()e = Event()
t1 = Thread(target=connect_db, args=(e,))
t2 = Thread(target=check_web, args=(e,))
t1.start()
t2.start()

9.线程条件

# notify(int数据类型)  造钥匙from threading import Thread
from threading import Condition
def func(con,i):con.acquire()con.wait() # 等钥匙print('在第%s个循环里'%i)con.release()
con = Condition()
for i in range(10):Thread(target=func,args = (con,i)).start()
while True:num = int(input('>>>'))con.acquire()con.notify(num)  # 造钥匙con.release()

输出结果:

10.线程定时器

定时器,即指定n秒后执行某操作import time
from threading import Timer
def func():print('时间同步')   #1-3while True:time.sleep(1)t = Timer(5,func).start()   # 非阻塞的# 定时等待5秒之后就调用func# time.sleep(5)

# 自动更新验证码
from threading import Thread,Timer
import randomclass Check_number:def __init__(self):self.cash_code() # 程序一开始便实例化一个验证码def make_code(self,n=4):res = ''for i in range(n):s1 = str(random.randint(0,9)) # 0到9间的任意自然数s2 = chr(random.randint(65,90)) # 24个小写字母res += random.choice([s1,s2]) # 字符和数字的任意组合return resdef cash_code(self,interval=3):self.code = self.make_code()  # 实例化一个验证码print(self.code) # 打印验证码self.t = Timer(interval,self.make_code) # 定时器,等待指定时间再运行
        self.t.start()def check(self):while True:mes = input('输入验证码>>>:').strip()if self.code == mes.upper():print('输入正确!')self.t.cancel() # 关闭定时器breakobj = Check_number()
obj.check()

自动更新验证码

11.线程队列

import queue
q1 = queue.Queue()  # 队列 先进先出
q2 = queue.LifoQueue()  # 栈 先进后出
q3 = queue.PriorityQueue()  # 优先级队列

q.put()     # 往队列中放入值,当队列满的时候陷入等待状态,直到队列可以放入值的时候放值
q.get()     # 从队列取值,当队列为空的时候陷入等待状态,直到队列中有值的时候取值
q.put_nowait()  # 往队列中放入值,当队列满的时候,直接报错
q.get_nowait()  # 从队列取值,当队列为空的时候,直接报错

优先级队列事例:
优先级队列事例:
q = queue.PriorityQueue()  # 优先级队列
q.put((20,'a'))
q.put((10,'b'))
q.put((-5,'d'))
q.put((1,'e'))
q.put((1,'f'))
print(q.get())
print(q.get())
print(q.get())
print(q.get())"""执行结果为:
(-5, 'd')
(1, 'e')
(1, 'f')
(10, 'b')
"""# 此队列按照值的优先级的顺序来取值,优先级数越小越先取值,
# 当优先级一样的时候,就比较值的ASCII值的大小,小的先取

12.线程池

import time
from concurrent.futures import ThreadPoolExecutor
def func(n):time.sleep(1)print(n,end=" ")return 2*ndef call_back(m):   # m接收的为func中return的值print('结果是 %s'%m.result())  # 从对象中获取值的方法.result(),进程池中是.get()

tpool = ThreadPoolExecutor(max_workers=5)   #  默认 不要超过cpu个数*5for i in  range(10):tpool.submit(func,i).add_done_callback(call_back)"""执行结果为:
4 结果是 8
2 结果是 4
3 结果是 6
1 结果是 2
0 结果是 0
9 结果是 18
8 结果是 16
6 结果是 12
5 结果是 10
7 结果是 14
"""# tpool.map(func,range(10))  # 拿不到返回值
t_lst = []
for i in  range(10):t = tpool.submit(func,i)t_lst.append(t)
tpool.shutdown()  # shutdown相当于close+join
print('主线程')
for t in t_lst:print('*',t.result(),end=' ')"""执行结果为:
4 2 3 1 0 9 8 7 6 5 主线程
* 0 * 2 * 4 * 6 * 8 * 10 * 12 * 14 * 16 * 18
"""

13.多线程实现socket聊天

  server 端

import socket
from threading import Threaddef chat(sk):conn, addr = sk.accept()conn.send("hello,我是服务端".encode('utf-8'))msg = conn.recv(1024).decode('utf-8')print(msg)conn.close()sk = socket.socket()
sk.bind(('127.0.0.1',8080))
sk.listen()
while True:t = Thread(target=chat,args=(sk,))t.start()
sk.close

server端

  client 端

# client端
import socket
sk = socket.socket()
sk.connect(('127.0.0.1',8080))msg = sk.recv(1024).decode('utf-8')
print(msg)
info = input('>>>').encode('utf-8')
sk.send(info)
sk.close()

client端

转载于:https://www.cnblogs.com/aberwang/p/9460121.html

python之路 -- 并发编程之线程相关推荐

  1. 《转载》Python并发编程之线程池/进程池--concurrent.futures模块

    本文转载自 Python并发编程之线程池/进程池--concurrent.futures模块 一.关于concurrent.futures模块 Python标准库为我们提供了threading和mul ...

  2. java并发编程与线程安全

    2019独角兽企业重金招聘Python工程师标准>>> 什么是线程安全 如果对象的状态变量(对象的实例域.静态域)具有可变性,那么当该对象被多个线程共享时就的考虑线程安全性的问题,否 ...

  3. Scala进阶之路-并发编程模型Akka入门篇

    Scala进阶之路-并发编程模型Akka入门篇 作者:尹正杰 版权声明:原创作品,谢绝转载!否则将追究法律责任. 一.Akka Actor介绍 1>.Akka介绍 写并发程序很难.程序员不得不处 ...

  4. Python并行和并发编程简介

    通常,Python是用于数据处理和数据科学的最受欢迎的语言之一. 该生态系统提供了许多促进高性能计算的库和框架. 不过,在Python中进行并行编程可能会非常棘手. 在本教程中,我们将研究为什么并行性 ...

  5. 第十三章:python中的并发编程详细讲解

    文章目录 第十三章:并发编程 一.操作系统的基本介绍 (一) 多道技术 一.空间上的复用 二.时间上的复用 (二) 操作系统的作用 (三) 多道技术总结 二.并发编程之进程 (一) 基本概念 一.什么 ...

  6. 【Java 并发编程】线程池机制 ( ThreadPoolExecutor 线程池构造参数分析 | 核心线程数 | 最大线程数 | 非核心线程存活时间 | 任务阻塞队列 )

    文章目录 前言 一.ThreadPoolExecutor 构造参数 二.newCachedThreadPool 参数分析 三.newFixedThreadPool 参数分析 四.newSingleTh ...

  7. 【Java 并发编程】线程池机制 ( 线程池示例 | newCachedThreadPool | newFixedThreadPool | newSingleThreadExecutor )

    文章目录 前言 一.线程池示例 二.newCachedThreadPool 线程池示例 三.newFixedThreadPool 线程池示例 三.newSingleThreadExecutor 线程池 ...

  8. (转)Java并发编程:线程池的使用

    背景:线程池在面试时候经常遇到,反复出现的问题就是理解不深入,不能做到游刃有余.所以这篇博客是要深入总结线程池的使用. ThreadPoolExecutor的继承关系 线程池的原理 1.线程池状态(4 ...

  9. 并发编程-13线程安全策略之两种类型的同步容器

    文章目录 脑图 概述 同步容器 集合接口下的同步容器实现类 Vector (线程安全性比ArrayList好一些,但并非绝对线程安全) 同步容器 线程不安全的场景 其他注意事项 Hashtable C ...

最新文章

  1. 人工智能思维导图一张,收藏!
  2. Spring MVC 之拦截器(八)
  3. asp.net控件本质
  4. 人人都是 API 设计者:我对 RESTful API、GraphQL、RPC API 的思考
  5. Nacos源码NacosServiceRegistryAutoConfiguration
  6. 现代抽象UI素材背景3D流畅的造型(样条)|轻松地为Web创建3D体验
  7. 华为hg-526拨号加路由破解简介
  8. SQL:pgsql插入数据
  9. linux核心蜜罐系统,分析***,斩断黑手
  10. excel中把汉字转换成拼音(只取首字母)
  11. 启发式算法/人工鱼群算法
  12. 微信小程序 java网上购物商城系统
  13. android obtain,Android Message.obtain() 之 高效原因分析
  14. 【NLP】《Chinese Poetry Generation with Planning based Neural Network》的阅读笔记
  15. Mac系统升级中途断电/关机,升级/开机失败的恢复方法
  16. 提升睡眠质量的助眠好物,拥有这些,不再担忧睡眠质量
  17. 不可思议:99%的人不了解的真实中国历史
  18. 移动支付之支付宝支付
  19. 怎么修改PDF内容,PDF文件如何修改文字
  20. Text to image论文精读PDF-GAN:文本生成图像新度量指标SSD Semantic Similarity Distance

热门文章

  1. FZU 2169 shadow (用了一次邻接表存边,树形DP)
  2. 实现PIX需要参考的标准资料
  3. idea 如何关闭 field injection is not recommended 警告
  4. oracle中lag()函数和lead()函数的用法(图文)
  5. php 内容采集_php开发工程师和大数据开发工程师有什么区别
  6. GDAL\OGR读取数据示例 C#版本
  7. AS3连接MYSQL数据库
  8. XNA 3.1 转换到 XNA4.0 的备忘录
  9. mangos架设魔兽世界私服
  10. Android常用Adapter用例(二)