线程是cpu执行调度的最小单元
Python先发明的线程,后来添加的进程。所以线程的使用方法与进程一样
#(1) 一个进程里包含了多个线程,线程之间是异步并发
from threading import Thread
from multiprocessing import Process
import os , time , random
def func(i):
time.sleep(random.uniform(0.1,0.9))
print("当前进程号:{}".format(os.getpid()) , i)
if __name__ == "\_\_main\_\_": #线程里面这句话可以不加
for i in range(10):
t = Thread(target=func,args=(i,))
t.start()
print(os.getpid())
如下可见,子线程中的进程号与主进程号一样,并且子线程和主进程之间是异步并发的
#(2) 并发的多进程和多线程之间,多线程的速度更快
#多线程速度
def func(i):
print( "当前进程号:{} , 参数是{} ".format(os.getpid() , i) )
if __name__ == "\_\_main\_\_":
lst = []
startime = time.time()
for i in range(10000):
t = Thread(target=func,args=(i,))
t.start()
lst.append(t)
# print(lst)
for i in lst:
i.join()
endtime = time.time()
print("运行的时间是{}".format(endtime - startime) ) # 运行的时间是1.8805944919586182
#多进程速度
if __name__ == "\_\_main\_\_":
lst = []
startime = time.time()
for i in range(10000):
p = Process(target=func,args=(i,))
p.start()
lst.append(p)
# print(lst)
for i in lst:
i.join()
endtime = time.time()
print("运行的时间是{}".format(endtime - startime) ) # 运行的时间是101.68004035949707
多进程:1000个进程耗时9.06秒
多线程:多线程之间,数据共享,可以直接操作数据。1000个线程耗时0.087秒,差距巨大,所以对于IO密集型,还是用多线程较快
多进程执行计算密集型,如果各个进程间各计算各的,不用共享数据,由于可以使用多核,比多线程快。
如果是各个进程间数据共享,同步计算最终结果,多进程反而非常慢,远远慢于多线程
#(3) 多线程之间,数据共享
num = 100
lst = []
def func():
global num
num -= 1
for i in range(100):
t = Thread(target=func)
t.start()
lst.append(t)
for i in lst:
i.join()
print(num)
多线程之间共享数据,可以直接操作
2、自定义线程类
#用类定义线程,必须手动调用父类__init__方法,必须重载父类run方法,定义自己线程类逻辑
from threading import Thread
import os,time
(1)必须继承父类Thread,来自定义线程类
class MyThread(Thread):
def \_\_init\_\_(self,name):
# 手动调用父类的构造方法
super().__init__()
# 自定义当前类需要传递的参数
self.name = name
def run(self):
print( "当前进程号{},name={}".format(os.getpid() , self.name) )
if __name__ == "\_\_main\_\_":
t = MyThread("我是线程")
t.start()
print( "当前进程号{}".format(os.getpid()) )
新版:
#自定义线程类
from threading import Thread,current_thread
# (1)必须继承父类Thread,来自定义线程类
class MyThread(Thread):
def \_\_init\_\_(self,name):
# 手动调用父类的构造方法
super().__init__()
# 自定义当前类需要传递的参数
self.name = name
def run(self):
print(f"当前线程的线程号是{current\_thread().ident}")
if __name__ == '\_\_main\_\_':
for i in range(10):
t = MyThread(f"线程{i}")
t.start()
(2)线程中的相关属性
# 线程.is\_alive() 检测线程是否仍然存在
# 线程.setName() 设置线程名字
# 线程.getName() 获取线程名字
# 1.currentThread().ident 查看线程id号 新版用current\_thread().ident
# 2.enumerate() 返回目前正在运行的线程列表
# 3.activeCount() 返回目前正在运行的线程数量
getName,setName被弃用了
新版:
def func():
time.sleep(1)
if __name__ == "\_\_main\_\_":
t = Thread(target=func)
t.start()
# 检测线程是否仍然存在
print( t.is_alive() )
# 线程.getName() 获取线程名字
print(t.getName())
# 设置线程名字
t.setName("抓API接口")
print(t.getName())
from threading import currentThread
from threading import enumerate
from threading import activeCount
def func():
time.sleep(0.1)
print("当前子线程号id是{},进程号{}".format( currentThread().ident ,os.getpid()) )
if __name__ == "\_\_main\_\_":
t = Thread(target=func)
t.start()
print("当前主线程号id是{},进程号{}".format( currentThread().ident ,os.getpid()) )
for i in range(5):
t = Thread(target=func)
t.start()
# 返回目前正在运行的线程列表
lst = enumerate()
print(lst,len(lst))
# 返回目前正在运行的线程数量 (了解)
print(activeCount())
新版:
# ### 线程中的相关属性
import time
from threading import Thread,current_thread
from threading import enumerate
from threading import active_count
def func():
time.sleep(1)
print(f"当前子线程的线程号{current\_thread().ident}")
if __name__ == '\_\_main\_\_':
for i in range(5):
t = Thread(target=func)
t.start()
#设置线程名
t.name = f"抓API接口{i}"
# 返回目前正在运行的线程列表
lst = enumerate()
print(lst,len(lst))
# 返回目前正在运行的线程数量 (了解)
print(active_count())
当前运行线程数量,一个主线程,5个子线程
3、守护线程
等待所有线程全部执行完毕之后,自己再终止程序,守护所有线程
from threading import Thread
import time
def func1():
while True:
time.sleep(1)
print("我是函数func1")
def func2():
print("我是func2 start ... ")
time.sleep(3)
print("我是func2 end ... ")
def func3():
print("我是func3 start ... ")
time.sleep(6)
print("我是func3 end ... ")
if __name__ == "\_\_main\_\_":
t = Thread(target=func1)
t2 = Thread(target=func2)
t3 = Thread(target=func3)
# 设置守护线程 (启动前设置) 新版本该方法已弃用
t.setDaemon(True)
t.start()
t2.start()
t3.start()
print("主线程执行结束.... ")
新版本设置守护线程的setDaemon()方法已弃用,改为了通过属性设置
守护线程是等所有线程执行结束,自己再终止程序,守护所有线程
4、线程中的数据安全问题
#多线程之间共享全局变量,出现数据错误问题
import threading
#全局变量
g_sum = 0
def sum1():
for i in range(1000000):
# 不可变类型用方法修改数据,要声明为全局变量
global g_sum
g_sum += 1
print('sum1', g_sum)
def sum2():
for i in range(1000000):
global g_sum
g_sum += 1
print('sum2', g_sum)
if __name__ == '\_\_main\_\_':
sum1_thread = threading.Thread(target=sum1)
sum2_thread = threading.Thread(target=sum2)
sum1_thread.start()
sum2_thread.start()
sum1 911662
sum2 1434503
出现的结果不是2百万,由于两个线程是随机执行的,有可能几乎同时对数据进行操作,导致少加的问题
解决办法:上锁
互斥锁:
还有兄弟不知道网络安全面试可以提前刷题吗?费时一周整理的160+网络安全面试题,金九银十,做网络安全面试里的显眼包!
王岚嵚工程师面试题(附答案),只能帮兄弟们到这儿了!如果你能答对70%,找一个安全工作,问题不大。
对于有1-3年工作经验,想要跳槽的朋友来说,也是很好的温习资料!
【完整版领取方式在文末!!】
93道网络安全面试题
内容实在太多,不一一截图了
黑客学习资源推荐
最后给大家分享一份全套的网络安全学习资料,给那些想学习 网络安全的小伙伴们一点帮助!
对于从来没有接触过网络安全的同学,我们帮你准备了详细的学习成长路线图。可以说是最科学最系统的学习路线,大家跟着这个大的方向学习准没问题。
1️⃣零基础入门
① 学习路线
对于从来没有接触过网络安全的同学,我们帮你准备了详细的学习成长路线图。可以说是最科学最系统的学习路线,大家跟着这个大的方向学习准没问题。
② 路线对应学习视频
同时每个成长路线对应的板块都有配套的视频提供:
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!