进程线程扩展

1. 线程进程扩展

进程创建

multi process ing

import multiprocessing

进程对象 = multiprocessing.Process(target=子进程代码入口, 
                       args=(位置参数,...),
                        kwargs={"参数名":值,...},
                        name="子进程名",
                        daemon=True
                       )
进程对象.start()
进程对象.join()   # 进程对象.terminate()

线程创建

import threading

线程对象 = threading.Thread(target=子线程代码入口, 
                       args=(位置参数,...),
                        kwargs={"参数名":值,...},
                        name="子线程名",
                        daemon=True
                       )
线程对象.start()
线程对象.join()  

多进程多线程执行顺序都是 无序的。

进程间不共享全局资源，同一个进程内部多个线程共享全局资源。

资源竞争(共享; 访问无限制)

互斥锁的作用(保证任意时刻只有一个线程能够占有锁 从而解决资源竞争)

​ 使用

​ 创建 互斥锁对象 = threading.Lock()

​ 加锁 互斥锁对象.acquire() # 如果已经被别人锁住 将会一直阻塞等待

​ 解锁 互斥锁对象.release()

​ 优缺点 解决资源竞争 保证结果运行正确

​ 降低多任务运行效率

​ 容易造成死锁

daemon 进程含义

When a process exits, it attempts to terminate all of its daemonic child processes.当一个主进程退出时候  他讲会尝试终止所有的 daemon 子进程(非 daemon 子进程还可以继续运行知道完成)

daemon 线程含义

The entire Python program exits when no alive non-daemon threads are left.

os.kill(进程PID, 9) # 发送信号 9代表信号编号 绝对终止

• 死锁问题产生

  原因:

​ 多个线程相互等待对方释放响应的资源

​ 线程在使用完互斥锁 忘记解锁 从而造成所有线程 全部都是阻塞等待

​ 预防:

​ 申请锁

​ 使用

​ 释放锁

​ # 自动资源管理

​ with 互斥锁:

​ 使用

import threading

g_number = 0

def update_number(lock):
    """让子进程运行"""
    global g_number
    for i in range(1000000):
        # 尝试加锁　　如果没有人锁定　成功；如果有人　等待
        # lock.acquire()

        with lock:
            g_number += 1

        # 释放锁
        # lock.release()

if __name__ == '__main__':
    # 在门上安装一把互斥所
    lock = threading.Lock()

    # 1 创建一个子线程　运行　update_number
    thd1 = threading.Thread(target=update_number, args=(lock,))
    thd1.start()

    thd2 = threading.Thread(target=update_number, args=(lock,))
    thd2.start()


    # 2 创建一个全局变量
    # 3 让子线程修改全局变量　
    # 4 让主线程等待子线程退出　打印全局变量的值　
    #    如果这个值和子线程设置的值　说明线程间共享全局资源　; 否则不共享
    thd1.join()
    thd2.join()
    print("得到最终值为%s" % g_number)

• 进程线程对比

​ 进程消耗资源更大 进程是分配资源的基本单位<稳定性 CPU密集型-数学计算> 可用多核

​ 线程消耗资源更少 <轻量级 IO密集型-爬虫>

​ 系统自带的原生线程 可以用多核

​ CPython 解释器产生的多线程(存在GIL 全局解释器锁 为了防止 CPython 中的多线程 同时访问和修改解释器内部的全局资源 ) 导致在解释器内部任意时间只有一个线程在运行 不能使用多核

google浏览器新开标签就会创建一个进程 火狐浏览器新开一个标签就会创建新的线程

​