python——多线程的相关知识点总结

​​​​        1.进程和线程的区别？

进程是操作系统分配资源的最小单位，每个进程都有自己独立的内存空间和系统资源。线程是操作系统能够进行运算调度的最小单位，它是进程内的基本单位，一个进程可以包含多个线程，这些线程共享同一个进程的内存空间和资源。

线程之间可以通过共享内存进行通信，这使得多线程编程具有很高的并发性和效率。然而，由于多个线程可能会同时访问和修改同一份数据，因此需要使用同步机制（如锁）来保证数据的一致性和线程安全。

GIL锁（全局解释器锁）

GIL是Python解释器（通常是CPython）的一个特性，它确保在任何时候只有一个线程可以在解释器中运行Python字节码。这意味着在任何给定的时间点，只有一个线程可以在Python解释器中执行代码。这对于单核CPU来说，可以避免许多线程同步问题，但是在多核CPU上，这会限制Python的多线程能力。

对于Python来说，由于存在GIL锁，即使在多核CPU上，同一时刻也只有一个线程在执行。因此，Python的多线程主要用于I/O密集型任务，而在计算密集型任务中，通常会使用多进程或分布式处理。

        2.Lock和RLock

Lock是基本的锁类型，用于保护共享资源的访问。当一个线程获得锁时，其他线程必须等待该线程释放锁后才能继续执行。如果一个线程尝试获得已经被锁定的锁，那么它将被阻塞，直到锁被释放。

RLock（可重入锁）是一种更高级的锁类型，它允许一个线程多次获得同一个锁而不会导致死锁。当一个线程获得一个RLock时，其他线程可以尝试获得同一个RLock，只要在每次获得锁时都相应地释放锁，就可以保证程序的正确性。

        3.线程池

线程池是一种用于管理线程的机制，它预先创建一定数量的线程，并将这些线程放在池中等待任务。当有任务到来时，线程池会从池中选取一个空闲的线程执行任务。任务执行完毕后，线程会回到池中等待下一个任务。通过使用线程池，可以避免频繁创建和销毁线程带来的开销，提高程序的性能和响应速度。

        4.threading.local()

threading.local()函数返回一个本地线程对象。这个对象提供了一个独立的命名空间，用于存储每个线程特有的数据。这意味着每个线程都可以有自己的数据副本，而不会与其他线程的数据混淆。这对于在多线程环境中存储和管理线程特有的数据非常有用。

        5.常用方法：

a. threading.Thread()：创建一个新线程对象。
b. threading.enumerate()：返回当前所有活动线程的列表。
c. threading.active_count()：返回当前活动线程的数量。
d. threading.current_thread()：返回当前执行线程的引用。
e. threading.stack_size()：返回当前线程的堆栈大小。