全局解释器锁

全局解释器锁

GIL(全局解释器锁)
在CPython解释器才有GIL的概念，不是python的特点
GIL也是一把互斥锁
将并发变成串行 牺牲了效率但是提高了数据的安全
ps:
1.针对不同的数据 应该使用不同的锁去处理
2.自己不要轻易的处理锁的问题 哪怕你知道acquire和release
当业务逻辑稍微复杂的一点情况下 极容易造成死锁
CPython中的GIL的存在是因为python的内存管理不是线程安全的

内存管理
引用计数:值与变量的绑定关系的个数
标记清除:当内存快要满的时候 会自动停止程序的运行 检测所有的变量与值的绑定关系
给没有绑定关系的值打上标记，最后一次性清除
分代回收:(垃圾回收机制也是需要消耗资源的，而正常一个程序的运行内部会使用到很多变量与值
并且有一部分类似于常量，减少垃圾回收消耗的时间，应该对变量与值的绑定关系做一个分类
) 新生代(5S)》》》青春代(10s)》》》老年代(20s)
垃圾回收机制扫描一定次数发现关系还在，会将该对关系移至下一代
随着代数的递增 扫描频率是降低的

同一个进程下的多个线程能否同时运行
GIL类似于是加在解释器上面的一把锁

 

计算密集型

from threading import Thread
import os,time
def work():
    res=0
    for i in range(100000000):
        res*=i
​
​
if __name__ == '__main__':
    l=[]
    print(os.cpu_count())  # 本机为6核
    start=time.time()
    for i in range(6):
        # p=Process(target=work) #耗时  4.732933044433594
        p=Thread(target=work) #耗时 22.83087730407715
        l.append(p)
        p.start()
    for p in l:
        p.join()
    stop=time.time()
    print('run time is %s' %(stop-start))

io密集型

from multiprocessing import Process
from threading import Thread
import threading
import os,time
def work():
    time.sleep(2)
​
​
if __name__ == '__main__':
    l=[]
    print(os.cpu_count()) #本机为6核
    start=time.time()
    for i in range(4000):
        p=Process(target=work) #耗时9.001083612442017s多,大部分时间耗费在创建进程上
        # p=Thread(target=work) #耗时2.051966667175293s多
        l.append(p)
        p.start()
    for p in l:
        p.join()
    stop=time.time()
    print('run time is %s' %(stop-start))

python的多线程到底有没有用 需要看情况而定 并且肯定是有用的

多进程+多线程配合使用

死锁

递归锁
可以被第一个抢到该锁的人多次的acquire和release，内部会有一个计数
acquire就是加
release就是减
当别人在抢这把锁的时候 只要计数不为零 永远也别想抢到

 

mutexA = mutexB = RLock()  # A B现在是同一把锁
​
​
class MyThread(Thread):
    def run(self):  # 创建线程自动触发run方法 run方法内调用func1 func2相当于也是自动触发
        self.func1()
        self.func2()
​
    def func1(self):
        mutexA.acquire()
        print('%s抢到了A锁'%self.name)  # self.name等价于current_thread().name
        mutexB.acquire()
        print('%s抢到了B锁'%self.name)
        mutexB.release()
        print('%s释放了B锁'%self.name)
        mutexA.release()
        print('%s释放了A锁'%self.name)
​
    def func2(self):
        mutexB.acquire()
        print('%s抢到了B锁'%self.name)
        time.sleep(1)
        mutexA.acquire()
        print('%s抢到了A锁' % self.name)
        mutexA.release()
        print('%s释放了A锁' % self.name)
        mutexB.release()
        print('%s释放了B锁' % self.name)
​
for i in range(10):
    t = MyThread()
    t.start()

只要类加括号实例化对象 无论传入的参数是否一样生成的对象肯定不一样 单例模式除外

自己千万不要轻易的处理锁的问题

信号量

如果互斥锁是单个卫生间
那么信号量就是多个卫生间

 

from threading import Semaphore,Thread
import time
import random
​
​
sm = Semaphore(5)  # 造了一个含有五个的坑位的公共厕所
​
def task(name):
    sm.acquire()
    print('%s占了一个坑位'%name)
    time.sleep(random.randint(1,3))
    sm.release()
​
for i in range(40):
    t = Thread(target=task,args=(i,))
    t.start()

event事件

event事件
e = Event()

e.wait() 等待信号

e.set() 发送信号

from threading import Event,Thread
import time
​
# 先生成一个event对象
e = Event()
​
​
def light():
    print('红灯正亮着')
    time.sleep(3)
    e.set()  # 发信号
    print('绿灯亮了')
​
def car(name):
    print('%s正在等红灯'%name)
    e.wait()  # 等待信号
    print('%s加油门飙车了'%name)
​
t = Thread(target=light)
t.start()
​
for i in range(10):
    t = Thread(target=car,args=('伞兵%s'%i,))
    t.start()

线程queue

队列 Queue
堆栈 LifoQueue
优先级 P...Queue
只有一个参数 是元组的形式
数字越小优先级越高

import queue
"""
同一个进程下的多个线程本来就是数据共享 为什么还要用队列
​
因为队列是管道+锁  使用队列你就不需要自己手动操作锁的问题 
​
因为锁操作的不好极容易产生死锁现象
"""
​
​
​
# q = queue.Queue()
# q.put('hahha')
# print(q.get())
​
​
# q = queue.LifoQueue()
# q.put(1)
# q.put(2)
# q.put(3)
# print(q.get())
​
​
# q = queue.PriorityQueue()
# # 数字越小 优先级越高
# q.put((10,'haha'))
# q.put((100,'hehehe'))
# q.put((0,'xxxx'))
# q.put((-10,'yyyy'))
# print(q.get())

　　

 

转载于:https://www.cnblogs.com/cherish937426/p/11351829.html