线程

一.线程

　　定义：进程中某个单一顺序的执行流。进程可以看作工厂的一个车间，每个线程相当于车间中的流水线。

　　多个线程就是，一个进程中存在多个线程，多个线程共享所在进程的所有资源。

　　线程与进程的区别：

　　1.线程共享创建它的进程的地址空间;进程有自己的地址空间。

　　2.线程可以直接访问其进程的数据段;进程有自己的父进程数据段的副本。

　　3.线程可以与进程的其他线程直接通信;进程必须使用进程间通信来与同级进程通信。

　　4.新线程很容易创建;新进程需要父进程的重复。

　　5.线程可以对同一进程的线程进行相当大的控制;进程只能对子进程执行控制。

　　6.对主线程的更改(取消、优先级变更等)可能会影响进程的其他线程的行为;对父进程的更改不会影响子进程。

　　使用多线程的原因：

　　1.多线程共享一个地址的内存空间

　　2.线程比进程更轻量级

　　3. 若多个线程都是cpu密集型的，那么并不能获得性能上的增强，但是如果存在大量的计算和大量的I/O处理，拥有多个线程允许这些活动彼此重叠运行，从而会加快程序执行的速度。

　　threading 模块

　   https://docs.python.org/3/library/threading.html?highlight=threading#

　　开启线程的两种方式：

#方式一
from threading import Thread
import time
def sayhi(name):
    time.sleep(2)
    print('%s say hello' %name)
if __name__ == '__main__':
    t=Thread(target=sayhi,args=('egon',))
    t.start()
    print('主线程')
#方式二
from threading import Thread
import time
class Sayhi(Thread):
    def __init__(self,name):
        super().__init__()
        self.name=name
    def run(self):
        time.sleep(2)
        print('%s say hello' % self.name)

if __name__ == '__main__':
    t = Sayhi('egon')
    t.start()
    print('主线程')

　　多进程并发的socket服务端和客户端

#服务端
import multiprocessing
import threading
import socket
s=socket.socket(socket.AF_INET,socket.SOCK_STREAM)
s.bind(('127.0.0.1',8080))
s.listen(5)
def action(conn):
    while True:
        data=conn.recv(1024)
        print(data)
        conn.send(data.upper())
if __name__ == '__main__':
    while True:
        conn,addr=s.accept()
        p=threading.Thread(target=action,args=(conn,))
        p.start()

#客户端
import socket
s=socket.socket(socket.AF_INET,socket.SOCK_STREAM)
s.connect(('127.0.0.1',8080))

while True:
    msg=input('>>: ').strip()
    if not msg:continue
    s.send(msg.encode('utf-8'))
    data=s.recv(1024)
    print(data)

　　线程常用的方法

Thread实例对象的方法
  # isAlive(): 返回线程是否活动的。
  # getName(): 返回线程名。
  # setName(): 设置线程名。
threading模块提供的一些方法：
  # threading.currentThread(): 返回当前的线程变量。
  # threading.enumerate(): 返回一个包含正在运行的线程的list。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.activeCount(): 返回正在运行的线程数量，与len(threading.enumerate())有相同的结果。

　　实例：

from threading import Thread
import threading
from multiprocessing import Process
import os

def work():
    import time
    time.sleep(3)
    print(threading.current_thread().getName())
if __name__ == '__main__':
    #在主进程下开启线程
    t=Thread(target=work)
    t.start()

    print(threading.current_thread().getName())
    print(threading.current_thread()) #主线程
    print(threading.enumerate()) #连同主线程在内有两个运行的线程
    print(threading.active_count())
    print('主线程/主进程')

　　主线程等待子线程结束

from threading import Thread
import time
def sayhi(name):
    time.sleep(2)
    print('%s say hello' %name)

if __name__ == '__main__':
    t=Thread(target=sayhi,args=('egon',))
    t.start()
    t.join()
    print('主线程')
    print(t.is_alive())

　　守护线程

　   守护进程与守护线程的区别：

　　1.主进程在其代码结束后就已经算运算完毕了（守护进程在此时被收回）主进程会一直等非守护的子进程都运行完毕后回收子进程的资源(否则会产生僵尸进程)，才会结束，

　　2 主线程在其他非守护线程运行完毕后才算运行完毕（守护线程在此时就被回收）。主线程的结束意味着进程的结束，进程整体的资源都被回收，因而主线程必须在其余非守护线程都运行完毕后才能结束

from threading import Thread
import time
def sayhi(name):
    time.sleep(2)
    print('%s say hello' %name)

if __name__ == '__main__':
    t=Thread(target=sayhi,args=('egon',))
    t.setDaemon(True) #必须在t.start()之前设置
    t.start()

    print('主线程')
    print(t.is_alive())

　　python GIL锁

　　定义：在CPython，全局解释器锁，或吉尔，是一个互斥体，防止多本地线程执行Python字节码一次。这种锁是必要的。因为Cpython的内存管理不是线程安全的。

　　注意：GIL并不是Python的特性，Python完全可以不依赖于GIL

　　 多进程与多线程的应用：

　   多线程用于IO密集型，如socket，爬虫，web
　   多进程用于计算密集型，如金融分析　　

　　过程分析：所有线程抢的是GIL锁，或者说所有线程抢的是执行权限

　　线程1抢到GIL锁，拿到执行权限，开始执行，然后加了一把Lock，还没有执行完毕，即线程1还未释放Lock，有可能线程2抢到GIL锁，开始执行，执行过程中发现Lock还没有被线程1释放，于是线程2进入阻塞，被夺走执行权限，有可能线程1拿到GIL，然后正常执行到释放Lock,这就导致了串行运行的效果

 　　死锁与递归锁

 　　死锁：两个或者两个以上的线程在执行的过程中，因争夺资源造成的互相等待的现象，如果外力不进行干预，将会一直等待下去。

from threading import Thread,Lock
import time
mutexA=Lock()
mutexB=Lock()
class MyThread(Thread):
    def run(self):
        self.func1()
        self.func2()
    def func1(self):
        mutexA.acquire()
        print('\033[41m%s 拿到A锁\033[0m' %self.name)
        mutexB.acquire()
        print('\033[42m%s 拿到B锁\033[0m' %self.name)
        mutexB.release()
        mutexA.release()
    def func2(self):
        mutexB.acquire()
        print('\033[43m%s 拿到B锁\033[0m' %self.name)
        time.sleep(2)

        mutexA.acquire()
        print('\033[44m%s 拿到A锁\033[0m' %self.name)
        mutexA.release()

        mutexB.release()

if __name__ == '__main__':
    for i in range(10):
        t=MyThread()
        t.start()
'''
Thread-1 拿到A锁
Thread-1 拿到B锁
Thread-1 拿到B锁
Thread-2 拿到A锁
然后就卡住，死锁了
'''

　　递归锁

 　　解决上面的问题用递归锁 Rlock

from threading import Lock,Thread,RLock
import time
mutexB = mutexA=RLock()
class MyThread(Thread):
    def run(self):
        self.f1()
        self.f2()
    def f1(self):
        mutexA.acquire()
        print('\033[39m%s 拿到A锁'%self.name)
        mutexB.acquire()
        print('\033[40m%s 拿到B锁'%self.name)
        mutexB.release()
        mutexA.release()
    def f2(self):
        mutexB.acquire()
        print('\033[39m%s 拿到B锁'%self.name)
        time.sleep(1)
        mutexA.acquire()
        print('\033[40m%s 拿到A锁' % self.name)
        mutexA.release()
        mutexB.release()
if __name__ == '__main__':
    for i in range(10):
        t= MyThread()
        t.start()
#mutexA=mutexB=threading.RLock() #一个线程拿到锁，counter加1,该线程内又碰到加锁的情况，则counter继续加1，这期间所有其他线程都只能等待，等待该线程释放所有锁，即counter递减到0为止

　　信号量Semaphore　　

　　Semaphore管理一个内置的计数器，每当调用acquire()时内置计数器-1；调用release() 时内置计数器+1；计数器不能小于0；当计数器为0时，acquire()将阻塞线程直到其他线程调用release()。

　　实例：(同时只有5个线程可以获得semaphore,即可以限制最大连接数为5)：

from threading import Thread,Semaphore
import threading
import time
def func():
    sm.acquire()
    print('%s get sm' %threading.current_thread().getName())
    time.sleep(3)
    sm.release()
if __name__ == '__main__':
    sm=Semaphore(5)
    for i in range(20):
        t=Thread(target=func)
        t.start()

　　与进程池是完全不同的概念，进程池Pool(4)，最大只能产生4个进程，而且从头到尾都只是这四个进程，不会产生新的，而信号量是产生一堆线程/进程

 　　Event事件

 　　Python提供了Event对象用于线程间通信，它是由线程设置的信号标志，如果信号标志位真，则其他线程等待直到信号接触。

   　 Event对象实现了简单的线程通信机制，它提供了设置信号，清除信号，等待等用于实现线程间的通信。

  　　 1 设置信号

   　　使用Event的set（）方法可以设置Event对象内部的信号标志为真。Event对象提供了is_Set（）方法来判断其内部信号标志的状态。当使用event对象的set（）方法后，isSet（）方法返回真

   　　2 清除信号

   　　使用Event对象的clear（）方法可以清除Event对象内部的信号标志，即将其设为假，当使用Event的clear方法后，isSet()方法返回假

  　　 3 等待

   　　Event对象wait的方法只有在内部信号为真的时候才会很快的执行并完成返回。当Event对象的内部信号标志位假时，则wait方法一直等待到其为真时才返回。

　　实例：

from threading import Thread,Event
import threading
import time,random
def conn_mysql():
    count=1
    while not event.is_set():
        if count > 3:
            raise TimeoutError('链接超时')
        print('<%s>第%s次尝试链接' % (threading.current_thread().getName(), count))
        event.wait(0.5)
        count+=1
    print('<%s>链接成功' %threading.current_thread().getName())


def check_mysql():
    print('\033[45m[%s]正在检查mysql\033[0m' % threading.current_thread().getName())
    time.sleep(random.randint(2,4))
    event.set()
if __name__ == '__main__':
    event=Event()
    conn1=Thread(target=conn_mysql)
    conn2=Thread(target=conn_mysql)
    check=Thread(target=check_mysql)

    conn1.start()
    conn2.start()
    check.start()

　　定时器

from threading import Timer 
def hello():
    print("hello, world")
t = Timer(1, hello)
t.start()  # after 1 seconds, "hello, world" will be printed

　　线程queue

　　queue队列 ：使用import queue，用法与进程Queue一样

　　class queue.Queue(maxsize=0) #先进先出

import queue
q=queue.Queue()
q.put('first')
q.put('second')
q.put('third')
print(q.get())
print(q.get())
print(q.get())
'''
结果(先进先出):
first
second
third
'''

　　class queue.LifoQueue(maxsize=0) #last in fisrt out 

import queue

q=queue.LifoQueue()
q.put('first')
q.put('second')
q.put('third')

print(q.get())
print(q.get())
print(q.get())
'''
结果(后进先出):
third
second
first
'''

　　class queue.PriorityQueue(maxsize=0) #存储数据时可设置优先级的队列

import queue

q=queue.PriorityQueue()
#put进入一个元组,元组的第一个元素是优先级(通常是数字,也可以是非数字之间的比较),数字越小优先级越高
q.put((20,'a'))
q.put((10,'b'))
q.put((30,'c'))

print(q.get())
print(q.get())
print(q.get())
'''
结果(数字越小优先级越高,优先级高的优先出队):
(10, 'b')
(20, 'a')
(30, 'c')
'''

 　　concurrent.futures模块

　　Python标准库为我们提供了threading和multiprocessing模块编写相应的多线程/多进程代码，但是当项目达到一定的规模，频繁创建/销毁进程或者线程是非常消耗资源的，这个时候我们就要编写自己的线程池/进程池，以空间换时间。但从Python3.2开始，标准库为我们提供了concurrent.futures模块，它提供了ThreadPoolExecutor和ProcessPoolExecutor两个类，实现了对threading和multiprocessing的进一步抽象，对编写线程池/进程池提供了直接的支持。

　　concurrent.futures模块的基础是Exectuor，Executor是一个抽象类，它不能被直接使用。但是它提供的两个子类ThreadPoolExecutor和ProcessPoolExecutor却是非常有用，顾名思义两者分别被用来创建线程池和进程池的代码。我们可以将相应的tasks直接放入线程池/进程池，不需要维护Queue来操心死锁的问题，线程池/进程池会自动帮我们调度。

　　ThreadPoolExecutor：

 　　submit（fn，* args，** kwargs ） 用来异步开启多个进程，并返回一个对象。

　   shutdown（wait = True ）， 向执行人发出信号，当目前待定的期货完成执行时，它应该释放它正在使用的任何资源，相当于原先的close（）+ join（）的作用

 

# from concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor
# import os,time,random
# def task(n):
#     print('%s is running'%os.getpid())
#     time.sleep(random.randint(1,3))
#     return n **2
# if __name__ == '__main__':
#     p = ProcessPoolExecutor()
#     l = []
#     for i in range(10):
#         obj = p.submit(task,i)
#         l.append(obj)
#     p.shutdown()
#     print('='*30)
#     print([obj.result() for obj in l])

 

　　ThreadPoolExecutor：

# from concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor
# import threading
# import os,time,random
# def task(n):
#     print('%s:%s is running' %(threading.currentThread().getName(),os.getpid()))
#     time.sleep(2)
#     return n**2
# if __name__ == '__main__':
#     p=ThreadPoolExecutor()
#     l=[]
#     start=time.time()
#     for i in range(10):
#         obj=p.submit(task,i)
#         l.append(obj)
#     p.shutdown()
#     print('='*30)
#     print([obj.result() for obj in l])
#     print(time.time()-start)
#异步执行

#from concurrent.futures import #ProcessPoolExecutor,ThreadPoolExecutor
# import os,time,random
# def task(n):
#     print('%s is running' %os.getpid())
#     time.sleep(2)
#     return n**2
# if __name__ == '__main__':
#     p=ProcessPoolExecutor()
#     start=time.time()
#     for i in range(10):
#         res=p.submit(task,i).result()
#         print(res)
#     print('='*30)
#     print(time.time()-start)
# 同步执行

 

 

 

 

 

 

 

 

 

 

 

　　

转载于:https://www.cnblogs.com/sxh-myblogs/p/7444325.html