flask多线程，线程池，序列化和反序列化

多线程与多进程

默认的情况下，flask自带的web服务器是以单进程单线程来响应我们的客户端请求。大家很容易想到，10个请求进来是没有办法同时执行的，已给请求执行完之后才能执行另一个请求。

flask自带多线程和多进程，但是有个缺点是无法实现异步。

ps：
1.多进程或多线程只能选择一个，不能同时开启
2.windows环境不支持多进程,只能在linux上使用。
若在windows环境开启多进程，即设置processes 大于1，即报错。

# 1.threaded : 多线程支持，默认为False，即不开启多线程;
app.run(threaded=True)
# 2.processes：进程数量，默认为1.
app.run(processes=True)

线程池

概念：
线程池就是首先创建一些线程，它们的集合称为线程池。使用线程池可以很好地提高性能。
线程池在系统启动时即创建大量空闲的线程，程序将一个任务传给线程池，线程池就会启动一条线程来执行这个任务，执行结束以后，该线程并不会死亡，而是再次返回线程池中成为空闲状态，等待执行下一个任务。

python中的线程池：
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，不仅可以自动调度线程，还可以做到：

1.主线程可以获取某一个线程（或者任务的）的状态，以及返回值。
2.当一个线程完成的时候，主线程能够立即知道。
3.让多线程和多进程的编码接口一致。

下面展示线程池的 例子。

1.task=executor.submit() #提交任务到线程池中
2.task.done() #判断任务是否完成
3.task.cancel() #取消任务，已在线程池运行的无法取消
4.task.result() #获得执行结果

from concurrent.futures import ThreadPoolExecutor
executor = ThreadPoolExecutor(4)

task=executor.submit(get_return,re_url,result)#子线程
return json.dumps()#主线程

def get_return(re_url,result):
	requests.post(re_url, json=result)

JSON序列化和反序列化

序列化：　json的dumps方法可以把dict类型转化成str的类型。
反序列化：json的loads方法可以把str类型转化成dic的类型。
下面展示 例子。

在调用接口传输json时，如果不进行序列化和反序列化，接收方可能会无法准确收到数据。

result = {"res":res,"res2":res2}
json_data = json.dumps(result)
new_data = json.loads(json_data)
requests.post(url=re_url, json=new_data)