Python入门学习
DAY36
今日内容:
GIL全局解释器锁
死锁与递归锁
信号量
Event事件
线程queue
1. GIL全局解释器锁(Global Interpreter Lock)
GIL理论:http://www.cnblogs.com/linhaifeng/articles/7449853.html
什么是GIL全局解释器锁
GIL本质就是互斥锁,相当于执行权限,每个进程内都会存在GIL,同一进程的多个线程
必须抢到GIL之后才能使用Cpython解释器来执行自己的代码.即同一进程内的多个线程无法实现并行
但是可以实现并发
为何要有GIL
因为Cpython解释器的垃圾回收机制不是线程安全的
在GIL存在的情况下,如何处理并发呢?
分二中情况
计算密集型:
from multiprocessing import Process from threading import Thread import os, time def work(): res = 0 for i in range(10000000): res+=i if __name__=='__main__': l = [] print(os.cpu_count()) # os.cpu_count() 获得cpu核数 start = time.time() for i in range(4): p = Process(target = work) # 可以对比进程和线程的运行时间比较什么情况用什么方法 # p = Thread(target = work) l.append(p) p.start() for p in l: p.join() stop = time.time() print('run time is %s' % (stop - start)) # 打印运行时间
IO密集型:
from multiprocessing import Process from threading import Thread import time def work(): time.sleep(2) # time.sleep 也可看做io操作 if __name__ == '__main__': l = [] start = time.time() for i in range(100): # p = Process(target=work) p = Thread(target=work) l.append(p) p.start() for p in l: p.join() stop = time.time() print('run time is %s' % (stop - start)) # 打印运行时间
死锁与递归锁
死锁现象
所谓死锁: 是指两个或两个以上的进程或线程在执行过程中,因争夺资源而造成的一种互相等待的现象,若无外力作用,它们都将无法推进下去。此时称系统处于死锁状态或系统产生了死锁,这些永远在互相等待的进程称为死锁进程。
死锁现象举例
from threading import Thread, Lock import time mutexA = Lock() mutexB = Lock() class Mythread(Thread): def run(self): self.foo() self.bar() def foo(self): mutexA.acquire() print('%s 获取 A 锁' % self.name) mutexB.acquire() print('%s 获取 B 锁' % self.name) mutexB.release() mutexA.release() def bar(self): mutexB.acquire() print('%s 获取 B 锁' % self.name) time.sleep(0.1) # 当此处睡眠后,会导致死锁现象的产生 mutexA.acquire() print('%s 获取 A 锁' % self.name) mutexA.release() mutexB.release() if __name__ == '__main__': for i in range(10): t = Mythread() t.start()
递归锁
可以解决死锁现象,在Python中为了支持在同一线程中多次请求同一资源,python提供了可重入锁RLock。
这个RLock内部维护着一个Lock和一个counter变量,counter记录了acquire的次数,从而使得资源可以被多次require。直到一个线程
所有的acquire都被release,其他的线程才能获得资源。
from threading import Thread, RLock import time mutexA = mutexB = RLock() class Mythread(Thread): def run(self): self.foo() self.bar() def foo(self): mutexA.acquire() print('%s 获取 A 锁' % self.name) mutexB.acquire() print('%s 获取 B 锁' % self.name) mutexB.release() mutexA.release() def bar(self): mutexB.acquire() print('%s 获取 B 锁' % self.name) time.sleep(0.1) mutexA.acquire() print('%s 获取 A 锁' % self.name) mutexA.release() mutexB.release() if __name__ == '__main__': for i in range(10): t = Mythread() t.start()
信号量
同进程的一样
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()。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 time,random sh = Semaphore(5) def task(name): # 假设餐厅最多只能有5人吃饭,其他人想吃饭得等有人吃好 sh.acquire() print('%s 号顾客 正在用餐...' %name) time.sleep(random.randint(1,3)) # 模拟用餐时间 print('%s 号顾客 用餐结束' %name) sh.release() if __name__=='__main__': for i in range(10): t = Thread(target=task,args=(i,)) t.start()
Event事件
同进程的一样
线程的一个关键特性是每个线程都是独立运行且状态不可预测。如果程序中的其 他线程需要通过判断某个线程的状态来确定自己下一步的操作,这时线程同步问题就会变得非常棘手。为了解决这些问题,我们需要使用threading库中的Event对象。 对象包含一个可由线程设置的信号标志,它允许线程等待某些事件的发生。在 初始情况下,Event对象中的信号标志被设置为假。如果有线程等待一个Event对象, 而这个Event对象的标志为假,那么这个线程将会被一直阻塞直至该标志为真。一个线程如果将一个Event对象的信号标志设置为真,它将唤醒所有等待这个Event对象的线程。如果一个线程等待一个已经被设置为真的Event对象,那么它将忽略这个事件, 继续执行
event.isSet():返回event的状态值; event.wait():如果 event.isSet()==False将阻塞线程; event.set(): 设置event的状态值为True,所有阻塞池的线程激活进入就绪状态, 等待操作系统调度; event.clear():恢复event的状态值为False。
例:
from threading import Thread, Event import time,random event = Event() def light(): # 模拟红绿灯 print('红灯...') time.sleep(3) # 模拟红灯时间 print('绿灯...') event.set() def car(name): print('%s 号车正在等红灯...' % name) event.wait() time.sleep(random.randint(1,3)) print('%s 号车正在行驶...' % name) if __name__ == '__main__': l = Thread(target=light) l.start() for i in range(10): t = Thread(target=car, args=(i,)) t.start()
线程queue
queue队列 :使用import queue,用法与进程Queue一样
queue.Queue
() 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 '''
queue.
LifoQueue
() 先进后出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 '''
queue.PriorityQueue()
#按优先级输出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') '''
以上为本次学习的内容