jmu-java-07多线程-同步访问_Python 多线程综述

多线程是一个不局限于语言的概念。多线程解决的问题是在更好的利用系统资源的情况下，比如内存、文件系统、网络等，充分利用 CPU 的空闲时间片。同一个进程的所有线程是共享同一内存的，所以不需要特殊的数据传输机制，这样不同任务之间的协调操作与运行、数据的交互、资源的分配等问题更加易于解决。

涉及到多线程就需要协调他们进行线程同步，来实现线程安全。

实现线程同步用到 5 种方式：

分别是 Lock, RLock, Semaphore, Condition, Event.

Lock 是最普通的锁，用来锁定资源。接口有两种状态上锁和解锁。适用的场景是，当有一个共同的资源需要被多个线程顺序访问时，就可以用锁。缺点是不能防止同一个线程内，锁多次上锁造成的阻塞。为了改进这种情况，就有了 RLock。

在需要标明并发读取的共享资源数量的时候，用到的就是信号量。在接口方面还是上锁和解锁两种状态。区别是在定义的时候指明共享资源的数目。适用的场景像是访问服务器这样的有限资源。当分配了一个单位的资源时，计数器值减 1，而当一个单位的资源返回资源池时，计数器值加 1。可以把它想象成在桌面上放着 n 个通行证，有想要通过的线程就拿一个，但拿完了之后，后面的线程只能等待通行证用完归还之后，才能再使用。普通的信号量在使用时，会出现被释放太多次的情况。为了改进这一情况，BoundedSemaphore 会检查内部计数器的值，并保证它不会大于初始值，如果超过初始值，就引发一个 ValueError。

在需要主动休眠，被动唤醒的场景，比如生产者-消费者问题，用到 Condition。在接口上增加了，wait 和 notify、notify_all。

Event 就像十字路口的红绿灯，当为 True 时，所有的线程都可以执行；当为 False 时，则全部阻塞。

在 Python 里的多线程模块，有 threading, multiprocessing 这样的同步模块，还有像 concurrent.futures 这样的异步多线程模块。

在 Python 里单核多线程的情况也是有应用场景的，比如 I/O 密集型的运算，当 I/O 操作对单个线程有下载上限，这时启用多线程就可以让下载的上限大幅增加。

当遇到需要频繁创建线程、进程的时候，就可以创建线程池、进程池，降低多次构造和析构带来的损耗。

为什么协程会比线程快？

线程涉及到用户态和内核态的切换；协程只在用户态之内切换上下文，并且协程会主动转交运行权。