用python编程锁定别人的手机_python高级编程——锁

锁

在使用用的过程中需要导入threading模块的Lock类

使用锁：

当多个线程几乎同时修改某一个共享数据的时候，需要进行同步控制

线程同步能够保证多个线程安全访问竞争资源，最简单的同步机制是引入互 斥锁。

互斥锁为资源引入一个状态：锁定/非锁定。

锁的语法

创建锁、锁定锁、释放锁

from threading importLock#创建锁

mutex =Lock()#获取锁(上锁)

mutex.acquire()#释放锁(解锁)

mutex.release()

在锁定锁的过程中acquire()方法可以接受一个blocking参数，

如果设定blocking为True，则当前线程会堵塞，直到获取到这个锁为止(如果没有 指定，那么默认为True)

如果设定blocking为False，则当前线程不会堵塞

上锁和解锁的过程(假设是多线程调度)：

这个锁一般是为共享资源服务的，即多个线程同时使用共享资源。这个锁同一时间只能有一个线程调度，其他线程阻塞，只有当前调度的线程释放这个锁，阻塞的线程才能调度。

锁的优点：

确保了某段关键代码只能有一个线程从头到尾完整的执行。

锁的缺点：

组织了多线程的并发执行，包含锁的某段代码实际上只能以单线程模式执行，效率就大大的降低了；代码中可能存在多个锁，如果多个线程拥有多个锁，容易造成死锁。

死锁的现象(实例)：

#死锁 两者都没有释放对方需要的锁，而释放的条件恰好是获取对方释放所需要的锁#线程1

classMyThread1(threading.Thread):def __init__(self):

super().__init__()defrun(self):#线程1获取A锁

ifmutexA.acquire():print(self.name+"-----do1---up-----")

sleep(1)#此时线程2获取了B锁，需要等待线程2释放B锁

ifmutexB.acquire():print(self.name + "-----do1---down-----")

mutexB.release()

mutexA.release()#线程2

classMyThread2(threading.Thread):def __init__(self):

super().__init__()defrun(self):#线程2获取B锁

ifmutexB.acquire():print(self.name + "-----do2---up-----")

sleep(1)#此时线程1获取了A锁，需要等待线程1释放A锁

ifmutexA.acquire():print(self.name + "-----do2---down-----")

mutexA.release()

mutexB.release()

mutexA=threading.Lock()

mutexB=threading.Lock()if __name__ == '__main__':#线程1和线程2同时执行

t1 =MyThread1()

t2=MyThread2()

t1.start()

t2.start()

避免死锁的方法：银行家算法

多进程与多线程比较及选择

是否采用多任务处理，取决于我们的任务类型

如果是计算密集型，需要大量的CPU资源进行运算，代码的运行效率至关重 要，这样的任务一般不使用多线程进行，因为频繁的任务调度会拖慢CPU的

运算。

如果是IO密集型，涉及到硬盘读写，网络读写等的任务，更多的时间在等待 IO操作完成，这一类任务可以放到多线程或多进程中来进行。

单线程、多线程、多进程(一起实现同一代码的时间)

#单线程、多线程、多进程的使用及不同#简单的求和

deffib(x):

res=0for i in range(100000000):

res+= i*xreturnres#阶乘

deffac(x):if x < 2:return 1

return x*fac(x-1)#简单的求和

defsum(x):

res=0for i in range(50000000):

res+= i*xreturnres#函数列表

funcs =[fib, fac, sum]

n= 100

classMyThread(threading.Thread):def __init__(self, func, args, name=""):

super().__init__()

self.name=name

self.func=func

self.args=args

self.res=0defgetResult(self):returnself.resdefrun(self):print("starting", self.name, "at:", ctime())

self.res=self.func(self.args)print(self.name, "finished at:", ctime())defmain():

nfuncs=range(len(funcs))print("单线程".center(30, "*"))

start=time()for i innfuncs:print("start {} at: {}".format(funcs[i].__name__, ctime()))

start_task=time()print(funcs[i](n))

end_task=time()print("任务 耗时：", end_task-start_task)print("{} finished at: {}".format(funcs[i].__name__, ctime()))

end=time()print("单线程运行时间：", end-start)print("单线程结束：".center(30, "*"))print()print("多线程".center(30, "*"))

start=time()

threads=[]for i innfuncs:#一个线程绑定一个函数

t = MyThread(funcs[i], n, funcs[i].__name__)

threads.append(t)for i innfuncs:#同时启动线程

threads[i].start()for i innfuncs:

threads[i].join()print(threads[i].getResult())

end=time()print("多线程运行时间：", end-start)print("多线程结束：".center(30, "*"))print()print("多进程".center(30, "*"))

start=time()

process_list=[]for i innfuncs:#一个进程绑定一个函数

t = Process(target=funcs[i], args=(n, ))

process_list.append(t)for i innfuncs:#同时启动进程

process_list[i].start()for i innfuncs:

process_list[i].join()

end=time()print("多进程运行时间：", end -start)print("多进程结束：".center(30, "*"))if __name__ == "__main__":

main()