python高级编程(9) - 迭代器和生成器

多线程，多进程，线程池编程

一，GIL

CPython 解释器本身就不是线程安全的，因此有全局解释器锁（GIL），一次只允许使用一个线程执行 Python 字节码。因此，一个 Python 进程通常不能同时使用多个 CPU 核心。

这是 CPython 解释器的局限，与 Python 语言本身无关。Jython 和 IronPython 没有这种限制。
不过，目前最快的 Python 解释器 PyPy 也有 GIL

然而，标准库中所有执行阻塞型 I/O 操作的函数，在等待操作系统返回结果时都会释放 GIL。这意味着在 Python 语言这个层次上可以使用多线程，而 I/O 密集型 Python 程序能从中受益：一个 Python 线程等待网络响应时，阻塞型 I/O 函数会释放 GIL，再运行一个线程。

Python 标准库中的所有阻塞型 I/O 函数都会释放 GIL，允许其他线程运行。time.sleep() 函数也会释放 GIL。因此，尽管有GIL，Python 线程还是能在 I/O 密集型应用中发挥作用。

二，多线程实现方法

Threading 实现多线程

import threading
import time

def get_detail_html(url):
    print('get detail html started')
    time.sleep(2)
    print('get detail url end')

def get_detail_url(url):
    print('get detail url started')
    time.sleep(2)
    print('get detail url end')


if __name__ == '__main__':
    thread1 = threading.Thread(target=get_detail_html, args=(None, ))
    thread2 = threading.Thread(target=get_detail_url, args=(None, ))
    thread1.start()
    thread2.start()

class GetDetailHtml(threading.Thread):
    def __init__(self, name):
        super().__init__(name=name)

    def run(self):
        print('get detail html started')
        time.sleep(2)
        print('get detail url end')

class GetDetailUrl(threading.Thread):
    def __init__(self, name):
        super().__init__(name=name)

    def run(self):
        print('get detail url started')
        time.sleep(2)
        print('get detail url end')

if __name__ == '__main__':
    thread1 = GetDetailHtml('threading1')
    thread2 = GetDetailUrl('threading2')
    thread1.start()
    thread2.start()

三，线程间的通信

…看我的网络编程的博客