进程
- 进程是什么
- 进程就是资源分配的最小单位(内存、cpu、网络、IO)
- 一个运行起来的程序就是一个进程
- 什么是程序(程序就是我们存储在硬盘上的代码)
- 硬盘(256G)、内存条(8G)
- 当我们双击图标、打开程序时,实际上就是通过I/O操作(读写)内存条里面
- 内存条就是我们所指的资源
- CPU分时
- CPU比你的手速快很多,分别处理每个线程,但是由于太快然后你觉得每个线程都是独占CPU
- cpu是计算,只有时间片到了,获取cpu,线程真正执行
- 当你想使用网络、磁盘等资源的时候,需要cpu的调度
- 进程具有独立的内存空间,所以没有办法相互通信
- 进程是如何进行通信的呢
- 进程queue(父子进程通信)
- pipe(同一程序下两个进程通信)
- manangers(同一程序下多个进程通信)
- RabbitMQ、Redis(不同程序间通信)
- 进程是如何进行通信的呢
- 为什么需要进程池
- 一次性开启指定数量的进程
- 如果有是个进程,有一百个任务,一次可以处理多少个(一次性只能处理10个)
线程
- 为什么有了进程还需要线程
- 因为进程不同同一时间只做一个事情
- 什么是线程
- 线程是操作系统调度的最小单位
- 线程是进程真真的执行者,是一些指令的集合(进程资源的拥有者)
- 同一个进程下读多个线程共享内存空间,数据直接访问(数据共享)
- 为保证数据安全,必须使用线程锁
- GIL全局解释器锁
- 在Python全局解释器下,保证同一时间只有一个线程运行
- 防止多个线程都修改数据
- 线程锁(互斥锁)
- GIL锁只能保证同一时间只能有一个线程对某个资源操作,但当上一个线程还未执行完毕时可能就会释放GIL,其他线程就可以操作了
- 线程锁本质把线程中的数据加了一把互斥锁
- MySQL中共享锁&互斥锁
- MySQL共享锁:共享锁,所有线程都能读,而不能写
- MySQL排它锁:排它,任何线程读取这个数据的权利都没有
- 加上线程锁之后所有其他线程,读都不能读这个数据
- MySQL中共享锁&互斥锁
- 有了GIL全局解释器锁为什么还需要线程锁?
- 因为cpu是分时使用的
- 死锁定义
- 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,他们都将无法推进下去
协程
- 什么是协程?
- 协程就是微线程,纤程,本质是一个单线程
- 协程能在单线程处理高并发
- 线程遇到I/O操作会等待、阻塞。协程遇到I/O操作会自动切换(剩下的只有cpu操作)
- 线程的状态保存在CPU的寄存器和栈里,而协程拥有自己的空间,所以无需上下文切换的开销,所以快
- 为什么协程能遇到I/O自动切换?
- 协程有一个gevent模块(封装了greenlet模块),遇到I/O自动切换
- 协程有什么优缺点?
- 协程缺点
- 无法利用多核资源:协程的本质是一个单线程,他不能同时将单个CPU的多个核用上,协程需要和进程配合才能运行在多CPU上
- 线程阻塞(Blocking)操作(如IO时)会阻塞掉整个程序
- 协程优点:
- 处理高并发(单线程下处理高并发)
- 特别节省资源(500日活,用PHP写需要两百多台机器,但是golang只需要20多台机器)
- 200多台机器一年
- 20多台机器一年
- 协程缺点
装饰器
- 什么是装饰器?
- 装饰器本质是函数,用来给其他函数添加新的功能
- 特点是不修改调用方式,不修改源代码
- 装饰器的应用场景是什么?
- 用户认证、判断用户是否登录
- 计算函数运行时间(运用不多)
- 插入日志的时候
- Redis缓存
- 为什么要使用装饰器?
- 可以结合我们实际的应用场景说需求
- 如何使用装饰器?
- 装饰器求海曙运行时间
import time def timer(func): #timer(test1) func=test1 def deco(*args,**kwargs): start_time = time.time() func(*args,**kwargs) #run test1 stop_time = time.time() print("running time is %s"%(stop_time-start_time)) return deco # @timer # test1=timer(test1) def test1(): time.sleep(3) print("in the test1") test1()
- 三级装饰器
#! /usr/bin/env python # -*- coding: utf-8 -*- import time def auth(auth_type): print("auth func:",auth_type) def outer_wrapper(func): def wrapper(*args, **kwargs): print("wrapper func args:", *args, **kwargs) print('运行前') func(*args, **kwargs) print('运行后') return wrapper return outer_wrapper @auth(auth_type="local") # home = wrapper() def home(): print("welcome to home page") return "from home" home()
生成器
- 什么是生成器?
- 生成器就是一个特殊的迭代器
- 一个有yield关键字等的函数就是一个生成器
- 生成器是一个能记住上次返回时在函数体中位置的一个函数
- 对生成器函数的第二次或第N次调用跳转至该函数中间,而上次调用的所有局部变量都保持不变
- 生成器有哪些应用场景?
- 生成器是一个概念,我们平常也用的并不多,但是Python源码大量使用
- 比如我们Tornado框架就是基于生成器+协程
- 在我们代码中举例说明
- 如我们要生成一百万个数据,如果用生成器非常节省空间,用列表浪费大量空间
import time t1 = time.time() g = (i for i in range(100000000)) t2 = time.time() lst = [i for i in range(100000000)] t3 = time.time() print('生成器时间:',t2 - t1) # 生成器时间: 0.0 print('列表时间:',t3 - t2) # 列表时间: 5.821957349777222
- 为什么使用生成器
- 节省空间
- 高效
- 如何使用生成器呢?
#!/usr/bin/python # -*- coding: utf-8 -*- def read_big_file_v(fname): block_size = 1024 * 8 with open(fname,encoding="utf8") as fp: while True: chunk = fp.read(block_size) # 当文件没有更多内容时,read 调用将会返回空字符串 '' if not chunk: break print(chunk) path = r'C:\aaa\luting\edc-backend\tttt.py' read_big_file_v(path)
迭代器
- 什么是迭代器?
- 总是从集合内第一个元素访问,直到所有元素被访问过结束,当调用__next__而元素返回会引发一个Stoplteration异常
- 有两个方法:iter、next
- iter:返回迭代器自身
- next:返回下一个元素
以上便是本人对Python基础的三程三器的看法,各位看官老爷万福金安