Python 多线程和线程池

一，前言

• 进程：是程序，资源集合，进程控制块组成，是最小的资源单位

  • 特点：就对Python而言，可以实现真正的并行效果
  • 缺点：进程切换很容易消耗cpu资源，进程之间的通信相对线程来说比较麻烦　　

• 线程：是进程中最小的执行单位。

  • 特点无法利用多核，无法实现真正意义上是并行效果。
  • 优点：对于IO密集型的操作可以很好利用IO阻塞的时间

二，GIL（全局解释器锁）

　　python目前有很多解释器，目前使用最广泛的是CPython，还有PYPY和JPython等解释器，但是使用最广泛的还是CPython解释器，而对于全局解释器锁来说，就是在CPython上面才有的，它的原理是在解释器层面加上一把大锁，保证同一时刻只能有一个python线程在解释器中执行。

　　对于计算密集型的python多线程来说，无法利用到多线程带来的效果， 在2.7时计算密集型的python多线程执行效率比顺序执行的效率还低的多，在python3.5中对这种情况进行了优化，基本能实现这种多线程执行时间和顺序执行时间差不多的效果。

　　对于I/O密集型的python多线程来说，GIL的影响不是很大，因为I/O密集型的python多线程进程，每个线程在等待I/O的时候，将会释放GIL资源，供别的线程来抢占。所以对于I/O密集型的python多线程进程来说，还是能比顺序执行的效率要高的。

　　python的GIL这个东西。。。比较恶心，但是由于CPython解释器中的很多东西都是依赖这个东西开发的，如果改的话，将是一件浩大的工程。。。所以到现在还是存在这个问题，这也是python最为别人所诟病的地方。。。

三，多线程

　　多线程相当于一个并发(concunrrency)系统。并发系统一般同时执行多个任务。如果多个任务可以共享资源，特别是同时

写入某个变量的时候，就需要解决同步的问题，比如多线程火车售票系统：两个指令，一个指令检查票是否卖完，另一个指令，多

个窗口同时卖票，可能出现卖出不存在的票。

　　3.1 python实现多线程

　　python实现多线程有两种方式，分别是直接调用和继承调用，如下实例：

　　直接调用：

import threading
import time


# 定义线程运行函数
def mv():
    print('播放=========')
    time.sleep(2)
    print('ending=======')


# 带参数方式
def play(name):
    print("打游戏======"+name)
    time.sleep(3)
    print("ending======")


if __name__ == '__main__':
    th = threading.Thread(target=mv)
    th2 = threading.Thread(target=play, args=("LOL",))
    th.start()
    th2.start()

　

继承调用：

import threading
import time


class MyThread(threading.Thread):
    def __init__(self, num):
        super(MyThread, self).__init__()
        self.num = num

    def run(self):
        print("play game %s======" % self.num)
        time.sleep(2)
        print("end play")


if __name__ == '__main__':
    mt = MyThread(1)
    mt2 = MyThread(2)
    mt.start()
    mt2.start()　　

　　可以看到直接调用是导入threading模块并定义一个函数，之后实例化threading.Thread类的时候，将刚定义的函数名通过target参数传递进去，然后调用实例的start()方法启动一个线程。

　　而继承式调用是创建一个类继承自threading.Thread类，并在构造方法中调用父类的构造方法，之后重写run方法，run方法中就是每个线程起来之后执行的内容，就类似于前面通过target参数传递进去的函数。之后以这个继承的类来创建对象，并执行对象的start()方法启动一个线程。

　　从这里可以看出，其实。。