python--(十步代码学会线程)

python--(十步代码学会线程)

一.线程的创建

Thread实例对象的方法
    # isAlive(): 返回线程是否活动的.
    # getname(): 返回线程名.
    # setName(): 设置线程名.

threading模块提供的一些方法:
   # threading.currentThread(): 返回当前的线程变量。
  # threading.enumerate(): 返回一个包含正在运行的线程的list。正在运行指线程启动后、结束前，不包括启动前和终止后的线程。
  # threading.activeCount(): 返回正在运行的线程数量，与len(threading.enumerate())有相同的结果

from threading import Thread
from multiprocessing import Process

#第一种方法
def func(n):
    print(n)
if __name__ == '__main__':

    t = Thread(target=func, args=("我是线程",))
    t.start()
    # p = Process(target=func, args=("我是进程",))
    # p.start()
    print("主进程结束.")

#第二种方法
class MyThread(Thread):
    def run(self):
        print("辉哥牛逼")
if __name__ == "__main__":
    t = MyThread()
    t.start()
    print("主线程结束")

线程的两种创建方式

import time
from threading import Thread
from multiprocessing import Process
def func(n):
    num = 0
    for n1 in range(n):
        num += n1
    print("num",num)
if __name__ == '__main__':
    t_s_t = time.time()
    t_list = []
    for i in range(10):
        t = Thread(target=func, args=(10,))
        t.start()       #速度特别快
        t_list.append(t)
    [tt.join() for tt in t_list]
    t_e_t = time.time()
    t_dif_t = t_s_t - t_e_t     #获取了线程的执行时间

    p_s_t = time.time()
    p_list = []
    for ii in range(10):
        p = Process(target=func, args=(10,))
        p.start()   #速度非常快
        p_list.append(p)
    [pp.join() for pp in p_list]
    p_e_t = time.time() #结束时间
    p_dif_t = p_e_t - p_s_t #获取进程执行时间

    print('线程>>>>', t_dif_t)
    print('进程....', p_dif_t)
    print('主线程结束')

线程和进程的效率对比

线程的其他方法

# 线程的一些其他方法
# from threading import Thread
# import threading
# import time
# from multiprocessing import Process
# import os
#
# def work():
#     import time
#     time.sleep(1)
#     print(threading.current_thread().getName()) #Thread-1
#     print(threading.current_thread())   #Thtrad-1
#
# if __name__ == '__main__':
#     #在主进程下开启线程
#     t = Thread(target=work)
#     t.start()
#
#     # print(threading.current_thread()) #主线程对象
#     # print(threading.current_thread().getName()) #主线程名称
#     # print(threading.current_thread().ident) #主线程ID
#     # print(threading.get_ident()) #主线程ID
#
#     time.sleep(3)
#     print(threading.enumerate()) #连同主线程在内有两个运行的线程
#     print(threading.active_count()) #进程数
#     print("主线程/主进程")

二.数据共享

from threading import Thread
from multiprocessing import Process

num = 100
def func():
    global num
    num = 0
if __name__ == '__main__':
    t = Thread(target=func,)
    t.start()
    t.join()
    print(num)

    # p = Process(target=func,)
    # p.start()
    # p.join()
    # print(num)

线程的数据是共享的

mport time
from threading import Thread,Lock

#演示共享资源的时候,数据不安全的问题
# num = 100
# def func():
#     global num
#     num -= 1
#     mid = num
#     mid = mid - 1
#     time.sleep(0.00001)
#     num = mid
# if __name__ == '__main__':
#     t_list = []
#     for i in range(10):
#         t = Thread(target=func,)
#         t.start()
#         t_list.append(t)
#     [tt.join() for tt in t_list]
#     print("主进程>>>>", num)

#通过锁来解决数据不安全的问题,线程模块里面引入的锁
num = 100
def func(t_lock):
    global num
    t_lock.acquire()
    mid = num
    mid = mid - 1
    time.sleep(0.0001)
    num = mid
    t_lock.release()
if __name__ == '__main__':
    t_lock = Lock() #锁对象(同步锁,互斥锁)
    t_list = []
    for i in range(10):
        t = Thread(target=func,args=(t_lock,))
        t.start()
        t_list.append(t)
    [tt.join() for tt in t_list]
    print("主进程>>>>",num)

线程共享资源不安全,加锁解决

三.守护进程

守护进程 :

主进程代码结束程序并没有结束,并且主进程还存在,进程等待其他的子进程执行结束以后,为子进程收尸,注意一个问题:主进程的代码运行结束守护进程跟着结束,

守护线程:

主线程等待所有非守护线程的结束才结束,主线程的代码运行结束,还要等待非守护线程的执行完毕.这个过程中守护线程还存在

 import time
 from threading  import Thread
 from multiprocessing import Process
 def func1(n):
     time.sleep(5)
     print(n)
 def func2(n):
     time.sleep(3)
     print(n)
 if __name__ == '__main__':
     # p1 = Process(target=func1,args=("我是子进程1号",))
     #     #设置守护进程,在start之前加
     # p1.start()
     # p2 = Process(target=func2,args=("我是子进程2号",))
     # p2.daemon = True
     # p2.start()
     # print("子进程结束")

线程与进程守护进程对比

四.死锁现象

锁(同步锁\互斥锁):　　保证数据安全,但是牺牲了效率,同步执行锁内的代码

死锁现象 : 　　互相抢到了对方的需要的锁,导致双方相互等待,程序没法进行

解决死锁:　　递归锁,RLock   #可以多次acquire,通过一个计数器来记录被锁了多少次,只有计数器为0的时候,大 家才能继续抢锁

import time
from threading import Thread,Lock

class MyThread(Thread):

    def __init__(self,lockA,lockB):
        super().__init__()
        self.lockA = lockA
        self.lockB = lockB

    def run(self):
        self.f1()
        self.f2()
    def f1(self):

        self.lockA.acquire()
        print('我拿了A锁')

        self.lockB.acquire()
        print('我是一个很好的客户!')
        self.lockB.release()

        self.lockA.release()

    def f2(self):
        self.lockB.acquire()
        time.sleep(0.1)
        print('我拿到了B锁')
        self.lockA.acquire()
        print('我是一名合格的技师')
        self.lockA.release()

        self.lockB.release()

if __name__ == '__main__':
    lockA = Lock()
    lockB = Lock()

    t1 = MyThread(lockA,lockB)
    t1.start()

    t2 = MyThread(lockA,lockB)
    t2.start()

    print('我是经理')

死锁现象

import time
from threading import Thread,Lock,RLock  #递归锁

class MyThread(Thread):

    def __init__(self,lockA,lockB):
        super().__init__()
        self.lockA = lockA
        self.lockB = lockB

    def run(self):
        self.f1()
        self.f2()
    def f1(self):

        self.lockA.acquire()
        print('我拿了A锁')

        self.lockB.acquire()
        print('我是一个很好的客户!')
        self.lockB.release()

        self.lockA.release()

    def f2(self):
        self.lockB.acquire()
        time.sleep(0.1)
        print('我拿到了B锁')
        self.lockA.acquire()
        print('我是一名合格的技师')
        self.lockA.release()

        self.lockB.release()

if __name__ == '__main__':
    # lockA = Lock()
    # lockB = Lock()
    # lockA = lockB = Lock() #不要这么写,别自己玩自己,锁自己
    lockA = lockB = RLock()

    t1 = MyThread(lockA,lockB)
    t1.start()

    t2 = MyThread(lockA,lockB)
    t2.start()

    print('我是经理')

解决死锁线程方法

五.信号量

信号量:　　控制同时能够进入锁内去执行代码的线程数量(进程数量),维护了一个计数器,刚开始创建信号量的时候假如设置的是4个房间,进入一次acquire就减1 ,出来一个就+1,如果计数器为0,那么其他的任务等待,这样其他的任务和正在执行的任务是一个同步的状态,而进入acquire里面去执行的那4个任务是异步执行的.

import time
from threading import Thread, Semaphore

def func1(s):
    s.acquire()
    time.sleep(1)
    print('大宝剑!!!')
    s.release()

if __name__ == '__main__':
    s = Semaphore(4)
    for i in range(10):
        t = Thread(target=func1,args=(s,))
        t.start()

信号量

六.事件

# # 事件
# from threading import Thread,Event
# e = Event() #e的状态有两种,False Ture,当事件对象的状态为False的时候,wait的位置会阻塞
#
# e.set() #将事件对象的状态改为Ture
# e.clear() #将事件对象的状态改为False
# print("在这里等待")
# e.wait() #阻塞
# print("还没好")

七.队列

mport queue

#先进先出 FIFO
# q=queue.Queue()
# q.put('first')
# q.put('second')
# q.put('third')
# # q.put_nowait() #没有数据就报错，可以通过try来搞
# print(q.get())
# print(q.get())
# print(q.get())
# # q.get_nowait() #没有数据就报错，可以通过try来搞

# '''
# first
# second
# third
# '''

# 先进后出
# import queue

# q = queue.LifoQueue() #队列类似于栈,先进后出的顺序
# q.put('first')
# q.put('second')
# q.put('third')
# q.put_nowait()

# print(q.get())
# print(q.get())
# print(q.get())
# # q.get_nowait()    #没有数据就报错

# '''
# third
# second
# first
# '''

# # 优先级队列
# import queue
# q = queue.PriorityQueue()
# #put进入一个元祖,元祖的第一个元素是优先级(通常是数字,也可以是非数字之间的比较,数字越小优先级越高
# q.put((-10,"a"))
# q.put((-5,"a")) #负数也可以
#
# # q.put((20,'b')) #如果第一个参数数字的优先级一样,那么按照后面的字符串acsii来排序
# # q.put((20,'c'))
#
# # q.put((20,{'a':11})) #TypeError: unorderable types: dict() < dict() 不能是字典
# # q.put((20,('w',1)))  #优先级相同的两个数据，他们后面的值必须是相同的数据类型才能比较，可以是元祖，也是通过元素的ascii码顺序来排序
#
# print(q.get())
# print(q.get())
# """结果:数字越小优先级越高,优先级高的优先出队"""

八.线程池

concurrent.futures模块提供了高度封装的异步调用接口
ThreadPoolExecutor：线程池，提供异步调用
ProcessPoolExecutor: 进程池，提供异步调用
Both implement the same interface, which is defined by the abstract Executor class.

#2 基本方法
#submit(fn, *args, **kwargs)
异步提交任务

#map(func, *iterables, timeout=None, chunksize=1)
取代for循环submit的操作

#shutdown(wait=True)
相当于进程池的pool.close()+pool.join()操作
wait=True，等待池内所有任务执行完毕回收完资源后才继续
wait=False，立即返回，并不会等待池内的任务执行完毕
但不管wait参数为何值，整个程序都会等到所有任务执行完毕
submit和map必须在shutdown之前

#result(timeout=None)
取得结果

#add_done_callback(fn)
回调函数

# 线程池
# import time
# from concurrent.futures import ThreadPoolExecutor,ProcessPoolExecutor
# #ProcessPoolExecutor 进程池
# from threading import current_thread
#
# def func(n):
#     time.sleep(1)
#     # print(n,current_thread().ident)
#     return n**2
# if __name__ == '__main__':
#     t_p = ThreadPoolExecutor(max_workers = 4)
#     map_res = t_p.map(func,range(10))   #异步执行的,map自带join功能
#     print(map_res)
#     print([i for i in map_res])

线程池的一些其他方法

# 线程池的一些其他方法
# import time
# from concurrent.futures import ThreadPoolExecutor,ProcessPoolExecutor
# from threading import current_thread
# def func(n):
#     time.sleep(1)
#     #print(n,current_thread().ident)
#     return n**2
# def func2(n):
#     print(n)
# if __name__ == '__main__':
#     t_p = ThreadPoolExecutor(max_workers=4)
#     t_p_list = []
#     for i in range(10):
#         res_obj = t_p.submit(func, i) #异步提交了这10个任务
#         # res_obj.result()    #他和get一样
#         t_p_list.append(res_obj)
#     t_p.shutdown()  #close + join 等待全部完成之后关闭子线程,防止后面数据进入
#     # print('t_res_list',t_p_list)
#     for e_res in t_p_list:
#         print(e_res.result())

九.回调函数

rom concurrent.futures import ThreadPoolExecutor
from threading import current_thread

def func(n):
    time.sleep(1)
    print(n**2)
    # print(n,current_thread().getName())
    # return n**2
def func2(n):
    # print("current_thread>>>>",current_thread().getName())
    print(n.result())  #result() 相当于 get()
if __name__ == '__main__':
    t_p = ThreadPoolExecutor(max_workers=1)
    for i in range(3):
        t_p.submit(func, i).add_done_callback(func2)

    print('主进程结束')

十.GIL锁

#保证数据安全,锁的是整个线程,每次只能有一个线程使用cpu,是CPython解释器的特性