Day 41 线程

进程只能在同一个时间干一件事情，如果想同时干两件或者多件事情，进程就无能为力了。

进程在执行过程中如果阻塞，整个进程就会挂起，即使进程中有些工作不依赖于输入的数据，也将无法执行.

一是由于进程是资源的拥有者，创建和撤销和切换存在较大的时空开销，因此需要引入轻型进程，

因此在80年代，出现了能独立运行的基本单位---线程（Threads）

注意：进程是资源分配的最小单位, 线程是CPU 调度的最小单位。

　　　每个进程中至少有一个线程。

线程与进程的区别以下区别4点

1. 地址空间和其他资源；进程间互相独立，同一进程的各线程间共享,某进程内的线程在其他进程不可见.

2 .通信，进程间通信IPC ，线程间可以直接读写进程数据段来进行通信。

3.调度和切换，线程上下文切换比进程上下文切换要快.

4. 在多线程操作系统中，进程不是一个可执行的实体.

在多线程操作系统中，通常是在一个进程中包括多个线程，每个线程都是作为cpu的基本单位，是花费最小开销的实体

线程具有以下属性：

1. 轻型实体 。

线程的实体包括程序，数据和tcb ，线程是动态概念，他的动态特性由线程控制块TCB 描述。

2. 独立调度和分派的基本单位.

3. 共享进程资源.（不需要进行IPC间通信了）

线程在同一进程中的各个线程，都可以共享该进程所有的资源，这表现在所有线程都具有相同的进程ID，这意味着线程可以访问该进程的每一个内存资源.由于同一个进程内的线程共享内存和文件，所以线程之间相互通信不必调用内核.

4 .可并发执行

在一个进程中的多个线程之间，可以并发执行，甚至运行在一个进程中所有线程都能并发执行，同样，不通进程中的线程也能并发执行，充分利用和发挥了处理机与外围并行工作的能力。

不同的进程之间是充满敌意的，彼此是抢占、竞争cpu的关系，如果迅雷会和QQ抢资源。而同一个进程是由一个程序员的程序创建，所以同一进程内的线程是合作关系，一个线程可以访问另外一个线程的内存地址，大家都是共享的。

1. 父进程有多个线程，那么开启的子线程是否需要同样多的线程

2. 在同一个进程中，如果一个线程关闭了文件，而另外一个线程正准备往该文件内写内容呢？

因此，在多线程的代码中，需要更多的心思来设计程序的逻辑、保护程序的数据。

全局解释器锁GIL 

全局解释器锁-GIL 同一时刻只能有一个线程访问CPU.锁的是线程.

python解释器是python语言的问题吗 ？ 

是cpython解释器的特性. 这是python的一个弊病. 也是所有解释型语言的弊端.

　Python代码的执行由Python虚拟机(也叫解释器主循环)来控制。Python在设计之初就考虑到要在主循环中，同时只有一个线程在执行。虽然 Python 解释器中可以“运行”多个线程，但在任意时刻只有一个线程在解释器中运行。
　　对Python虚拟机的访问由全局解释器锁(GIL)来控制，正是这个锁能保证同一时刻只有一个线程在运行。

　　在多线程环境中，Python 虚拟机按以下方式执行：

　　a、设置 GIL；

　　b、切换到一个线程去运行；

　　c、运行指定数量的字节码指令或者线程主动让出控制(可以调用 time.sleep(0))；

　　d、把线程设置为睡眠状态；

　　e、解锁 GIL；

　　d、再次重复以上所有步骤。
　　在调用外部代码(如 C/C++扩展函数)的时候，GIL将会被锁定，直到这个函数结束为止(由于在这期间没有Python的字节码被运行，所以不会做线程切换)编写扩展的程序员可以主动解锁GIL。

　　thread模块不支持守护线程，当主线程退出时，所有的子线程不论它们是否还在工作，都会被强行退出。而threading模块支持守护线程，守护线程一般是一个等待客户请求的服务器，如果没有客户提出请求它就在那等着，如果设定一个线程为守护线程，就表示这个线程是不重要的，在进程退出的时候，不用等待这个线程退出。

线程的创建 Threading.Thread类

一 、创建线程的方式一

from threading import Thread
import time
def sayhi(name):
    time.sleep()
    print('%s say hello' %name)

if __name__ == '__main__':
    t=Thread(target=sayhi,args=('egon',))
    t.start()
    print('主线程')

输出结果：

二、创建线程的方式二

from threading import Thread
import time
class sayhi(Thread):
    def __init__(self,name):
        super().__init__()
        self.name=name
    def run(self):
        time.sleep()
        print('%s say hello' %self.name)

if __name__ =='__main__':
    t =sayhi('egon')
    t.start()
    print('主线程')

输出结果

 多线程与多进程 PID的比较

from threading import Thread
from multiprocessing import  Process
import  os
def work():
    print('hello',os.getpid())

if __name__ == '__main__':
    # part1:在主进程下开启多个线程，每个线程都跟主进程的pid一样.
    t1 =Thread(target=work)
    t2 =Thread(target=work)
    t1.start()
    t2.start()
    print('主线程pid',os.getpid())
    print()
    #part2 开启多个进程，每个进程有不通的pid
    p1 =Process(target=work)
    p2 =Process(target=work)
    p1.start()
    p2.start()
    print("主进程pid",os.getpid())

输出结果：

 开发效率的比较

from threading import Thread
from multiprocessing import Process
import os

def work():
    print('hello')

if __name__ == '__main__':
    #在主进程下开启线程
    t=Thread(target=work)
    t.start()
    print('主线程/主进程')
    '''
    打印结果:
    hello
    主线程/主进程
    '''

    #在主进程下开启子进程
    t=Process(target=work)
    t.start()
    print('主线程/主进程')
    '''
    打印结果:
    主线程/主进程
    hello
    '''

内存数据的共享问题

import os
import time
from threading import Thread
def func(a,b):
    global g
    g =
    print(g,os.getpid())

g =
t_lst = []
for i in range():
    t = Thread(target=func,args=(i,))
    t.start()
    t_lst.append(t)
for t in  t_lst : t.join()
print(g)

输出结果

0 14444
0 14444
0 14444
0 14444
0 14444
0 14444
0 14444
0 14444
0 14444
0 14444
0

进程是最小的内存分配单位

线程是操作系统调度的最小单位

线程被cpu执行了

进程内至少含有一个线程

进程中可以开启多个线程.

开启一个线程锁需要的时间远远小于开启一个进程。

多个线程内部有自己的数据栈，数据不共享。

全局变量在多个线程之间是共享的.

线程守护进程

1 .守护进程随着主进程代码执行的结束而结束.

2.守护线程会在主线程结束之后等待其他子线程结束而结束.

import time
from threading import Thread
def func1():
    while True:
        print('*'*)
        time.sleep()
def func2():
    print('in func2')
    time.sleep()

t = Thread(target=func1,)
t.daemon = True  #守护线程在主线程结束之后会随着其他子线程的结束而结束。
t.start()
t2 = Thread(target=func2,)
t2.start()
t2.join()
print('主线程')

输出结果：

**********
in func2
主线程
**********
**********
**********
**********
**********

Join方法 ：主线程一直等待全部的子线程结束之后，主线程自身才结束，程序退出。

join所完成的工作就是线程同步，即主线程任务结束之后，进入阻塞状态，一直等待其他的子线程执行结束之后，主线程在终止，

import time
from threading import Thread
def func1():
    while True:
        print('*'*)
        time.sleep()
def func2():
    print('in func2')
    time.sleep()

t = Thread(target=func1,)
t.daemon = True
t.start()
t2 = Thread(target=func2,)
t2.start()
t2.join()
print('主线程')

输出结果

D:\PycharmProjects\test\venv\Scripts\python.exe "D:/parcharm/12/Day 30/2.py"
**********
in func2
**********
**********
**********
**********
**********
主线程

　　

线程Lock (互斥锁) 只有一把钥匙

线程的数据是共享的所以，一般我们会上锁，而 进程一般不会上锁锁，因为数据本身是隔离的。

# noodle_lock  = Lock()
# fork_lock = Lock()
# def eat1(name):
#     noodle_lock.acquire()
#     print('%s拿到面条啦'%name)
#     fork_lock.acquire()
#     print('%s拿到叉子了'%name)
#     print('%s吃面'%name)
#     fork_lock.release()
#     noodle_lock.release()
#
# def eat2(name):
#     fork_lock.acquire()
#     print('%s拿到叉子了'%name)
#     time.sleep()
#     noodle_lock.acquire()
#     print('%s拿到面条啦'%name)
#     print('%s吃面'%name)
#     noodle_lock.release()
#     fork_lock.release()
#
# Thread(target=eat1,args=('alex',)).start()
# Thread(target=eat2,args=('Egon',)).start()
# Thread(target=eat1,args=('bossjin',)).start()
# Thread(target=eat2,args=('nezha',)).start()

输出结果 

D:\PycharmProjects\test\venv\Scripts\python.exe "D:/parcharm/12/Day 30/2.py"
alex拿到面条啦
alex拿到叉子了
alex吃面
Egon拿到叉子了
bossjin拿到面条啦

递归锁 RLOCK (递归锁.)解决死锁问题. 

from threading import RLock   # 递归锁
fork_lock = noodle_lock  = RLock()   # 一个钥匙串上的两把钥匙
def eat1(name):
    noodle_lock.acquire()            # 一把钥匙
    print('%s拿到面条啦'%name)
    fork_lock.acquire()
    print('%s拿到叉子了'%name)
    print('%s吃面'%name)
    fork_lock.release()
    noodle_lock.release()

def eat2(name):
    fork_lock.acquire()
    print('%s拿到叉子了'%name)
    time.sleep(1)
    noodle_lock.acquire()
    print('%s拿到面条啦'%name)
    print('%s吃面'%name)
    noodle_lock.release()
    fork_lock.release()

Thread(target=eat1,args=('alex',)).start()
Thread(target=eat2,args=('Egon',)).start()
Thread(target=eat1,args=('bossjin',)).start()
Thread(target=eat2,args=('nezha',)).start()

　　

信号量和事件Event

信号量 ：同一时间允许多个线程访问一段数据。

import time

from threading import Semaphore,Thread
def func(sem,a,b):
    sem.acquire()
    time.sleep()
    print(a+b)
    sem.release()

sem = Semaphore()
for i in range():
    t = Thread(target=func,args=(sem,i,i+))
    t.start()

输出结果：

23
同时输出4个数据。

事件

# 事件被创建的时候
# False状态
# wait() 阻塞
# True状态
# wait() 非阻塞
# clear 设置状态为False
# set 设置状态为True

# 数据库 - 文件夹
# 文件夹里有好多excel表格
# 1.能够更方便的对数据进行增删改查
# 2.安全访问的机制

# 起两个线程
# 第一个线程 : 连接数据库
# 等待一个信号 告诉我我们之间的网络是通的
# 连接数据库
# 第二个线程 : 检测与数据库之间的网络是否连通
# time.sleep(0,2) 2
# 将事件的状态设置为True

import time
import random
from threading import Thread,Event
def connect_db(e):
    count = 0
    while count < 3:
        e.wait(0.5)   # 状态为False的时候,我只等待1s就结束
        if e.is_set() == True:
            print('连接数据库')
            break
        else:
            count += 1
            print('第%s次连接失败'%count)
    else:
        raise TimeoutError('数据库连接超时')

def check_web(e):
    time.sleep(random.randint(0,3))
    e.set()

e = Event()
t1 = Thread(target=connect_db,args=(e,))
t2 = Thread(target=check_web,args=(e,))
t1.start()
t2.start()

　条件condition（更为复杂的锁.）

acquire release  notify wait 四种方法.

一个条件被创建初，默认有一个false

notify 和wait 必须在release 和acquire 之间。

# 条件
from threading import Condition

# 条件
# 锁
# acquire release
# 一个条件被创建之初 默认有一个False状态
# False状态 会影响wait一直处于等待状态
# notify(int数据类型)  造钥匙
from threading import Thread,Condition
def func(con,i):
    con.acquire()
    con.wait() # 等钥匙
    print('在第%s个循环里'%i)
    con.release()
con = Condition()
for i in range(10):
    Thread(target=func,args = (con,i)).start()
while True:
    num = int(input('>>>'))
    con.acquire()
    con.notify(num)  # 造钥匙
    con.release()

　　定时器 Timer）

import time
from threading import Timer
def func():
    print('时间同步')   #1-3

while True:
    t = Timer(5,func).start()   # 非阻塞的
    time.sleep(5)
等待五秒执行func里的代码

　　

Python标准模块--concurrent.futures

import time
from concurrent.futures import ThreadPoolExecutor
def func(n):
    time.sleep(2)
    print(n)
    return n*n

def call_back(m):
    print('结果是 %s'%m.result())

tpool = ThreadPoolExecutor(max_workers=5)   #  默认 不要超过cpu个数*5
for i in  range(20):
    tpool.submit(func,i).add_done_callback(call_back)

# tpool.map(func,range(20))  # 拿不到返回值
# t_lst = []
# for i in  range(20):
#     t = tpool.submit(func,i)
#     t_lst.append(t)
# tpool.shutdown()  # close+join    #
# print('主线程')
# for t in t_lst:print('***',t.result())

# ftp
# 并发编程

　　

队列

Queue

q =queue.Queue() 队列先进先出

import queue

q=queue.Queue()
q.put('first')
q.put('second')
q.put('third')

print(q.get())
print(q.get())
print(q.get())

　　输出结果.

first
second
third

　　

q = queue.LifoQueue() 栈 ，先进后出

import queue

q=queue.LifoQueue()
q.put('first')
q.put('second')
q.put('third')

print(q.get())
print(q.get())
print(q.get())
'''
结果(后进先出):
third
second
first
'''

优先级多列 

q= queue.PriorityQueue()

import queue
q =queue.PriorityQueue()
q.put((20,'a'))
q.put((10,'b'))
q.put((30,'c'))
q.put((-5,'d'))
q.put((1,'?'))
print(q.get())

结果：

D:\PycharmProjects\test\venv\Scripts\python.exe "D:/parcharm/12/Day 30/2.py"
(-5, 'd')