Python 进程

安装Python的paramiko模块

步骤：

1：管理员方式打开cmd,切换到python安装路径的Scripts目录下:

2：执行命令：

1	pip3.5.exe install paramiko

3.安装过程中可能会报错：

执行以下命令更新下pip，然后继续第一步安装就哦了

线程

1.什么是线程

线程是操作系统能够进行运算调度的最小单位。它被包含在进程之中，是进程中的实际运作单位。一条线程指的是进程中一个单一顺序的控制流，一个进程中可以并发多个线程，每条线程并行执行不同的任务。

2.python GIL全局解释器锁（仅需了解）

无论你启多少个线程，你有多少个cpu, Python在执行的时候会淡定的在同一时刻只允许一个线程运行

首先需要明确的一点是GIL并不是Python的特性，它是在实现Python解析器(CPython)时所引入的一个概念。就好比C++是一套语言（语法）标准，但是可以用不同的编译器来编译成可执行代码。有名的编译器例如GCC，INTEL C++，Visual C++等。Python也一样，同样一段代码可以通过CPython，PyPy，Psyco等不同的Python执行环境来执行。像其中的JPython就没有GIL。然而因为CPython是大部分环境下默认的Python执行环境。所以在很多人的概念里CPython就是Python，也就想当然的把GIL归结为Python语言的缺陷。所以这里要先明确一点：GIL并不是Python的特性，Python完全可以不依赖于GIL

这篇文章透彻的剖析了GIL对python多线程的影响，强烈推荐看一下：http://www.dabeaz.com/python/UnderstandingGIL.pdf

3.python threading模块

threading模块建立在_thread 模块之上。thread模块以低级、原始的方式来处理和控制线程，而threading 模块通过对thread 进行二次封装，提供了更方便的 api来处理线程。

1	pip install --upgrade pip

4：验证安装是否成功:打开cmd,进入python模式，输入import paramiko;无报错则代表成功；

1.直接调用

import threading
import time

def sayhi(num): #定义每个线程要运行的函数

    print("running on number:%s" %num)

    time.sleep(3)

if __name__ == '__main__':

    t1 = threading.Thread(target=sayhi,args=(1,)) #生成一个线程实例
    t2 = threading.Thread(target=sayhi,args=(2,)) #生成另一个线程实例

    t1.start() #启动线程
    t2.start() #启动另一个线程

    print(t1.getName()) #获取线程名
    print(t2.getName())

2.继承调用

import threading
import time

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

    def run(self):#定义每个线程要运行的函数

        print("running on number:%s" %self.num)

        time.sleep(3)

if __name__ == '__main__':

    t1 = MyThread(1)
    t2 = MyThread(2)
    t1.start()
    t2.start()

　　

Python通过两个标准库thread和threading提供对线程的支持。thread提供了低级别的、原始的线程以及一个简单的锁。

thread 模块提供的其他方法：

• 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。

除了使用方法外，线程模块同样提供了Thread类来处理线程，Thread类提供了以下方法:

• run(): 用以表示线程活动的方法。
• start():启动线程活动。
• join([time]): 等待至线程中止。这阻塞调用线程直至线程的join() 方法被调用中止-正常退出或者抛出未处理的异常-或者是可选的超时发生。
• isAlive(): 返回线程是否活动的。
• getName(): 返回线程名。
• setName(): 设置线程名。

Join & Daemon

join 等待线程执行完后，其他线程再继续执行

import  threading,time

def run(n,sleep_time):
    print("test...",n)
    time.sleep(sleep_time)
    print("test...done", n)
if __name__ == '__main__':

    t1 = threading.Thread(target=run,args=("t1",2))
    t2 = threading.Thread(target=run,args=("t2",3))

    # 两个同时执行，然后等待t1执行完成后，主线程和子线程再开始执行
    t1.start()
    t2.start()
    t1.join()   # 等待t1

    print("main thread")

# 程序输出
# test... t1
# test... t2
# test...done t1
# main thread
# test...done t2

Daemon 守护进程

t.setDaemon() 设置为后台线程或前台线程（默认：False）;通过一个布尔值设置线程是否为守护线程，必须在执行start()方法之后才可以使用。如果是后台线程，主线程执行过程中，后台线程也在进行，主线程执行完毕后，后台线程不论成功与否，均停止；如果是前台线程，主线程执行过程中，前台线程也在进行，主线程执行完毕后，等待前台线程也执行完成后，程序停止

import threading,time

def run(n):
    print('[%s]------running----\n' % n)
    time.sleep(2)
    print('--done--')

def main():
    for i in range(5):
        t = threading.Thread(target=run, args=[i, ])
        t.start()
        t.join(1)
        print('starting thread', t.getName())

m = threading.Thread(target=main, args=[])
m.setDaemon(True)  # 将main线程设置为Daemon线程,它做为程序主线程的守护线程,当主线程退出时,
                    # m线程也会退出,由m启动的其它子线程会同时退出,不管是否执行完任务
m.start()
m.join(timeout=2)
print("---main thread done----")

# 程序输出
# [0]------running----
# starting thread Thread-2
# [1]------running----
# --done--
# ---main thread done----

5.线程锁（互斥锁Mutex）

我们使用线程对数据进行操作的时候，如果多个线程同时修改某个数据，可能会出现不可预料的结果，为了保证数据的准确性，引入了锁的概念。

例：假设列表A的所有元素就为0，当一个线程从前向后打印列表的所有元素，另外一个线程则从后向前修改列表的元素为1,那么输出的时候，列表的元素就会一部分为0，一部分为1,这就导致了数据的不一致。锁的出现解决了这个问题。

 import time
 import threading

 def addNum():
     global num  # 在每个线程中都获取这个全局变量
     print('--get num:', num)
     time.sleep(1)
     num -= 1  # 对此公共变量进行-1操作

 num = 100  # 设定一个共享变量
 thread_list = []
 for i in range(100):
     t = threading.Thread(target=addNum)
     t.start()
     thread_list.append(t)

 for t in thread_list:  # 等待所有线程执行完毕
     t.join()

 print('final num:', num)

不加锁

 import time
 import threading

 def addNum():
     global num  # 在每个线程中都获取这个全局变量
     print('--get num:', num)
     time.sleep(1)
     lock.acquire()  # 修改数据前加锁
     num -= 1  # 对此公共变量进行-1操作
     lock.release()  # 修改后释放

 num = 100  # 设定一个共享变量
 thread_list = []
 lock = threading.Lock()  # 生成全局锁
 for i in range(100):
     t = threading.Thread(target=addNum)
     t.start()
     thread_list.append(t)

 for t in thread_list:  # 等待所有线程执行完毕
     t.join()

 print('final num:', num)

加锁

GIL VS LOCK

机智的同学可能会问到这个问题，就是既然你之前说过了，Python已经有一个GIL来保证同一时间只能有一个线程来执行了，为什么这里还需要lock? 注意啦，这里的lock是用户级的lock,跟那个GIL没关系 ，具体我们通过下图来看一下+配合我现场讲给大家，就明白了。

递归锁

说白了就是在一个大锁中还要再包含子锁

 import threading, time

 def run1():
     print("grab the first part data")
     lock.acquire()
     global num
     num += 1
     lock.release()
     return num

 def run2():
     print("grab the second part data")
     lock.acquire()
     global num2
     num2 += 1
     lock.release()
     return num2

 def run3():
     lock.acquire()
     res = run1()
     print('--------between run1 and run2-----')
     res2 = run2()
     lock.release()
     print(res, res2)

 if __name__ == '__main__':

     num, num2 = 0, 0
     lock = threading.RLock()
     for i in range(10):
         t = threading.Thread(target=run3)
         t.start()

 while threading.active_count() != 1:
     print(threading.active_count())
 else:
     print('----all threads done---')
     print(num, num2)

threading.RLock和threading.Lock 的区别：

RLock允许在同一线程中被多次acquire。而Lock却不允许这种情况。 如果使用RLock，那么acquire和release必须成对出现，即调用了n次acquire，必须调用n次的release才能真正释放所占用的琐。

import threading
lock = threading.Lock()    #Lock对象
lock.acquire()
lock.acquire()  #产生了死琐。
lock.release()
lock.release()

import threading
rLock = threading.RLock()  #RLock对象
rLock.acquire()
rLock.acquire()    #在同一线程内，程序不会堵塞。
rLock.release()
rLock.release()

信号量

互斥锁同时只允许一个线程更改数据，而Semaphore是同时允许一定数量的线程更改数据，比如厕所有3个坑，那最多只允许3个人上厕所，后面的人只能等里面有人出来了才能再进去。

 import threading,time

 def run(n):
     semaphore.acquire()
     time.sleep(1)
     print("run the thread: %s\n" %n)
     semaphore.release()

 if __name__ == '__main__':

     num= 0
     semaphore  = threading.BoundedSemaphore(5) #最多允许5个线程同时运行
     for i in range(20):
         t = threading.Thread(target=run,args=(i,))
         t.start()

 while threading.active_count() != 1:
     pass #print threading.active_count()
 else:
     print('----all threads done---')
     print(num)

event

Event是线程间通信最间的机制之一：一个线程发送一个event信号，其他的线程则等待这个信号。用于主线程控制其他线程的执行。 Events 管理一个flag，这个flag可以使用set()设置成True或者使用clear()重置为False，wait()则用于阻塞，在flag为True之前。flag默认为False。

• Event.wait([timeout]) ：堵塞线程，直到Event对象内部标识位被设为True或超时（如果提供了参数timeout）。
• Event.set() ：将标识位设为Ture
• Event.clear() ：将标识伴设为False。
• Event.isSet() ：判断标识位是否为Ture。

当线程执行的时候，如果flag为False，则线程会阻塞，当flag为True的时候，线程不会阻塞。它提供了本地和远程的并发性。

 import threading,time
 import random
 def light():
     if not event.isSet():
         event.set() #wait就不阻塞 #绿灯状态
     count = 0
     while True:
         if count < 10:
             print('\033[42;1m--green light on---\033[0m')
         elif count <13:
             print('\033[43;1m--yellow light on---\033[0m')
         elif count <20:
             if event.isSet():
                 event.clear()
             print('\033[41;1m--red light on---\033[0m')
         else:
             count = 0
             event.set() #打开绿灯
         time.sleep(1)
         count +=1
 def car(n):
     while 1:
         time.sleep(random.randrange(10))
         if  event.isSet(): #绿灯
             print("car [%s] is running.." % n)
         else:
             print("car [%s] is waiting for the red light.." %n)
 if __name__ == '__main__':
     event = threading.Event()
     Light = threading.Thread(target=light)
     Light.start()
     for i in range(3):
         t = threading.Thread(target=car,args=(i,))
         t.start()

队列

Python的Queue模块中提供了同步的、线程安全的队列类，包括FIFO（先入先出)队列Queue，LIFO（后入先出）队列LifoQueue，和优先级队列PriorityQueue。这些队列都实现了锁原语，能够在多线程中直接使用。可以使用队列来实现线程间的同步。

一些常用方法：

• task_done()

意味着之前入队的一个任务已经完成。每一个get()调用得到一个任务，接下来的task_done()调用告诉队列该任务已经处理完毕。

如果当前一个join()正在阻塞，它将在队列中的所有任务都处理完时恢复执行（即每一个由put()调用入队的任务都有一个对应的task_done()调用）。

• join()

阻塞调用线程，直到队列中的所有任务被处理掉。

只要有数据被加入队列，未完成的任务数就会增加。当线程调用task_done()（意味着有线程取得任务并完成任务），未完成的任务数就会减少。当未完成的任务数降到0，join()解除阻塞。

• put(item[, block[, timeout]])

将item放入队列中。

1. 如果可选的参数block为True且timeout为空对象（默认的情况，阻塞调用，无超时）。

2. 如果timeout是个正整数，阻塞调用进程最多timeout秒，如果一直无空空间可用，抛出Full异常（带超时的阻塞调用）。

3. 如果block为False，如果有空闲空间可用将数据放入队列，否则立即抛出Full异常

其非阻塞版本为put_nowait等同于put(item, False)

• get([block[, timeout]])

从队列中移除并返回一个数据。block跟timeout参数同put方法

其非阻塞方法为｀get_nowait()｀相当与get(False)

• empty()

如果队列为空，返回True,反之返回False

 import queue
 q = queue.Queue()
 for i in range(5):
     q.put(i)
 while not q.empty():
     print(q.get())

 #输出结果
 #
 #
 #
 #
 #

先入先出

 import queue
 q = queue.LifoQueue()
 for i in range(5):
     q.put(i)
 while not q.empty():
     print(q.get())
 #输出结果
 #
 #
 #
 #
 #

先入后出

 import queue

 q = queue.PriorityQueue()

 q.put((-1,"aa"))
 q.put((3,"dd"))
 q.put((10,"alex"))
 q.put((6,"ww"))

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

 #输出结果
 #(-1, 'aa')
 #(3, 'dd')
 #(6, 'ww')
 #(10, 'alex')

优先级