线程
threading
| threading模块对象 | 描述 |
|---|---|
| Thread | 表示一个线程的执行对象 |
| Lock | 锁原语对象 |
| RLock | 可重入锁对象，使单线程可再次获得已经获得了的锁（递归锁定） |
| Condition | 条件变量能让一个钱程停下来，等待其它线程满足了某个“条件”，如状态的改变或值的改变 |
| Event | 通用的条件变量。多个线程可以等待某个事件的发生，在事件发生后，所有的线程都会被激活 |
| Semaphore | 为等待锁的线程提供了一个类似“等候室”的结构 |
| BoundedSemaphore | 与Semaphore类似，只是它不允许超过初始值 |
| Timer | 写Thread类似，只是它要等待一段时间后才开始运行 |
Threading用于提供线程相关的操作，线程是应用程序中工作的最小单元。
#!/usr/bin/env python3
import threading
import time
def show(arg):
time.sleep(1)
print('thread'+str(arg))
for i in range(10):
t = threading.Thread(target=show, args=(i,))
t.start()
print('main thread stop')
上述代码创建了10个“前台”线程，然后控制器就交给了CPU，CPU根据指定算法进行调度，分片执行指令。
threading模块中Thread类的方法：
| 函数 | 描述 |
|---|---|
| start() | 开始线程的执行 |
| run() | 定义线程的功能函数（一般会被子类重写） |
| join(timeout=None) | 程序挂起，直到线程结束，如果给了timeout，则最多阻塞timeout秒 |
| getName() | 返回线程的名字 |
| setName() | 设置线程的名字 |
| isAlive() | 布尔标志，表示这个线程是否在运行中 |
| isDaemon() | 返回线程的daemon标志 |
| setDaemon() | 把线程的标志设置为daemonic(一定要在start()函数前调用) |
用Thread类，你可以用多种方法来创建线程。
- 创建一个Thread类的实例，传给它一个函数；
- 创建一个Thread类的实例，传递给它一个可调用的类对象；
- 从Thread派生出一个子类，创建这个子类的实例。
上面那一段代码用的是第一种方法，下面用第三种方法来创建线程
自定义线程类：
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,执行start()方法的时候这个函数会自动执行
:return: None
"""
print("running on number:%s" % self.num)
time.sleep(3)
if __name__ == '__main__':
t1 = MyThread(1)
t2 = MyThread(2)
t1.start()
t2.start()
线程锁（LOCK，RLOCK）
由于线程之间是进行随机调度，并且每个线程可能只执行n条之后，当多个线程同时修改同一条数据时可能会出现脏数据，所以，出现了线程锁 - 同一时刻允许一个线程执行操作。
未使用锁：
import threading
import time
NUM = 0
def func():
global NUM
time.sleep(1)
NUM += 1
print(NUM)
for i in range(10):
t = threading.Thread(target=func, args=())
t.start()
print('主线程结束')
使用锁：
import threading
import time
NUM = 0
lock = threading.RLock()
def func():
lock.acquire()
global NUM
NUM += 1
time.sleep(1)
print(NUM)
lock.release()
for i in range(10):
t = threading.Thread(target=func)
t.start()
条件（Condition）
使得线程等待，只有满足某条件时，才释放n个线程
import threading
def run(n):
con.acquire()
con.wait()
print("run the thread: %s" % n)
con.release()
if __name__ == '__main__':
con = threading.Condition()
for i in range(10):
t = threading.Thread(target=run, args=(i,))
t.start()
while True:
num = input('>')
if num == 'q':
break
con.acquire()
con.notify(int(num))
con.release()
事件（Event）
Python线程的事件用于主线程控制其他线程的执行，事件主要提供了三个方法 set、wait、clear。
事件处理的机制：全局定义了一个“Flag”，如果“Flag”值为 False，那么当程序执行 event.wait 方法时就会阻塞，如果“Flag”值为True，那么event.wait()方法时便不再阻塞。
- clear：将“Flag”设置为False
- set：将“Flag”设置为True
import threading
def do(event):
print('start')
event.wait()
print('execute')
event_obj = threading.Event()
for i in range(10):
t = threading.Thread(target=do, args=(event_obj,))
t.start()
event_obj.clear()
var = input('请输入:')
if var == 'true':
event_obj.set()
信号量（BoundedSemaphore）
互斥锁 同时只允许一个线程更改数据，而BoundedSemaphore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)
semaphore.release()
if __name__ == '__main__':
num = 0
# 最多允许5个线程同时运行
semaphore = threading.BoundedSemaphore(5)
for i in range(20):
t = threading.Thread(target=run, args=(i,))
t.start()
定时器（Timer）
定时器，指定n秒后执行某操作
from threading import Timer
def func():
print("hello, world")
# 一秒之后执行func函数
t = Timer(1, func)
t.start()
进程
Process类中的方法和Thread中的方法名一致
先来一个例子：
from multiprocessing import Process
import threading
import time
def foo(num):
print('say hi', num)
for i in range(10):
p = Process(target=foo,args=(i,))
p.start()
进程间的数据共享
先来一个例子证明各个进程之前是无法共享数据的
from multiprocessing import Process
li = []
def foo(num):
li.append(num)
print('say hi', li)
if __name__ == '__main__':
for i in range(10):
p = Process(target=foo, args=(i,))
p.start()
print('ending', li)
进程间的数据共享之Array
此数组类似于C语言中的链表，数组中的类型对应表，和C语言的数据类型一致
'c': ctypes.c_char, 'u': ctypes.c_wchar,
'b': ctypes.c_byte, 'B': ctypes.c_ubyte,
'h': ctypes.c_short, 'H': ctypes.c_ushort,
'i': ctypes.c_int, 'I': ctypes.c_uint,
'l': ctypes.c_long, 'L': ctypes.c_ulong,
'f': ctypes.c_float, 'd': ctypes.c_double
from multiprocessing import Process
from multiprocessing import Array
def func(num, arg):
arg[num] = num + 100
for item in arg:
print(item)
print('================')
if __name__ == "__main__":
li = Array('i', 10)
for i in range(10):
p = Process(target=func, args=(i, li,))
p.start()
进程之间数据共享之dict
from multiprocessing import Process, Manager
def func(num, arg):
arg[num] = 100 + num
print(arg.values())
if __name__ == '__main__':
manage = Manager()
dic = manage.dict()
for i in range(2):
p = Process(target=func, args=(i, dic))
p.start()
p.join()
进程锁
from multiprocessing import Process, Array, RLock
def func(l, tmp, num):
"""
将第0个数加100
"""
l.acquire()
tmp[0] = 100 + num
for item in tmp:
print(num, '----->', item)
l.release()
if __name__ == '__main__':
lock = RLock()
temp = Array('i', [11, 22, 33, 44])
for i in range(20):
p = Process(target=func, args=(lock, temp, i,))
p.start()
进程池
进程池内部维护一个进程序列，当使用时，则去进程池中获取一个进程，如果进程池序列中没有可供使用的进进程，那么程序就会等待，直到进程池中有可用进程为止。
进程池中有两个方法：
- apply
- apply_async
from multiprocessing import Pool
import time
def foo(num):
time.sleep(2)
return num + 100
def bar(arg):
print(arg)
# print pool.apply(Foo,(1,))
# print pool.apply_async(func =Foo, args=(1,)).get()
if __name__ == '__main__':
pool = Pool(5)
for i in range(10):
pool.apply_async(func=foo, args=(i,), callback=bar)
print('end')
pool.close()
# 进程池中进程执行完毕后再关闭，如果注释，那么程序直接关闭。
pool.join()
协程
线程和进程的操作是由程序触发系统接口，最后的执行者是系统；协程的操作则是程序员。
协程存在的意义：对于多线程应用，CPU通过切片的方式来切换线程间的执行，线程切换时需要耗时（保存状态，下次继续）。协程，则只使用一个线程，在一个线程中规定某个代码块执行顺序。
协程的适用场景：当程序中存在大量不需要CPU的操作时（IO），适用于协程；
from greenlet import greenlet
def test1():
print(12)
gr2.switch()
print(34)
gr2.switch()
def test2():
print(56)
gr1.switch()
print(78)
gr1 = greenlet(test1)
gr2 = greenlet(test2)
gr1.switch()
import gevent
def foo():
print('Running in foo')
gevent.sleep(0)
print('Explicit context switch to foo again')
def bar():
print('Explicit context to bar')
gevent.sleep(0)
print('Implicit context switch back to bar')
gevent.joinall([
gevent.spawn(foo),
gevent.spawn(bar),
])
遇到IO操作自动切换:
from gevent import monkey; monkey.patch_all()
import gevent
import requests
def f(url):
print('GET: %s' % url)
resp = requests.get(url)
data = resp.text
print('%d bytes received from %s.' % (len(data), url))
gevent.joinall([
gevent.spawn(f, 'https://www.python.org/'),
gevent.spawn(f, 'https://www.yahoo.com/'),
gevent.spawn(f, 'https://github.com/'),
])