一，回顾操作系统的概念
操作系统位于底层硬件与应用软件之间的一层
工作方式：向下管理软件，向上提供接口
二，进程线程的概念
进程是一个资源单位，线程是一个最小的执行单位
一个线程只能属于一个进程，而一个进程可以有多个线程，但至少有一个线程
三，并行与并发
并行：
就是有多个进程可以同时运行的叫做并行并发： 就是在一个处理器的情况下，切换执行，叫做并发python无法实现并行处理，因为全局解释器锁gil导致同一时刻同一进程只能有一个线程被运行。 GIL全局解释器锁 但是不影响Python开多进程多线程代码示例import threadingimport time'''程序在运行是有一个主线程，当程序开启多线程的时候，主线程依旧会执行，主线程执行到最后时，并没有结束，而是在等待子线程的结束后主线程结束'''def misc(): print("听歌") time.sleep(3) print("听歌结束")def xieboke(): print("写博客") time.sleep(5) print("写博客结束")#开启线程t1=threading.Thread(target=misc)#t1,t2是一个线程对象t2=threading.Thread(target=xieboke)t1.start()t2.start()print("主线程") #开启多线程的另一种方式
import threadingimport timeclass MyThread(threading.Thread): ''' 用类的继承，继承线程的方法开启线程 ''' def __init__(self,num): ''' 继承父类的__init__方法 ''' threading.Thread.__init__(self) self.num=num def run(self): print("running on mythread:%s"%self.num) time.sleep(3) print("end%s"%self.num)t1=MyThread(10)t2=MyThread(20)t1.start()t2.start()print("主线程") jion的使用 t.jion方法会阻塞主进程的运行,但不会影响其他线程的运行setDaemon方法 -守护线程 当某个线程设置为守护线程的时候，它会随着主线程的结束而结束 t.setDaemon(True) 线程对象下的几个方法： -isAlive（）检测线程是否活动，返回值是布尔值 -getName():返回线程名 -setName():设置线程名称 threading模块提供的一些方法： threading.currentTread():返回当前线程变量 threading.enumerate():返回一个包含正在运行的线程的list。 threading.activeCount():返回正在运行的线程数量 Python对于计算密集型运行比较慢，效率低；对于IO密集型效率有明显提高Python多线程 互斥锁： 互斥锁的意义就是在保护锁内代码同一时间只有一个线程在使用 直到代码执行完成，解锁后其他线程才能执行所内代码。 使用格式： -lock=threading.Lock()创建一把锁的对象 lock.acquire()#加锁 ....需要保护的执行语句 lock.release()#解锁 死锁与递归锁 代码示例：
import threading import time muteA=threading.Lock() muteB=threading.Lock() class MyThread(threading.Thread): def __init__(self): threading.Thread.__init__(self) def run(self): self.func1() self.func2() def func1(self): muteA.acquire() print("锁A执行内容",MyThread.getName(self)) muteB.acquire() print("锁B执行内容",MyThread.getName(self)) muteB.release() muteA.release() def func2(self): muteB.acquire() print("第二个函数的锁B",MyThread.getName(self)) muteA.acquire() print("第二个函数的锁A",MyThread.getName(self)) muteA.release() muteB.release() if __name__=="__main__": for i in range(10): my_thread=MyThread() my_thread.start() 形成死锁的原因在于当线程1在第二个函数中拿到锁B向下执行需要锁A的时候，线程2在函数1中 已经拿到的锁A，在等待线程1释放B。两个线程都没有释放另一个线程需要的锁，所以就形成了死锁。 递归锁的应用 递归锁未避免死锁的产生，在锁内实行一个引用计数，当有一把使用是计速器加一，释放后，去除计数 到代码在执行锁内代码时，如果有其他线程抢锁，计数如果为零，线程可以拿到锁，大于零，拒绝线程拿锁 这样就能避免锁的重复，也就不会产生死锁 代码示例： import threading import time Rlock=threading.Rlock() class MyThread(threading.Thread): def __init__(self): threading.Thread.__init__(self) def run(self): self.func1() self.func2() def func1(self): Rlock.acquire() print("锁A执行内容",MyThread.getName(self)) Rlock.acquire() print("锁B执行内容",MyThread.getName(self)) Rlock.release() Rlock.release() def func2(self): Rlock.acquire() print("第二个函数的锁B",MyThread.getName(self)) Rlock.acquire() print("第二个函数的锁A",MyThread.getName(self)) Rlock.release() Rlock.release() if __name__=="__main__": for i in range(10): my_thread=MyThread() my_thread.start() event方法使用： event方法可以让两个线程之间通信，当一个线程需要另一个线程准备数据的时候， event.wait(),阻塞程序的运行，直到另一个线程将数据准备完成后，使用event.set() 返回一个true值，event.wait()接受到该值之后，线程开始运行。wait方法后可以接一个超时 时间参数，规定在一定时间内阻塞，超时后运行。 import threading import time import logging logging.basicConfig(level=logging.DEBUG, format='(%(threadName)-10s) %(message)s',) def worker(event): logging.debug('Waiting for redis ready...') while not event.isSet(): logging.debug("wait.......") event.wait(3) # if flag=False阻塞，等待flag=true继续执行 logging.debug('redis ready, and connect to redis server and do some work [%s]', time.ctime()) time.sleep(1) def main(): readis_ready = threading.Event() # flag=False创建一个event对象 t1 = threading.Thread(target=worker, args=(readis_ready,), name='t1') t1.start() t2 = threading.Thread(target=worker, args=(readis_ready,), name='t2') t2.start() logging.debug('first of all, check redis server, make sure it is OK, and then trigger the redis ready event') time.sleep(6) # simulate the check progress readis_ready.set() # flag=Ture if __name__=="__main__": main() 进程multprocessing模块 multprocessing模块与threading模块使用同一套api，使用方法调用方法与threading模块一样 代码示例： from multiprocessing import Process import time def f(name): print("hello",name,time.ctime()) time.sleep(1) if __name__=="__main__": p_list=[] for i in range(3): p=Process(target=f,args=("alvin:%s"%i,)) p_list.append(p) p.start() 协程的应用： 协程是单线程的，不能切换。因为协程对IO操作的判断由自己控制 import time # 可以实现并发 def consumer(): r = '' while True: n = yield r if not n: return print('[CONSUMER] ←← Consuming %s...' % n) time.sleep(1) r = '200 OK' def produce(c): next(c) n = 0 while n < 5: n = n + 1 print('[PRODUCER] →→ Producing %s...' % n) cr = c.send(n) print('[PRODUCER] Consumer return: %s' % cr) c.close() if __name__=='__main__': c = consumer() produce(c) gevent模块的使用： from gevent import monkey monkey.patch_all() import gevent from urllib import request import time def f(url): print('GET: %s' % url) resp = request.urlopen(url) data = resp.read() print('%d bytes received from %s.' % (len(data), url)) start=time.time() gevent.joinall([ gevent.spawn(f, 'https://itk.org/'), gevent.spawn(f, 'https://www.github.com/'), gevent.spawn(f, 'https://zhihu.com/'), ]) #f('https://itk.org/') #f('https://www.github.com/') #f('https://zhihu.com/') print(time.time()-start)