本文共 4686 字,大约阅读时间需要 15 分钟。
目录
线程
在一个进程内部要同时干多件事,就需要同时运行多个‘子任务’,我们把这些子任务称为线程线程通常叫做轻型的线程。线程是共享内存空间的并发执行的多任务,每一个线程都共享一个进程的资源线程是最小的执行单元,而进程至少要有一个线程。如何调度进程和线程,完全由操作系统决定,程序不能决定什么时候执行,执行多长时间模块1._thread模块 低级模块2.threading模块 高级模块,对_thread进行了封装
例子:
import threadingimport timedef run(): print('子线程%s启动' % (threading.current_thread().name)) #实现线程功能 print('打印') time.sleep(1) print('子线程%s结束' % (threading.current_thread().name))if __name__=='__main__': #任何进程默认就会启动一个线程,称为主线程,主线程可以启动新的子线程 #current_thread():返回当前线程的实例 print('主线程%s启动' %(threading.current_thread().name)) #创建子线程 t = threading.Thread(target=run,name='runthread') t.start() #等待线程结束 t.join() print('主线程%s结束' % (threading.current_thread().name))
运行结果:
多进程和多线程最大的不同在于:多进程中,同一个变量,各自有一份拷贝在每个进程中,互不影响。多线程中,所有变量都由所有线程共享。所以任何一个变量都可以被任意一个线程修改。因此线程之间最大的危险在于同时修改一个变量容易把内容改乱了。
例子:
import threadingimport timen = 100def run(): global n n = n + 20 print('run:',n)def fun(): global n n = n /10 print('fun:',n)if __name__=='__main__': #创建子线程 t = threading.Thread(target=run,name='runthread') t.start() t.join() k = threading.Thread(target=fun, name='funthread') k.start()
运行结果:
线程锁解决数据混乱两个线程同时工作,一个存钱,一个取钱
可以给线程设置一个局部变量,使用threadLocal对象
例子:
import threadingimport timenum = 0#创建一个全局的threadLocal对象#每个线程有独立的存储空间#每个线程对threadLocal对象都可以读写,但是互不影响local = threading.local()list = [num,num]def run(x,n): x = x + n x = x - ndef fun(n): #每个线程都有一个local.x,就是线程的局部变量 local.x = num for i in range(100000): run(local.x,n) print('%s--%d' %(threading.current_thread().name,local.x))if __name__=='__main__': #创建子线程 t = threading.Thread(target=fun,args=(6,)) t2 = threading.Thread(target=fun, args=(9,)) t.start() t2.start() t.join() t2.join() print('num = ',num)
运行结果:
线程通信
线程阻塞和触发事件
例子:如果不使用e.set()去触发事件,run()方法将不会被执行
import threading,timedef fun(): #事件对象 event = threading.Event() def run(): for i in range(5): #阻塞,等待事件的触发 event.wait() #重置 event.clear() print('what happen ...%d' % i) t = threading.Thread(target=run).start() return evente = fun()#触发事件for i in range(5): e.set() time.sleep(1)
运行结果:
生产者与消费者
4个生产者在生产数据 3个消费者将生产的数据从队列中取出
import threading,time,queue,random#生产者def product(id,q): while True: num = random.randint(0,10000) q.put(num) print('生产者%d生产了%d数据放入了队列' % (id,num)) time.sleep(3) #任务完成 q.task_done()#消费者def customer(id,q): while True: item = q.get() if item is None: break print('消费者%d消费了%d数据' % (id,item)) time.sleep(2) # 任务完成 q.task_done()if __name__=='__main__': #消息队列 q = queue.Queue() #启动生产者 4 for i in range(4): threading.Thread(target=product,args=(i,q)).start() #启动消费者 3 for i in range(3): threading.Thread(target=customer,args=(i,q)).start()
运行结果:
线程调度
调度两个线程之间的执行顺序
import threading,time#线程条件变量cond = threading.Condition()def run1(): with cond: for i in range(0,10,2): print(threading.current_thread().name,i) time.sleep(1) #运行一次然后等待run2信息 cond.wait() cond.notify()def run2(): with cond: for i in range(1,10,2): print(threading.current_thread().name,i) time.sleep(1) #给run1发送信息 cond.notify() #等待 cond.wait()threading.Thread(target=run1).start()threading.Thread(target=run2).start()
运行结果:
计算密集型和IO密集型
计算密集型
要进行大量的计算,消耗CPU资源,比如计算圆周率、对视频进行高清解码等等,全靠CPU的运算能力。这种计算密集型任务虽然也可以用多任务完成,但是任务越多,花在任务切换的时间就越多,CPU执行任务的效率就越低,所以,要最高效地利用CPU,计算密集型任务同时进行的数量应当等于CPU的核心数
IO密集型
涉及到网络、磁盘IO的任务都是IO密集型任务,这类任务的特点是CPU消耗很少,任务的大部分 时间都在等待IO操作完成(因为IO的速度远远低于CPU和内存的速度)。对于IO密集型任务,任务越多,CPU效率越高,但也有一个限度。常见的大部分任务都是I0密集型任务,比如Web应用
协程
子程序/函数:在所有语音中都是层级调用,比如A调用B,在B执行的过程中又可以调用C,C执行完毕返回,B执行完毕返回,最后是A执行完毕一个线程就是执行一个子程序,子程序调用总是一个入口,一次返回,调用的顺序是明确的
协程概述:看上去也是子程序,但是在执行过程中,在子程序的内部可以中断,然后转而去执行别的子程序。那么不是函数调用,有点类似与CPU中断
与线程相比,协程的执行效率极高。因为只有一个线程,不存在多个变量同时写,不存在变量冲突,在协程中资源共享不加锁,只需要判断状态
例子:子程序调用
def C(): print('C---START') print('C---END')def B(): print('B---START') C() print('B---END')def A(): print('A---START') B() print('A---END')A()
运行结果:
python对协程的支持是通过generator实现的
例子:协程
def A(): print(1) yield 10 print(2) yield 20 print(3) yield 30#协程的最简单风格,控制函数的阶段执行,节约线程或者进程的切换#返回值是一个生成器a = A()print(type(a))print(next(a))print(next(a))print(next(a))
运行结果:
例子:
def A(): #空变量,存储的作用data始终为空 data = '' r = yield data print(1,r,data) r = yield data print(2,r,data) r = yield data print(3,r,data) r = yield dataa = A()#启动aprint(a.send(None))print(a.send('a'))
运行结果:
一起学习,一起进步 -.- ,如有错误,可以发评论
转载地址:https://kongchengji.blog.csdn.net/article/details/95883926 如侵犯您的版权,请留言回复原文章的地址,我们会给您删除此文章,给您带来不便请您谅解!