python3 线程_threading模块

Posted 2020-09-29

‘‘‘
并发：同一个时间段内运行多个程序的能力

进程就是一个程序在一个数据集上的一次动态执行过程。进程一般由程序、数据集、进程控制块三部分组成

程序：食谱
数据集：鸡蛋、牛奶、糖等
进程控制块：记下食谱做到哪一步了

线程：最小的执行单元，程序中具体代码    比如：食谱中的具体操作方法
进程：最小的资源管理单元，线程，数据等等  比如：整个食谱

切换的操作者：操作系统
进程/线程切换原则：
    1、时间片
    2、遇到IO操作切换      代码执行input()函数时，本身不占cpu了，输入完成后再切回来。conn,client_addr = sock.accept()执行后不占cpu了，
                        开启了另一个有关监听的线程，当接收到数据是再切给accept

串行、并行、并发
并发的关键是你有处理多个任务的能力，不一定要同时。
并行的关键是你有同时处理多个任务的能力。
所以说，并行是并发的子集


IO密集型任务：程序存在大量IO操作
计算密集型任务：程序存在大量计算操作

对于PYTHON的多线程处理：
    IO密集型任务有优势
    计算密集型任务不推荐使用多线程

‘‘‘


多线程

import threading
import time

def foo(n):
    print(‘>>>>>%s‘ %n)
    time.sleep(3)

def bar(n):
    time.sleep(5)
    print(‘>>>>>%s‘ %n)

s = time.time()

t1 = threading.Thread(target=foo,args=(2,))
t1.start()    # .start()方法激活线程，可以去抢cpu执行

t2 = threading.Thread(target=bar,args=(5,))
t2.setDaemon(True)　　# 主线程结束不等待子线程
t2.start()

t1.join()　　# 加入主线程阻塞
# t2.join()

print(‘ending!‘)
print(‘cost time:‘,time.time()-s)

 

线程的类继承式创建

import threading
import time

class MyThread(threading.Thread):
    def __init__(self):
        threading.Thread.__init__(self)
        # super().__init__()

    def run(self):
        print(‘OK‘)
        time.sleep(2)
        print(‘end t1‘)

t1 = MyThread()
t1.start()
print(‘ending‘)

 

线程三把锁

互斥锁

import threading
import time

def sub():
    global num

    lock.acquire()

    temp = num
    time.sleep(0.1)
    num = temp-1

    lock.release()

    time.sleep(2)

num = 100

lock = threading.Lock()

l = []
for i in range(100):
    t = threading.Thread(target=sub,args=())
    t.start()
    l.append(t)

for t in l:
    t.join()

print(num)

 

递归锁

import threading
import time

class MyThread(threading.Thread):

    def __init__(self):
        super().__init__()

    def run(self):
        self.foo()
        self.bar()

    def foo(self):
        RLock.acquire()
        print(‘I am %s GET LOCKA-----%s‘ %(self.name,time.ctime()))

        RLock.acquire()
        print(‘I am %s GET LOCKB-----%s‘ %(self.name,time.ctime()))
        RLock.release()
        # time.sleep(1)

        RLock.release()
        # time.sleep(1)

    def bar(self):
        RLock.acquire()
        print(‘I am %s GET LOCKA-----%s‘ %(self.name,time.ctime()))
        # time.sleep(1)
        RLock.acquire()
        print(‘I am %s GET LOCKB-----%s‘ %(self.name,time.ctime()))
        RLock.release()
        # time.sleep(2)

        RLock.release()

RLock = threading.RLock()
# LockB = threading.Lock()

for i in range(10):
    t = MyThread()
    t.start()

 

信号量

import threading
import time

semaphore = threading.Semaphore(10)

def foo():
    semaphore.acquire()
    print(‘OK‘)
    time.sleep(1)
    semaphore.release()

for i in range(100):
    t = threading.Thread(target=foo,args=())
    t.start()

 

 

event对象

import threading,time

event = threading.Event() # 默认isSet()=False，加.wait()阻塞

def foo():
    while not event.is_set():
        print(‘wait.....‘)
        event.wait(2)

        print(‘Connect to redis server‘)

for i in range(5):
    t = threading.Thread(target=foo,args=())
    t.start()

print(‘attempt to start redis server‘)
time.sleep(10)
event.set()     # 主线程给子线程set()

 

队列

队列：基于锁实现的，用于多线程，保证线程安全的一种数据结构

############################################ FIFO先进先出模型
import queue

q = queue.Queue(3)  # 参数为队列最大数，不加参数默认无限大
print(q)

q.put(11)
q.put(‘hello‘)
# q.put(3.14)
q.put(555,block = False)  # 阻塞，如果队列满，报错
# q.put(555)  # 大于最大值，会阻塞，等待队列中数据被拿走后在进队列

print(q.get())
print(q.get())
print(q.get())
# print(q.get(block = False))  # 阻塞，如果队空，报错

# print(q.get())   # 队列空后，会阻塞，等待队列被加入

############################################ LIFO后进先出模型
import queue

q = queue.LifoQueue()

q.put(11)
q.put(22)
q.put(33)

while not q.empty():
    print(q.get())

############################################ priority优先级模型
import queue

q = queue.PriorityQueue()

q.put([1,‘11111‘])  # []表示一个序列数据类型，也可全部换成()
q.put([1,‘00000‘])  # 优先级相同，优先级按照ascii码顺序
q.put([5,‘55555‘])
q.put([3,‘33333‘])
q.put([4,‘44444‘])
q.put([2,‘22222‘])

while not q.empty():
    print(q.get())

 

队列的两个方法.join()和.task_done()　　

两个方法必须配合使用

.join()方法阻塞进程，知道所有任务完成

.task_done()方法在每次队列执行完后必须添加

 

import queue,threading

q = queue.Queue()

def foo():
    q.put(111)
    q.put(222)
    q.put(333)
    q.join()
    print(‘ok‘)

def bar():
    print(q.get())
    q.task_done()   # 每取一个队列，必须执行一条task_done()
    print(q.get())
    q.task_done()
    print(q.get())
    q.task_done()

t1 = threading.Thread(target=foo,args=())
t1.start()

t2 = threading.Thread(target=bar,args=())
t2.start()

 

 

‘‘‘
队列实例：生产者消费者模型
生产者：创建数据的模型
消费者：获取数据的模型

优点：
    1、解耦合
    2、实现并发
‘‘‘

import queue,threading,time
import random

q=queue.Queue(50)

def Producer(id):
    count=1
    while count<10: # 一次可做10个包子
        if q.qsize()<20:    # 当包子数小于20个，厨师才做
            s=random.randint(1,100)   # 包子代号
            q.put(s)
            print(id+" has made baozi %s"%s)
            time.sleep(1)   # 此IO可切线程，每做一个包子换另一个厨师，直到做够最小包子数
            count+=1

def Consumer(id):

    while True:
         s=q.get()  # 取包子，s是代号
         print("Consumer "+id+" has eat %s"%s)
         time.sleep(2)


for i in range(10):
    t1=threading.Thread(target=Producer,args=(str(i),))
    t1.start()

for i in range(10):

    t=threading.Thread(target=Consumer,args=(str(i),))
    t.start()