""" In CPython, the global interpreter lock, or GIL, is a mutex that prevents multiple native threads from executing Python bytecodes at once. This lock is necessary mainly because CPython’s memory management is not thread-safe. """ ''' ps:python解释器有很多种,最常见的就是CPython解释器 GIL本质就是一把互斥锁:将并发变成串行牺牲效率保证数据安全 用来阻止同一个进程下的多个线程的同时执行(同一个进程内多个线程无法实现并行,但能并发 GIL的存在就是因为CPython解释器的内存管理不是线程安全的 为什么不安全呢? 在Python解释器中有一个垃圾回收机制,那也是一串代码,也是一个进程, 在并行时,可能会造成一个问题,其他线程变量名还没有赋值时,垃圾回收机制就将值回收了 就会造成变量名找不到值 所以需要并发
GIL全局解释器锁是Python中特有的吗?
不是在cpython中才有
内存管理
引用计数:值与变量的绑定关系的个数
标记清除:当内存快要满的时候 会自动停止程序的运行 检测所有的变量与值的绑定关系
给没有绑定关系的值打上标记，最后一次性清除
分代回收:(垃圾回收机制也是需要消耗资源的，而正常一个程序的运行内部会使用到很多变量与值
并且有一部分类似于常量，减少垃圾回收消耗的时间，应该对变量与值的绑定关系做一个分类
) 新生代(5S)》》》青春代(10s)》》》老年代(20s)
垃圾回收机制扫描一定次数发现关系还在，会将该对关系移至下一代
随着代数的递增 扫描频率是降低的
研究python的多线程是否有用需要分情况讨论 四个任务 计算密集型的 10s 单核情况下 开线程更省资源 多核情况下 开进程 10s 开线程 40s 四个任务 IO密集型的 单核情况下 开线程更省资源 多核情况下 开线程更省资源 ''' # 计算密集型 # from multiprocessing import Process # from threading import Thread # import os # import time # def work(): # res = 1 # for i in range(100000000): # res *= i # # # if __name__ == '__main__': # l = [] # print(os.cpu_count()) # 4核 # start_time = time.time() # # for i in range(4): # p = Process(target=work) # 耗时10.977932214736938秒 # # p = Thread(target=work) # 耗时22.046306133270264秒 # l.append(p) # p.start() # for i in l: # i.join() # print(time.time() - start_time) # IO密集型 from multiprocessing import Process from threading import Thread import time import os def work(): time.sleep(3) if __name__ == '__main__': l = [] print(os.cpu_count()) # 本机4核 本机再算计算密集型就炸了 start_time = time.time() for i in range(400): p = Process(target=work) # 耗时36.039791107177734 大部分时间浪费在开辟内存中间上 # p = Thread(target=work) # 耗时3.0542681217193604秒 l.append(p) p.start() for p in l: p.join() print(time.time() - start_time) ''' pythyon的多线程到底有没有用 需要分情况讨论 在计算密集型上python处于弱势,但在IO密集型上Python还是很强的 我们以后会用到多进程＋多线程配合使用 ''' ''' 在开始我们也提到过GIL全局解释器锁本质就是一把互斥锁 有些人就会认为有了GIL锁之后,我们在处理数据时,就不用加互斥锁了, 实则不然,GIL全局解释器锁遇到IO时.cpu就会剥夺其使用权限,去执行其他的线程 我们在处理数据时,就会遇到IO操作(比如网络延迟)所以我们需要使用到普通互斥锁,保证数据安全 '''
