线程以及线程模块中的其他方法（一）

线程就栈寄存那些东西，占用内存小

import os
import time
from threading import Thread
# 多线程并发
# def func(a,b):
#     global g
#     g = 0
#     print(g,os.getpid())
#
# g = 100
# t_lst = []
# for i in range(10):
#     t = Thread(target=func,args=(i,5))
#     t.start()
#     t_lst.append(t)
# for t in  t_lst : t.join()
# print(g)

# class MyTread(Thread):
#     def __init__(self,arg): #重写_init_方法
#         super().__init__()
#         self.arg = arg
#     def run(self): #必须定义run
#         time.sleep(1)
#         print(self.arg)
#
# t = MyTread(10)
# t.start()

# 进程 是 最小的 内存分配单位
# 线程 是 操作系统调度的最小单位
# 线程直接被CPU执行,进程内至少含有一个线程,也可以开启多个线程
    # 开启一个线程所需要的时间要远远小于开启一个进程
    # 多个线程内部有自己的数据栈,数据不共享
    # 全局变量在多个线程之间是共享的



上图中间横杆是访问线程数据入口加全局锁





# GIL锁(即全局解释器锁)
# 在Cpython解释器下的python程序 在同一时刻 多个线程中只能有一个线程被CPU执行
# 高CPU : 计算类 --- 高CPU利用率 （建议用多进程，不用用多线程）
# 高IO  : 爬取网页 200个网页（多线程）
        # qq聊天   send recv
        # 处理日志文件 读文件
        # 处理web请求
        # 读数据库 写数据库

import time
from threading import Thread
from multiprocessing import Process
def func(n):
    n + 1

if __name__ == '__main__':
    start = time.time()
    t_lst = []
    for i in range(100):
        t = Thread(target=func,args=(i,))  # 多线程
        t.start()
        t_lst.append(t)
    for t in t_lst:t.join()
    t1 = time.time() - start

    start = time.time()
    t_lst = []
    for i in range(100):
        t = Process(target=func, args=(i,)) # 多进程（进程之间切换消耗时间较长，对于高IO的并发建议用多线程）
        t.start()
        t_lst.append(t)
    for t in t_lst: t.join()
    t2 = time.time() - start
    print(t1,t2)






线程模块中的其他方法

import time
import threading

def wahaha(n):
    time.sleep(0.5)
    print(n,threading.current_thread(),threading.get_ident())  #线程名和ID

for i in  range(10):    # 10个子线程
    threading.Thread(target=wahaha,args=(i,)).start()
print(threading.active_count())   # 打印结果是11  ， 10个子线程+1个主线程    （查看当前线程数）

print(threading.current_thread())   #主线程 1个
print(threading.enumerate())  # 显示11个线程，以列表打印