多线程
进程与线程
-
进程：指在系统中运行的一个应用程序，程序一旦运行就是进程；
- 进程：资源分配的最小单位，一个进程至少有一个线程
- 线程、内存、文件、网络句柄
- 内存：每个进程的内存是相互独立的
- 文件/网络句柄：他们是所有的进程所共有的，例如打开同一个文件，取抢同一个网络端口，这样的操作是被允许的
- 抢占资源，导致死锁
- 进程：资源分配的最小单位，一个进程至少有一个线程
-
线程：系统分配处理器时间资源的基本单位，或者说进程之内独立执行的一个单元的执行流。
- 线程：程序执行的最小单位
-
汇总：
- 1、进程要分配一大部分的内存，而线程只需要分配一部分栈就可以了
- 2、一个程序至少有一个进程，一个进程至少有一个线程
- 3、进程是资源分配的最小单位，线程是程序执行的最小单位
- 4、一个线程可以创建和撤销另一个线程，同一个进程中的多个线程之间可以并发执行
多线程---并发
-
并行：两个CPU同时做事情
-
并发：一个cpu，从执行A任务，接着执行b任务，又执行a任务，接着又执行b任务，循环执行
- 1、使用线程可以把占据长时间的程序中的任务放到后台去处理
- 2、用户界面可以更加吸引人，比如用户点击了一个按钮去触发某些事件的处理，可以弹出一个进度条来显示处理的进度
- 程序的运行速度可能加快
- 在一些等待的任务实现上如用户输入，文件读写和网络收发数据等，线程就比较有用了。在这种情况下我们可以释放一些珍贵的资源如内存占用等等
Threading模块
-
python3线程中常用的两个模块为：
- _thread
- threading(推荐使用)
-
thread模块已经被废弃了。用户可以使用threading模块代替。所以，在python3中不能再使用thread模块，为了兼容性，python3将thread重命名为_thread
-
常用方法
- run():用以表示线程活动的方法
- start():启动线程的方法
- join([time]):等待至线程中止，这阻塞调用线程直至线程的join()方法被调用中止--正常退出或者抛出未处理的异常--或者是可选的超时发生
- isAlive():返回线程是否活动的
- getName():返回线程名
- setName():设置线程名
- threading.currentThread():返回当前的线程变量
- threading.enumerate():返回一个包含正在运行的线程list。正在运行指线程启动后、结束前，不包括启动前和终止后的线程。
- threading.activeCount():返回正在运行的线程数量，与len(threading.enumerate())有相同的效果
多线程基础
import time
def doing(something):
time.sleep(2)
print('正在做>>>',something)
start_time =time.time()
doing('在上课')
doing('在上班')
end_time =time.time()
print('总共耗时>>>',end_time-start_time)
控制台输出：
正在做>>> 在上课
正在做>>> 在上班
总共耗时>>> 4.010261297225952
io密集型
#-------------------------------------------------------------
"""
需求：执行效率低
优化：使用多线程
io密集型
"""
#-------------------------------------------------------------
def doing(something):
print('正在做>>>', something)
time.sleep(2)
start_time = time.time()
#1-创建线程
"""
target:函数名
args:函数名对应的实参，元组形式
"""
t1=threading.Thread(target=doing,args=('在上课',))
t2=threading.Thread(target=doing,args=('在加班',))
#2-启动线程
t1.start()
t2.start()
end_time = time.time()
print('总共耗时>>>', end_time - start_time)
控制台输出
正在做>>> 在上课
正在做>>> 在加班总共耗时>>>
0.0009598731994628906
分析发现跟预期结果不一致，预期结果是大概是2s，现在是0s
原因：直接启动线程：主线程（main）不等待子线程(t1/t2)完成就结束
优化方案：
3-阻塞主线程
t1.join()
t2.join()
控制台输出
正在做>>> 在上课
正在做>>> 在加班
总共耗时>>> 2.0047731399536133
计算密集型
#-------------------------------------------------------------
"""
需求：执行效率低
优化：使用多线程
计算密集型
"""
#-------------------------------------------------------------
def doing():
dataNum=0
for i in range(10000000):
dataNum+=1
start_time = time.time()
#1-创建线程
"""
target:你这个线程是做什么，需要执行的函数名
args:函数名对应的实参，元组形式
直接启动线程：主线程（main）不等待子线程(t1/t2)完成就结束
需求：主线程退出之前需要等待子线程全部执行完
优化：阻塞主线程
串行：总共耗时>>> 1.0268769264221191
"""
#t1=threading.Thread(target=doing,args=('在上课',))
#t2=threading.Thread(target=doing,args=('在加班',))
#
##2-启动线程
#t1.start()
#t2.start()
##3-阻塞主线程
#t1.join()
#t2.join()
doing()
doing()
end_time = time.time()
print('总共耗时>>>', end_time - start_time)
控制台输出：
总共耗时>>> 1.0268769264221191
多线程方式；
改变部分的代码
t1=threading.Thread(target=doing)
t2=threading.Thread(target=doing)
#2-启动线程
t1.start()
t2.start()
#3-阻塞主线程
t1.join()
t2.join()
控制台输出
总共耗时>>> 1.0593979358673096
通过对比发现对应计算密集型来说，使用串行和多线程，耗时一样
对于cpython解释器GIL(全局解释器锁))，不管多少核 cpu同一时间只能处理一件事
原因：
多线程是并发：并发是来回切换执行不同的任务，导致计算密集型执行的时间比串行还长，因为来回切换也需要耗时
守护线程：
#-------------------------------------------------------------
"""
需求：执行效率低
优化：使用多线程
守护线程
主线程想满足一个条件就退出，使用多线程直接不能直接退出主线程
"""
#-------------------------------------------------------------
def doing():
while True:
print('我在doing')
time.sleep(1)
start_time = time.time()
#1-创建线程
"""
target:你这个线程是做什么，需要执行的函数名
args:函数名对应的实参，元组形式
直接启动线程：主线程（main）不等待子线程(t1/t2)完成就结束
需求：主线程退出之前需要等待子线程全部执行完
优化：阻塞主线程
串行：总共耗时>>> 1.0268769264221191
"""
t1=threading.Thread(target=doing)
t2=threading.Thread(target=doing)
#2-启动线程
t1.start()
t2.start()
#3-阻塞主线程
#t1.join()
#t2.join()
end_time = time.time()
for i in range(3):
print('**********主线程正在执行*******')
print('**********主线程结束*******')
print('总共耗时>>>', end_time - start_time)
控制台输出：
死循环
我在doing
我在doing**********主线程正在执行*******
**********主线程正在执行*******
**********主线程正在执行*******
**********主线程结束*******
总共耗时>>> 0.0009987354278564453
我在doing我在doing
我在doing我在doing
我在doing我在doing
我在doing我在doing
我在doing我在doing
分析：
主线程一直无法退出
优化：
增加守护线程 setdaemon（True）
在以下位置增加守护部分代码
t1=threading.Thread(target=doing)
t2=threading.Thread(target=doing)
t1.setDaemon(True)#守护
t2.setDaemon(True)
#2-启动线程
t1.start()
t2.start()
控制台输出
我在doing
我在doing
**********主线程正在执行*******
**********主线程正在执行*******
**********主线程正在执行*******
**********主线程结束*******
总共耗时>>> 0.0009744167327880859