目录
- 多进程实现TCP服务端并发
- 互斥锁代码实操
- 线程理论
- 创建线程的两种方式
- 线程的诸多特性
- GIL全局解释器锁
- 验证GIL的存在
- GIL与普通互斥锁
- python多线程是否有用
- 死锁现象
- 信号量
- event事件
- 进程池与线程池
- 协程
- 协程实现并发
多进程实现TCP服务端并发
服务端：
import socket
from multiprocessing import Process
def get_server():
server = socket.socket()
server.bind(('127.0.0.1',8080))
server.listen(5)
return server
def get_talk(sock):
while True:
data = sock.recv(1024)
print(data.decode('utf8'))
sock.send(data.upper())
if __name__ == '__main__':
server = get_server()
while True:
sock, addr = server.accept()
# 开设多进程去聊天
p = Process(target=get_talk,args=(sock,))
p.start()
客户端：
import socket
client = socket.socket()
client.connect(('127.0.0.1',8080))
while True:
client.send(b'hello baby')
data = client.recv(1024)
print(data)
互斥锁代码实操
# 锁：建议只加载操作数据的部分 否则整个程序的效率会极低
from multiprocessing import Process,Lock
import time
import json
import random
def search(name):
with open(r'data.json','r',encoding='utf8') as f:
data = json.load(f)
print('%s查看票 目前剩余:%s' %(name,data.get('ticket_num')))
def buy(name):
# 先查询票数
with open(r'data.json','r',encoding='utf8') as f:
data = json.load(f)
# 模拟网络延迟
time.sleep(random.randint(1,3))
# 买票
if data.get('ticket_num') > 0:
with open(r'data.json','w',encoding='utf8') as f:
data['ticket_num'] -= 1
json.dump(data,f)
print('%s 买票成功' % name)
else:
print('%s 买票失败' % name)
def run(name,mutex):
search(name)
mutex.acquire() # 抢锁
buy(name)
mutex.release() # 释放锁
if __name__ == '__main__':
mutex = Lock() # 产生一把锁
for i in range(10):
p = Process(target=run,args=('用户%s号' %i,mutex))
p.start()
"""
锁有很多种 但是作用都一样
行锁 表锁 ...
"""
线程理论
进程
进程其实是资源单位 表示一块内存空间
线程
线程才是执行单位 表示真正的代码指令
我们可以将进程比喻是车间 线程是车间里面的流水线
一个进程内部至少含有一个线程
1.一个进程内可以开设多个线程
2.同一个进程下的多个线程数据是共享的
3.创建进程与线程的区别
创建进程的消耗要远远大于线程
创建线程的两种方式
from threading import Thread
from multiprocessing import Process
import time
def task(name):
print(f'{name} is running')
time.sleep(0.1)
print(f'{name} is over')
if __name__ == '__main__':
start_time = time.time()
# p_list = []
# for i in range(100):
# p = Process(target=task,args=('用户%s' %i,))
# p.start()
# p_list.append(p)
# for p in p_list:
# p.join()
# print(time.time() - start_time)
# 多线程
# t_list = []
# for i in range(100):
# t = Thread(target=task,args=('用户%s'%i,))
# t.start()
# t_list.append(t)
# for t in t_list:
# t.join()
# print(time.time() - start_time)
# 方式一
# t = Thread(target=task,args=('jason',))
# t.start()
# print('主线程')
'''创建线程无需考虑反复执行的问题'''
#方式二
class MyThread(Thread):
def run(self):
print('run is running')
time.sleep(1)
print('run is over')
obj = MyThread()
obj.start()
print('主线程')
线程的诸多特性
1.join方法
2.同进程内多个线程数据共享
3.current_thread()
4.active_count()
from threading import Thread
import time
def task(name):
print(f'{name} is running')
time.sleep(1)
print(f'{name} is over')
t = Thread(target=task, args=('jason',))
t.start()
t.join()
print('主线程')
'''
执行结果
jason is running
jason is over
主线程
'''
import time
from threading import Thread,current_thread,active_count
import os
money = 1000
def task():
time.sleep(3)
global money
print(current_thread().name)
print('子线程进程号>>>>',os.getpid())
for i in range(10):
t = Thread(target=task)
t.start()
print(money)
print('存活的线程数',active_count()) # 存活的线程数 11
print(current_thread().name) # MainThread
print('主线程进程号>>>:',os.getpid()) # 主线程进程号>>>: 31484
GIL全局解释器锁
# 官方文档对GIL的解释
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. (However, since the GIL exists, other features have grown to depend on the guarantees that it enforces.
"""
1.在CPython解释器中存在全局解释器锁简称GIL
python解释器有很多类型
CPython JPython PyPython (常用的是CPython解释器)
2.GIL本质也是一把互斥锁 用来阻止同一个进程内多个线程同时执行(重要)
3.GIL的存在是因为CPython解释器中针对多线程无法保证数据的安全。（内存管理不是线程安全的，垃圾回收机制)
垃圾回收机制
引用计数、标记清除、分代回收
"""
验证GIL的存在
from threading import Thread
num = 100
def task():
global num
num -= 1
t_list = []
for i in range(100):
t = Thread(target=task)
t.start()
t_list.append(t)
for t in t_list:
t.join()
print(num)
GIL与普通互斥锁
既然CPython解释器中有GIL 那么我们以后写代码是不是就不需要操作锁了
"""
GIL只能确保同进程内多线程数据不会被垃圾回收机制弄乱
并不能确保程序里面的数据是否安全
# from threading import Thread
# num = 100
#
# def task():
# global num
# num -= 1
# t_list = []
# for i in range(100):
# t = Thread(target=task)
# t.start()
# t_list.append(t)
# for t in t_list:
# t.join()
# print(num) # 0
import time
from threading import Thread,Lock
num = 100
def task(mutex):
global num
mutex.acquire()
count = num
time.sleep(0.1)
num = count - 1
mutex.release()
mutex = Lock()
t_list = []
for i in range(100):
t = Thread(target=task,args=(mutex,))
t.start()
t_list.append(t)
for t in t_list:
t.join()
print(num) # 0
""""
python多线程是否有用
需要分情况
情况1
单个cpu
多个cpu
情况2
IO密集型（代码有IO操作）
计算密集型（代码没有IO）
1.单个CPU
IO密集型
多进程
申请额外的空间 消耗更多的资源
多线程
消耗资源相对较少 通过多道技术
ps：多线程有优势！！！
计算密集型
多进程
申请额外的空间 消耗更多的资源（总耗时+申请空间+拷贝代码+切换）
多线程
消耗资源相对较少 通过多道技术（总耗时+切换）
ps：多线程有优势！！！
2.多个CPU
IO密集型
多进程
总耗时（单个进程的耗时+IO+申请空间+拷贝代码）
多线程
总耗时（单个进程的耗时+IO）
ps：多线程有优势！！！
计算密集型
多进程
总耗时（单个进程的耗时）
多线程
总耗时（多个进程的综合）
ps：多进程完胜！！！
from threading import Thread
from multiprocessing import Process
import os
import time
def work():
# 计算密集型
res = 1
for i in range(1, 100000):
res *= i
if __name__ == '__main__':
# print(os.cpu_count()) # 16 查看当前计算机CPU个数
start_time = time.time()
p_list = []
for i in range(16): # 一次性创建16个进程
p = Process(target=work)
p.start()
p_list.append(p)
for p in p_list: # 确保所有的进程全部运行完毕
p.join()
# t_list = []
# for i in range(16):
# t = Thread(target=work)
# t.start()
# t_list.append(t)
# for t in t_list:
# t.join()
print('总耗时：%s' %(time.time()-start_time)) # 获取总的耗时
"""
计算密集型
多进程：4.119809150695801
多线程：38.7866096496582
"""
from threading import Thread
from multiprocessing import Process
import os
import time
def work():
time.sleep(2) # 模拟纯IO操作
if __name__ == '__main__':
start_time = time.time()
# t_list = []
# for i in range(100):
# t = Thread(target=work)
# t.start()
# for t in t_list:
# t.join()
p_list = []
for i in range(100):
p = Process(target=work)
p.start()
for p in p_list:
p.join()
print('总耗时：%s' %(time.time() - start_time))
"""
IO密集型
多线程：0.008002042770385742
多进程：0.8913090229034424
"""
死锁现象
信号量
event事件
进程池与线程池
协程
协程实现并发