GIL 相关 和进程池

标签：非阻塞   方便   oba   sum   io操作   target   from   关系   add   

#GIL  （global interpreter Lock）

#全局解释器锁 ：锁是为了避免资源竞争造成数据错乱

#当一个py启动后 会先执行主线程中的代码
#在以上代码中有启动了子线程 子线程的任务还是执行代码
#解释器在一个进程中只有一个（解释器也是一堆代码）
#主线和子线都要去调用解释器，就存在了竞争关系



#全局解释器锁： 是为了防止多个线程同时使用python解释器 一旦加锁 将导致线程无法并行
#这个问题不是所有解释器都存在 只有cpython（c写的解释器） 也就是说只有cpythonzhong
#有全局解释器锁  如果是Jpython 就要参考Java的多线程实现
#python程序的执行：
    #1.启动解释器进程 python.exe
    #2.解析py文件并执行它

# 每个py程序中都必须有解释器参与 解释器其实就是一堆代码
#相当于多个线程要调用同一个解释器代码 共享变成竞争 竞争就要出事 给解释器加互斥锁

# python中内存管理依赖于GC（一段用于回收内存的代码） 也需要一个线程 除了自己开的线
# 程  系统还有一些内置线程 就算你的代码不会去竞争解释器 内置线程也可能会竞争 所以
# 所以必须加上锁

#当一个线程遇到了IO 同时解释器也会自动解锁 去执行其他线程 cpu会切换到其他程序
    # 案例：
            # from threading import Thread
            # import time
            # def task1():
            #     sum=1
            #     for i in range(10000000):
            #         sum+=i
            # def task2():
            #     sum=1
            #     for i in range(10000000):
            #         sum+=i
            # start=time.time()
            # t1=Thread(target=task1)
            # t2=Thread(target=task2)
            # t1.start()
            # t2.start()
            # t1.join()
            # t2.join()
            # print(time.time()-start)

#解释器加锁以后：
        #将导致所有线程只能并发 不能达到真正的并行 意味着同意时间只有一个cpu在处理你的
    #线程 给你的感觉是小路低

#代码执行有两种状态;
    #阻塞 i/o  ：失去cpu的执行权  （cpu等待I/O完成）
    #非阻塞  ：代码正常执行 比如循环一千万次 中途cpu可能切换 但是很快会回来（cpu在计算）

    #加入有32核cpu 要处理一个下载任务 网络速度慢 100k/s 文件大小为1024kb 如果你的代码中
    #IO操作非常多 cpu性能不能直接决定你的任务处理速度

    #案例：
        #目前有三个任务 每个任务处理需要一秒  获取元数据需要一小时
        #3个cpu 需要一小时一秒
        #1个cpu 需要一小时三秒

    #在IO密集的程序中 cpu性能无法直接决定程序的执行速度 python就应该干这种活儿
    #在计算密集的程序中 cpu性能可以直接决定程序的执行效率



#2.GIL与互斥锁
        #GIL与互斥锁：
        # from threading import Thread,Lock
        # import time
        # mutex=Lock()
        # num = 1
        # def task():
        #     global num
        #     mutex.acquire()
        #     temp=num
        #     time.sleep(1) #当线程中出现io时 GIL锁就解开了
        #     num=temp+1
        #     mutex.release()
        # t1=Thread(target=task,)
        # t2=Thread(target=task,)
        # t1.start()
        # t2.start()
        # t1.join()
        # t2.join()
        # print(num)
        # #GIL和自定义互斥锁的区别
        # #全局锁不能保证自己的线程安全 但是保证解释器中的数据安全
        # #GIL在线程调用解释器时 自动加锁 IO阻塞时和线程代码执行完毕时 自动解锁
        #
#3.线程池与进程池
# 进程池： 就是一个装进程的容器
# 为什么出现： 当进程很多的时候方便管理进程
# 什么时候用：当并发量特别大的时候 例如双十一  很多时候进程是空闲的 就让他进入进程池
    #让有任务处理的进程进入进程池
# 进程池:
    # ProcessPoolExecutor
    # 创建时指定最大进程数  自动创建进程
    # 调用submit函数将任务提交到进程池中
    # 创建进程是在调用submit后发生的
    #举例：
        # #收发数据
        # def task(c,addr):
        #     while True:
        #         data=c.recv(1024)
        #         print(data.decode("utf-8"))
        #         if not data:
        #             c.close()
        #             break
        #         c.send(data.upper())
        # if __name__ == ‘__main__‘:
        #     import socket
        #     from concurrent.futures import ProcessPoolExecutor
        #     server=socket.socket()
        #     server.bind(("127.0.0.1",8091))
        #     server.listen(5)
        #     #创建一个进程池 默认
        #     pool=ProcessPoolExecutor()
        #     while True:
        #         c,addr = server.accept()
        #         pool.submit(task,c,addr)

#总结一下：
    # 进程池可以自动创建进程
    # 进程限制最大进程数
    # 自动选择一个空闲的进程帮你处理任务

GIL 相关 和进程池

标签：非阻塞   方便   oba   sum   io操作   target   from   关系   add   

原文地址：https://www.cnblogs.com/yanhui1995/p/9945764.html