标签：spl threading .exe future active print alt __name__ 访问
1.GIL(理论 重点)
2.线程池 进程池
3.同步 异步
GIL
是一个全局解释器锁,是一个互斥锁
为了防止竞争解释器资源而产生的
为何需要gil:因为一个python.exe进程中只有一份解释器,如果这个进程开启了多个线程 都要执行代码
多线程之间要竞争解释器 一旦竞争就有可能出现问题
带来的问题:同一时间只有一个线程可以访问解释器
好处:保证了多线程的数据安全
thread-safe 线程安全的 多个线程同时访问也不会出问题
not thread-safe 非线程安全的 多个线程同时访问可能会出问题(加锁)
默认情况下一个进程只有一个线程 不会出现问题的 但是不要忘记还有GC线程
一旦出现多个线程就可能出问题 所以当初就简单粗暴的加上了GIL锁
如果你的应用程序是大量的IO操作 GIL的影响是微乎其微的
如果你的应用程序时一个大量计算操作 GIL的影响是非常大的 完全无法利用多核cpu
由于有GIL的存在 即使有多个cpu 也不能真正的并行
有三个任务 三个任务要并发执行 是效率最高
1.多进程
2.同一个进程下多线程
只有一个cpu
如果3个任务都要等待IO
如果是采用方案1:由于IO的时间较长 不仅不能提高效率 反而无无谓的增加了系统开销
方案2 更好
有三个cpu
如果是采用方案1 并且三个任务都没有IO操作:开启三个进程 并行的来执行 效率更高
如果是采用方案2 并且三个任务都没有IO操作:开启三个线程 必须串行执行 所以效率比进程更低
应用程序分为两种
1.IO密集型 IO操作较多 纯计算较少 采用多线程
from multiprocessing import Process from threading import Thread,enumerate,current_thread import time def task(): with open("2.昨日回顾","rt",encoding="utf-8") as f: f.read() if __name__ == ‘__main__‘: start = time.time() for i in range(100): Thread(target=task).start() # enumerate是所有的线程 for t in enumerate(): if t != current_thread(): t.join() # ps = [] # for i in range(100): # p = Process(target=task) # p.start() # ps.append(p) # # for p in ps: # p.join() print(time.time()-start)
2.计算密集型 计算操作较多 IO较少 采用多进程
from multiprocessing import Process from threading import Thread,enumerate,current_thread import time def task(): with open("2.昨日回顾","rt",encoding="utf-8") as f: f.read() if __name__ == ‘__main__‘: start = time.time() for i in range(100): Thread(target=task).start() # enumerate是所有的线程 for t in enumerate(): if t != current_thread(): t.join() # ps = [] # for i in range(100): # p = Process(target=task) # p.start() # ps.append(p) # # for p in ps: # p.join() print(time.time()-start)
应用场景:
TCP程序 应该采用多线程
纯计算 例如人脸识别 语音识别等 采取多进程
既然已经有锁了 还需要自己加锁吗?
什么情况下需要自己加锁 当多个线程需要共享一个不属于解释器资源时 必须要自己家
不加锁的例子:多个线程要并发修改某一个变量数据
from concurrent.futures import ThreadPoolExecutor
池就是容器
服务器不可能无限的开线程,所以需要对线程数量加以控制,线程池就是帮我么封装了线程数量的控制
以及线程的创建 销毁 任务的分配
使用方法一样的
线程池 在创建时 不会立即开启线程
等到提交任务时 如果没有空闲的线程 并且已存在的线程数量小于最大值 开个新的
线程开启以后就不会关闭了 直到进程全部结束为止
from concurrent.futures import ThreadPoolExecutor import threading def task(): print("running............") pool = ThreadPoolExecutor(3) pool.submit(task) pool.submit(task) pool.submit(task) pool.submit(task) print(threading.active_count()) print(threading.enumerate()) import time time.sleep(3) print(threading.active_count()) print(threading.enumerate())
3.同步 异步 阻塞 非阻塞
阻塞:程勋运行过程中遇到IO操作 无法继续
非阻塞:程序正在运行中,并且没有遇到IO操作 即使遇到IO也不会阻塞,cpu不会切走
指的是程序的执行状态
指的是发起人武的方式
同步:
在发起任务后必须在原地等待 任务执行完毕 才能继续往下执行
异步:
在发起任务后立即继续往下执行 不需要等待任务的执行结果
异步效率高于同步
发起异步任务的方式 就是线程和进程
同步和阻塞是完全不同的:
阻塞一定是CPU已经切走了
同步虽然也会卡住 但是CPU没切走 还在你的进程中
from concurrent.futures import ThreadPoolExecutor pool = ThreadPoolExecutor() import time def task(num): time.sleep(0.5) print("run.....") return num ** 2 ress = [] for i in range(10): res = pool.submit(task,i) # res.result() 该函数是阻塞 会一直等到任务执行完毕 导致程序串行执行 ress.append(res) # 保证 当我要获取的时候 所有任务都已经执行完毕 pool.shutdown(wait=True) # 该函数也是阻塞函数 # 等到全部完成在获取结果 for i in ress: print(i.result()) print("over")
pool.shutdown(wait=True)该函数也是阻塞函数 关闭线程池
等到全部完成在获取结果
标签：spl threading .exe future active print alt __name__ 访问
原文地址：https://www.cnblogs.com/gengbinjia/p/10496427.html
