标签：time() 串行 机制 width lock lob 修改 hang work
线程为什么要有锁：
+= 、-= 赋值操作数据不安全（要经过取值、计算、放回值，3部操作）
pop 、append 都是数据安全的（只有添加和删除，一次操作）
队列也是数据安全的
import os, time from threading import Thread def work(): global n temp = n time.sleep(0.1) n = temp - 1 if __name__ == ‘__main__‘: n = 100 l = [] for i in range(100): p = Thread(target=work) p.start() l.append(p) for p in l: p.join() print(n) # 结果可能为99
R=threading.Lock() R.acquire() ‘‘‘ 对公共数据的操作 ‘‘‘ R.release()
import os,time from threading import Thread,Lock def work(lock): global n lock.acquire() temp = n time.sleep(0.1) n = temp - 1 lock.release() if __name__ == ‘__main__‘: lock = Lock() n = 100 l = [] for i in range(100): p = Thread(target=work, args=(lock,)) p.start() l.append(p) for p in l: p.join() print(n) # 结果肯定为0，由原来的并发执行变成串行，牺牲了执行效率保证了数据安全
# 不加锁:并发执行,速度快,数据不安全 from threading import current_thread,Thread,Lock import os,time def task(): global n print(‘%s is running‘ %current_thread().getName()) temp=n time.sleep(0.5) n=temp-1 if __name__ == ‘__main__‘: n=100 lock=Lock() threads=[] start_time=time.time() for i in range(100): t=Thread(target=task) threads.append(t) t.start() for t in threads: t.join() stop_time=time.time() print(‘主:%s n:%s‘ %(stop_time-start_time,n)) ‘‘‘ Thread-1 is running Thread-2 is running ...... Thread-100 is running 主:0.5216062068939209 n:99 ‘‘‘ # 不加锁:未加锁部分并发执行,加锁部分串行执行,速度慢,数据安全 from threading import current_thread,Thread,Lock import os,time def task(): # 未加锁的代码并发运行 time.sleep(3) print(‘%s start to run‘ %current_thread().getName()) global n # 加锁的代码串行运行 lock.acquire() temp=n time.sleep(0.5) n=temp-1 lock.release() if __name__ == ‘__main__‘: n=100 lock=Lock() threads=[] start_time=time.time() for i in range(100): t=Thread(target=task) threads.append(t) t.start() for t in threads: t.join() stop_time=time.time() print(‘主:%s n:%s‘ %(stop_time-start_time,n)) ‘‘‘ Thread-1 is running Thread-2 is running ...... Thread-100 is running 主:53.294203758239746 n:0 ‘‘‘ # 有的同学可能有疑问:既然加锁会让运行变成串行,那么我在start之后立即使用join,就不用加锁了啊,也是串行的效果啊 # 没错:在start之后立刻使用jion,肯定会将100个任务的执行变成串行,毫无疑问,最终n的结果也肯定是0,是安全的,但问题是 # start后立即join:任务内的所有代码都是串行执行的,而加锁,只是加锁的部分即修改共享数据的部分是串行的 # 单从保证数据安全方面,二者都可以实现,但很明显是加锁的效率更高. from threading import current_thread,Thread,Lock import os,time def task(): time.sleep(3) print(‘%s start to run‘ %current_thread().getName()) global n temp=n time.sleep(0.5) n=temp-1 if __name__ == ‘__main__‘: n=100 lock=Lock() start_time=time.time() for i in range(100): t=Thread(target=task) t.start() t.join() stop_time=time.time() print(‘主:%s n:%s‘ %(stop_time-start_time,n)) ‘‘‘ Thread-1 start to run Thread-2 start to run ...... Thread-100 start to run 主:350.6937336921692 n:0 #耗时是多么的恐怖 ‘‘‘
进程也有死锁与递归锁
所谓死锁： 是指两个或两个以上的进程或线程在执行过程中，因争夺资源而造成的一种互相等待的现象，若无外力作用，它们都将无法推进下去。此时称系统处于死锁状态或系统产生了死锁，这些永远在互相等待的进程称为死锁进程，如下就是死锁
import time from threading import Lock mutexA=Lock() mutexA.acquire() mutexA.acquire() print(123) mutexA.release() mutexA.release()
解决方法，递归锁，在Python中为了支持在同一线程中多次请求同一资源，python提供了可重入锁RLock。
这个RLock内部维护着一个Lock和一个counter变量，counter记录了acquire的次数，从而使得资源可以被多次require。直到一个线程所有的acquire都被release，其他的线程才能获得资源。上面的例子如果使用RLock代替Lock，则不会发生死锁：
import time from threading import RLock mutexA=RLock() mutexA.acquire() mutexA.acquire() print(123) mutexA.release() mutexA.release()
典型问题：科学家吃面
import time from threading import Thread,Lock noodle_lock = Lock() fork_lock = Lock() def eat1(name): noodle_lock.acquire() print(‘%s拿到面条了‘ % name) fork_lock.acquire() print(‘%s拿到叉子了‘ % name) print(‘%s吃面‘ % name) time.sleep(0.3) fork_lock.release() print(‘%s放下叉子‘ % name) noodle_lock.release() print(‘%s放下面‘ % name) def eat2(name): fork_lock.acquire() print(‘%s拿到叉子了‘ % name) noodle_lock.acquire() print(‘%s拿到面条了‘ % name) print(‘%s吃面‘ % name) time.sleep(0.3) noodle_lock.release() print(‘%s放下面‘ % name) fork_lock.release() print(‘%s放下叉子‘ % name) if __name__ == ‘__main__‘: name_list1 = [‘alex‘, ‘wusir‘] name_list2 = [‘nezha‘, ‘yuan‘] for name in name_list1: Thread(target=eat1, args=(name,)).start() for name in name_list2: Thread(target=eat2, args=(name,)).start()
import time from threading import Thread,RLock fork_lock = noodle_lock = RLock() def eat1(name): noodle_lock.acquire() print(‘%s拿到面条了‘ % name) fork_lock.acquire() print(‘%s拿到叉子了‘ % name) print(‘%s吃面‘ % name) time.sleep(0.3) fork_lock.release() print(‘%s放下叉子‘ % name) noodle_lock.release() print(‘%s放下面‘ % name) def eat2(name): fork_lock.acquire() print(‘%s拿到叉子了‘ % name) noodle_lock.acquire() print(‘%s拿到面条了‘ % name) print(‘%s吃面‘ % name) time.sleep(0.3) noodle_lock.release() print(‘%s放下面‘ % name) fork_lock.release() print(‘%s放下叉子‘ % name) if __name__ == ‘__main__‘: name_list1 = [‘alex‘, ‘wusir‘] name_list2 = [‘nezha‘, ‘yuan‘] for name in name_list1: Thread(target=eat1, args=(name,)).start() for name in name_list2: Thread(target=eat2, args=(name,)).start()
Semaphore管理一个内置的计数器，
每当调用acquire()时内置计数器-1；
调用release() 时内置计数器+1；
计数器不能小于0；当计数器为0时，acquire()将阻塞线程直到其他线程调用release()。
是完全不同的概念，进程池Pool(4)，最大只能产生4个进程，而且从头到尾都只是这四个进程，不会产生新的，而信号量是产生一堆线程/进程
实例：(同时只有5个线程可以获得semaphore,即可以限制最大连接数为5)：
import time from threading import Semaphore,Thread def func(index, sem): sem.acquire() print(index) time.sleep(1) sem.release() if __name__ == ‘__main__‘: sem = Semaphore(5) for i in range(10): Thread(target=func, args=(i, sem)).start()
线程的一个关键特性是每个线程都是独立运行且状态不可预测。如果程序中的其 他线程需要通过判断某个线程的状态来确定自己下一步的操作,这时线程同步问题就会变得非常棘手。为了解决这些问题,我们需要使用threading库中的Event对象。 对象包含一个可由线程设置的信号标志,它允许线程等待某些事件的发生。在 初始情况下,Event对象中的信号标志被设置为假。如果有线程等待一个Event对象, 而这个Event对象的标志为假,那么这个线程将会被一直阻塞直至该标志为真。一个线程如果将一个Event对象的信号标志设置为真,它将唤醒所有等待这个Event对象的线程。如果一个线程等待一个已经被设置为真的Event对象,那么它将忽略这个事件, 继续执行
event.isSet()：返回event的状态值； event.wait()：如果 event.isSet()==False将阻塞线程； event.set()： 设置event的状态值为True，所有阻塞池的线程激活进入就绪状态， 等待操作系统调度； event.clear()：恢复event的状态值为False。
例如，有多个工作线程尝试链接MySQL，我们想要在链接前确保MySQL服务正常才让那些工作线程去连接MySQL服务器，如果连接不成功，都会去尝试重新连接。那么我们就可以采用threading.Event机制来协调各个工作线程的连接操作
import random import time from threading import Event, Thread def check(e): print(‘开始检测数据库连接‘) time.sleep(random.randint(1, 5)) # 检测数据库连接 e.set() # 成功了 def connect(e): for i in range(3): e.wait(0.5) if e.is_set(): print(‘数据库连接成功‘) break else: print(‘尝试连接数据库%s次失败‘ % (i+1)) else: raise TimeoutError # 3次都不成功则主动抛异常 e = Event() Thread(target=connect, args=(e,)).start() Thread(target=check, args=(e,)).start()
使得线程等待，只有满足某条件时，才释放n个线程
Python提供的Condition对象提供了对复杂线程同步问题的支持。Condition被称为条件变量，除了提供与Lock类似的acquire和release方法外，还提供了wait和notify方法。
线程首先acquire一个条件变量，然后判断一些条件。如果条件不满足则wait；如果条件满足，进行一些处理改变条件后，通过notify方法通知其他线程，其他处于wait状态的线程接到通知后会重新判断条件。
不断的重复这一过程，从而解决复杂的同步问题。
代码说明：
from threading import Condition, Thread def func(con, index): print(‘%s在等待‘ % index) con.acquire() con.wait() print(‘%s do something‘ % index) con.release() con = Condition() for i in range(10): Thread(target=func, args=(con, i)).start() # con.acquire() # con.notify_all() # con.release() count = 10 while count > 0: num = int(input(‘>>>‘)) con.acquire() con.notify(num) count -= num con.release()
定时器，指定n秒后执行某个操作
from threading import Timer def func(): print(‘执行我啦‘) Timer(5, func).start() print(‘主线程‘)
queue队列 ：使用import queue，用法与进程Queue一样
queue is especially useful in threaded programming when information must be exchanged safely between multiple threads.
queue.Queue(maxsize=0) # 先进先出import queue q=queue.Queue() q.put(‘first‘) q.put(‘second‘) q.put(‘third‘) print(q.get()) print(q.get()) print(q.get()) ‘‘‘ 结果(先进先出): first second third ‘‘‘
class queue.LifoQueue(maxsize=0) # 后进先出
import queue q=queue.LifoQueue() q.put(‘first‘) q.put(‘second‘) q.put(‘third‘) print(q.get()) print(q.get()) print(q.get()) ‘‘‘ 结果(后进先出): third second first ‘‘‘
class queue.PriorityQueue(maxsize=0) # 存储数据时可设置优先级的队列
import queue q=queue.PriorityQueue() # put进入一个元组,元组的第一个元素是优先级(通常是数字,也可以是非数字之间的比较),数字越小优先级越高 q.put((20,‘a‘)) q.put((10,‘b‘)) q.put((30,‘c‘)) print(q.get()) print(q.get()) print(q.get()) ‘‘‘ 结果(数字越小优先级越高,优先级高的优先出队): (10, ‘b‘) (20, ‘a‘) (30, ‘c‘) ‘‘‘
标签：time() 串行 机制 width lock lob 修改 hang work
原文地址：https://www.cnblogs.com/zyling/p/12789994.html
