day09 threading, paramiko, queue 模块

1 模拟ssh

2 锁 内部锁，程序锁，信号量

3 多线程

4  简单消息队列

先来看模拟ssh  ，python 的强大之处就是因为有很多模块，可以很简单的完成复杂的事情，今天我们用paramiko 模块来模拟一个ssh 的交互

ssh：  只可远程执行linux 服务（或者是有ssh 服务的系统）

1 先简单执行命令测试下

#!/usr/bin/env python3
# Author: Shen Yang
import paramiko
#help(paramiko)
#实例化一个客户端
ssh = paramiko.SSHClient()
#允许未登陆过的登陆
ssh.set_missing_host_key_policy(paramiko.AutoAddPolicy())
#连接远程主机
ssh.connect(hostname='192.168.81.133',port=22,username='root',password='7758521')
#执行命令，收集三种结果，标准输入，标准输出，标准错误
stdin,stdout,stderr = ssh.exec_command('uptime')
#获取结果，转码
result = stdout.read().decode()
result_err = stderr.read().decode()
#打印
print(result)
if result_err:
    print('error!',result_err)

是不是很激动！ 确实，这样感觉太好了，有点类似于slat 的感觉了！

解释一下上面的：

stdin,stdout,stderr = ssh.exec_command('uptime')

我们看到三个变量，

stdin 是获取输入的值，这里并没有。

stdout 是获取标准输出，就像我们在shell 下执行命令获取到的正确结果，为什么说是正确结果呢？因为

stderr 是获取当命令执行错误后的结果的。

这里并不支持交互性的命令比如top 什么的，如果非用top 记得加上 -bn 1

scp： 可以从linux上传和下载  远端服务器必须有ssh 服务

import paramiko
#建立一个通道
transport = paramiko.Transport(('192.168.81.133',22))
transport.connect(username='root',password='7758521')
#从这个通道开始传输文件
sftp = paramiko.SFTPClient.from_transport(transport)
# 将本地文件scp_client.py传输至远程服务器/tmp/yuanduan.py
sftp.put('scp_client.py','/tmp/yuanduan.py')
#将远端文件/tmp/yuanduan.py下载至本地/tmp/yuanduan.py
sftp.get('/tmp/yuanduan.py','/tmp/yuanduan.py')

结果：

上面的是使用密码方式，那么我们是否可以使用密钥方式来连接远端服务器呢？答案是肯定的

使用密钥连接ssh

#!/usr/bin/env python3
# Author: Shen Yang
import paramiko
#指定Key 文件路径
key_file = paramiko.RSAKey.from_private_key_file('mykey')
host = '192.168.1.201'

#创建客户端对象
ssh = paramiko.SSHClient()
#允许连接不在know_hosts文件中的主机
ssh.set_missing_host_key_policy(paramiko.AutoAddPolicy())
#连接服务器
ssh.connect(hostname=host,port=22,username='root', key_filename='mykey')

#执行命令
stdin,stdout,stderr = ssh.exec_command('uptime')

#获取命令结果
result = stdout.read()
print(result.decode())
#关闭连接
ssh.close()

　　

好了，关于模拟ssh 的paramiko 模我们先用到这里，以后再用到其他功能再细研究吧。。

下面开始讲线程和进程，比较重要！

先将线程，什么是线程呢(thread)？

线程是操作系统能够进行运算调度的最小单位。它被包含在进程之中，是进程中的实际运作单位。一条线程指的是进程中一个单一顺序的控制流，一个进程中可以并发多个线程，每条线程并行执行不同的任务

画个图来表示一下：

每一个程序的内存是独立的

每一个程序一个进程：

例如：  qq 要以一个整体的形式暴露给操作系统管理，里面包含对各种资源的调用，内存的管理，网络接口的调用。

对各种资源管理的集合就可以称为 进程。

进程要操作cpu  必须要先创建一个线程。

进程是资源的集合，不能执行，要执行，必须先生成一个线程。

线程： 是操作系统最小的调度单位，是一串指令的集合。

一个进程创建一个线程 然后通过这个线程创建多个线程，子线程还可以创建更多线程。

 

他们的关系是平等的  线程之间是独立的 没有隶属关系，新创建的线程不会因为创建他的线程关闭而关闭。

 

 

进程和线程没有可比性，不是一个东西。

但是：

启动一个线程比启动一个进程快！

对于一个主线程的修改可能会影响同一进程下的其他线程。

创建子进程相当于对父进程的克隆

多个子进程之间的数据不同，不是共享的。

修改进程1 的数据不会改变进程2的数据。。  

让我们实践的操作一下，下面是一个简单的事例，证明一下这是一个并发的操作：

#!/usr/bin/env python3
# Author: Shen Yang
import threading,time
def run(n):
    print('this is ',n)
    time.sleep(2)
#实例化两个任务，   target 是要执行的任务， args 是传入的参数，是一个元组，即便是一个参数也要使用，分割
t1 = threading.Thread(target=run,args=('t1',))
t2 = threading.Thread(target=run,args=('t2',))
#运行
t1.start()
t2.start()

结果：

sleep 2秒是同时sleep的

第二种使用方式，不常用：

通过类调用使用：

 

1 先写一个类，继承Thread

2 执行新类即可

#定义一个类，继承Thread
class MyThread(threading.Thread):
    def __init__(self,n):
        super(MyThread, self).__init__()
        self.n = n
    def run(self):
        print('running task ',self.n)
        time.sleep(2)

#实例化两个任务
t1 = MyThread('t1')
t2 = MyThread('t2')

#启动
t1.start()
t2.start()

结果同上

那么我们是否可以计算所有线程的结束时间吗，可以的：

#!/usr/bin/env python3
# Author: Shen Yang
import threading,time

#定义任务过程
def run(n):
    print('this is ',n)
    time.sleep(2)

#记住开始时间
start_time = time.time()

#设置空对象列表
obj_list = []
#生成每个对象执行并把对象加入列表中
for i in range(50):
    t = threading.Thread(target=run,args=(i,))
    t.start()
    obj_list.append(t)
#循环列表里的对象来等待所有对象执行完毕
for t in obj_list:
    t.join()
#等所有对象执行完毕后执行计算时间
print('cost:',time.time() - start_time)

　

打印主线程：

　

打印子线程：

打印活动的线程个数：

守护进程：

守护进程是仆人，主进程是主人，主人退出，守护进程也要退出。

socket  server  可以设置守护线程，这样在手动退出的时候不会等待其他线程结束就退出。

实践：

#!/usr/bin/env python3
# Author: Shen Yang
import threading,time

end_list = []

def run(n):
    print('this is ',n)
    time.sleep(1)
    end_list.append(n)

start_time = time.time()

#设置空对象列表
obj_list = []
#生成每个对象执行并把对象加入列表中
for i in range(5000):
    t = threading.Thread(target=run,args=(i,))
    t.setDaemon(True)
    t.start()
    obj_list.append(t)

#等所有对象执行完毕后执行计算时间
print('cost:',time.time() - start_time)
time.sleep(0.8)

#print(end_list)
print(len(end_list))

可以看到，执行了一半就终止了，其他的被强制退出了

接下来，讲一下lock

无论你有多少核，python 同时只能运行一个线程，一个缺陷

 

 

同一时间，只有一个线程可以在任意cpu核心执行，是gil 控制了这一点

 

pypy  jit  可以提前把代码预编译为机器码，速度更快

 

jpython 也没有这个锁，因为是在jre环境运行的

 

 

锁的存在会出现一个问题：

解释器每100条指令（不是pyhton 命令，而是更底层的指令）切换一次锁

所以当某个线程在执行大于100条数据的时候还没等执行完就处于等待状态了，就是一个变量还没修改就被第二个线程掉取，导致数据出错

 

解决办法：

在用户层再加一层锁，保证同一时间修改同一个数据

如果有多层锁，就会有几率用错钥匙解锁，导致进入不能出来锁，

所以需要用到Rlock()

线程锁(互斥锁Mutex)

一个进程下可以启动多个线程，多个线程共享父进程的内存空间，也就意味着每个线程可以访问同一份数据，此时，如果2个线程同时要修改同一份数据，会出现什么状况？

其实信号量就是一个特殊的锁，可以允许多个线程的锁

说白了就是和锁相反：同一时间最多可以有几个线程修改数据

可以控制同时又多少个线程在运行

 

涉及到连接池，和线程数量

可以控制mysql 的连接数， 和socketserver的同一时间连接的client数量

#!/usr/bin/env python3
# Author: Shen Yang
import threading,time
def run(n):
    semaphore.acquire()
    time.sleep(1)
    print('run the thread:{_n}\n'.format(_n=n))
    semaphore.release()
if __name__ == '__main__':
    semaphore = threading.BoundedSemaphore(5)
    for i in range(22):
        t = threading.Thread(target=run,args=(i,))
        t.start()
while threading.active_count() != 1:
    pass
else:
    print('-----all threads done-------')

　　

看下效果：

事件：

Events

用于线程之间的数据同步，

event  就是在设置一个全局变量，只不过是再封装了一层

另一个线程不断检查这个变量，来根据这个变量进行相应的操作

一个红灯停绿灯行的例子：

实践一下：

#!/usr/bin/env python3
# Author: Shen Yang
import threading,time

#实例化一个event
event = threading.Event()

#定义红绿灯
def lighter():
    count = 0
    event.set() #设置标志位
    while True:
        if count >5 and count <10:  #判断更改标志位
            event.clear()   #清理
            print('\033[41;1mred light is on ...\033[0m')
        elif count >10:
            event.set() #设置
            count = 0 #归0
        else:    #其他为设置状态
            print('\033[46;1mgreen light is on ...\033[0m')
        time.sleep(1)
        count += 1

#定义汽车
def car(name):
    while True:
        if event.is_set(): #有设置
            print('{_name} running ...'.format(_name = name))
            time.sleep(1)
        else:
            print('{_name} see the red light ,waiting ...'.format(_name = name))
            event.wait()
            print('\033[46;1m{_name} see green light is on,start going ...\033[0m'.format(_name = name))

#启动灯
light = threading.Thread(target=lighter,)
light.start()

#启动汽车
car1 = threading.Thread(target=car,args=('Tesla',))
car2 = threading.Thread(target=car,args=('Fit',))
car3 = threading.Thread(target=car,args=('Civic',))
car1.start()
car2.start()
car3.start()

看下效果：

作用：

1 解耦

2 提高工作效率

 

 

和列表相比，就是数据自动消失

 

 

数据存在内存中

 

队列有几种方式，如下

1 先进先出：

使用 get_nowait() 通过判断异常知道队列为空

也可以实现：

可以等待：

可以设置队列长度：

卡住了

 

可以设置阻塞状态和等待时间 然后抛异常，判断

后入先出：

设置队列优先级：

可用于VIP 队列：

优先级越低越优先

生产者：

消费者：

执行：