锁丶threading.local丶线程池丶生产者消费者模型

一丶锁

　　线程安全:

　　　　线程安全能够保证多个线程同时执行时程序依旧运行正确, 而且要保证对于共享的数据,可以由多个线程存取,但是同一时刻只能有一个线程进行存取.

import threading

v = []
def func(arg):
    v.append(arg) # 线程安全
    print(v)
for i in range(10):
    t =threading.Thread(target=func,args=(i,))
    t.start()

线程安全

　　1.GIL锁

　　　　GIL锁中文名称为"全局解释器锁",主要体现在多线程中,每个线程在执行的过程中都需要先获取GIL,保证同一时刻只有一个线程可以执行代码.而Python语言和GIL没有半毛钱关系,仅仅是由于历史原因在Cpython虚拟机(解释器),难以移除GIL

　　　　补充:

　　　　　　(线程释放GIL锁的情况)在IO操作等可能会引起阻塞的system call之前,可以暂时释放GIL,但在执行完毕后,必须重新获取GIL. Python 3.x使用计时器(执行时间达到阈值后,当前线程释放GIL)或Python 2.x,tickets计数达到100,多线程爬取比单线程性能有所提升,因为遇到IO阻塞会自动释放GIL锁.

　　2.Lock锁(一次放一个)

import threading
import time

v = []
lock = threading.Lock()

def func(arg):
    lock.acquire()  #加锁
    # ++++++++++++++++++被锁的功能
    v.append(arg)
    time.sleep(0.01)
    m = v[-1]
    print(arg,m)
    #+++++++++++++++++++
    lock.release()  #解锁

for i in range(10):
    t =threading.Thread(target=func,args=(i,))
    t.start()

# 不加锁:              #加锁后
# 2 9                   0 0
# 3 9                   1 1
# 0 9                   2 2
# 1 9                   3 3
# 7 9                   4 4
# 5 9                   5 5

Lock

　　3.RLock锁(一次放一个)

import threading
import time

v = []
lock = threading.RLock()
def func(arg):
    lock.acquire()
    lock.acquire()

    v.append(arg)
    time.sleep(0.01)
    m = v[-1]
    print(arg,m)

    lock.release()
    lock.release()

for i in range(10):
    t =threading.Thread(target=func,args=(i,))
    t.start()

# 结果:
#     0 0
#     1 1
#     2 2
#     3 3
#     4 4
#     5 5

RLock

　　Lock和RLock 的区别:

　　　　Lock:Lock(指令锁)是可用的最低级别的同步指令.Lock处于锁定状态时,不被特定的线程拥有.Lock包含两种状态--锁定和非锁定,以及两个基本方法.可以认为Lock有一个锁定值池,当线程请求锁定时,将线程至于池中,知道获得锁定后出池.池中的线程处于状态图中的同步阻塞状态.

　　RLock(可重入锁)是一个可以被同一个线程请求多次的同步指令.RLock使用了"拥有的线程"和"递归等级"的概念,处于锁定状态时,RLock被某个线程拥有.拥有RLock的线程可以再次调用acquire(),释放锁时需要调用release()相同次数.可以认为RLock包含一个锁定池和一个初始值为0的计数器,每次成功调用acquire()/release(),计数器将+1/-1,为0时锁处于未锁定状态

　　简言之: Lock属于全局,Rlock属于线程

　　4.BoundedSemaphore(一次放指定个数)

import time
import threading

lock = threading.BoundedSemaphore(4)    #每次允许通过的个数
def func(arg):
    lock.acquire()  #加锁
    print(arg)
    time.sleep(2)
    lock.release()  #解锁

for i in range(10):
    t =threading.Thread(target=func,args=(i,))
    t.start()

BoundedSemaphore

　　5.Condition(一次放多个)

import time
import threading

lock = threading.Condition()

# ############## 方式一:输入几个取出来几个 ##############

def func(arg):
    print('线程进来了')
    lock.acquire()
    lock.wait() # 加锁

    print(arg)
    time.sleep(1)

    lock.release()  #解锁

for i in range(10):
    t =threading.Thread(target=func,args=(i,))
    t.start()

while True:
    inp = int(input('>>>'))

    lock.acquire()
    lock.notify(inp)
    lock.release()

#结果:
    # 线程进来了
    # ....
    # 线程进来了
    # >>>3
    # >>>0
    #
    #
    #
    # >>>3
    #
    #
    # >>>5
    #
    #
    #
    #
    # >>>9

# ############## 方式二(输入一次放一个)##############
#

def xxxx():
    print('来执行函数了')
    input(">>>")
    # ct = threading.current_thread() # 获取当前线程
    # ct.getName()
    return True

def func(arg):
    print('线程进来了')
    lock.wait_for(xxxx)
    print(arg)
    time.sleep(1)

for i in range(10):
    t =threading.Thread(target=func,args=(i,))
    t.start()

#结果
    # >> > 线程进来了
    # 来执行函数了
    # >> > 线程进来了
    # 来执行函数了
    # >> > 1
    #
    #
    #
    #
    #
    #

Condition

　　6.Event(一次放所有)

import threading

lock = threading.Event()

def func(arg):
    print('线程来了')
    lock.wait() # 加锁：红灯
    print(arg)

for i in range(10):
    t =threading.Thread(target=func,args=(i,))
    t.start()

input(">>>>")
lock.set() # 绿灯     获取

lock.clear() # 再次变红灯

for i in range(10):
    t =threading.Thread(target=func,args=(i,))
    t.start()

input(">>>>")
lock.set()  #绿灯  获取

Event

二丶threading.local

　　作用:内部自动为每一个线程维护一个空间(字典),用于当前存取属于自己的值.保证线程之间的数据隔离

　　{

　　线程ID: {.....}

　　线程ID: {.....}

　　线程ID: {.....}

}

import time
import threading

DATA_DICT = {}

def func(arg):
    ident = threading.get_ident()   #获取线程ID
    DATA_DICT[ident] = arg      #{1756: 0, 2636: 1, 8892: 2, 8448: 3, 2344: 4, 7196: 5, 8572: 6, 2268: 7, 2480: 8, 7644: 9}
    time.sleep(1)
    print(DATA_DICT[ident],arg)

for i in range(10):
    t =threading.Thread(target=func,args=(i,))
    t.start()

import time
import threading
INFO = {}
class Local(object):

    def __getattr__(self, item):
        ident = threading.get_ident()
        return INFO[ident][item]

    def __setattr__(self, key, value):
        ident = threading.get_ident()
        if ident in INFO:
            INFO[ident][key] = value
        else:
            INFO[ident] = {key:value}

obj = Local()

def func(arg):
    obj.phone = arg # 调用对象的 __setattr__方法（“phone”,1）
    time.sleep(2)
    print(obj.phone,arg)

for i in range(10):
    t =threading.Thread(target=func,args=(i,))
    t.start()
print(INFO)#{7688: {'phone': 0}, 8972: {'phone': 1}, 5280: {'phone': 2}, 4724: {'phone': 3},
# 8384: {'phone': 4}, 8680: {'phone': 5}, 8220: {'phone': 6}, 9032: {'phone': 7}, 4660: {'phone': 8},
#  528: {'phone': 9}}

三丶线程池 threadpool模块

　　可以模拟一个场景,假如我们要去领签名照,在工作室签名的明星只有两个在哪儿,而要领签名照的人很多很多,我们可以创建一个大纸箱子,把那些想要领签名照的人的信息记录下来,然后等明星按顺序来签名.这个大纸箱子就是我们所谓的线程池,存放一个个的需求等待CPU来调度

from concurrent.futures import ThreadPoolExecutor
import time

def task(a1,a2):
    time.sleep(2)
    print(a1,a2)

# 创建了一个线程池（最多5个线程）
pool = ThreadPoolExecutor(5)

for i in range(40):
    # 去线程池中申请一个线程，让线程执行task函数。
    pool.submit(task,i,8)

import time
import threading

def task(arg):
    time.sleep(50)

while True:
    num = input('>>>')
    t = threading.Thread(target=task,args=(num,))
    t.start()

线程

import time
from concurrent.futures import ThreadPoolExecutor

def task(arg):
    time.sleep(10)
    print("========")

pool = ThreadPoolExecutor(3)
while True:
    num = input('>>>')
    pool.submit(task,num)

线程池

四丶生产者消费者模型

　　所谓生产者消费者模型就是生产者跟消费者的关系而已,就像厨师跟顾客一样,只有厨师做出来饭,顾客才能吃,如果厨师做不出来饭,顾客想吃也吃不到,只能排队等

import time
import queue
import threading
q = queue.Queue() # 线程安全

def producer(id):
    """
    生产者
    :return:
    """
    while True:
        time.sleep(2)
        q.put('包子')
        print('厨师%s 生产了一个包子' %id )

for i in range(1,4):
    t = threading.Thread(target=producer,args=(i,))
    t.start()

def consumer(id):
    """
    消费者
    :return:
    """
    while True:
        time.sleep(1)
        v1 = q.get()
        print('顾客 %s 吃了一个包子' % id)

for i in range(1,3):
    t = threading.Thread(target=consumer,args=(i,))
    t.start()