04：全局解释器锁（GIL）

1 全局解释器锁（GIL）

0 pypy（没有全局解释器锁） cpython（99.999999%）
    -pypy python好多模块用不了，
1 全局解释器锁，GIL锁（cpython解释器的问题）
    -当年python设计的时候，还是单核，没有多核的概念
    -python需要做垃圾回收（gc）
    -垃圾回收线程，进行垃圾回收
    -设计了一个大锁（GIL锁），只有拿到这把锁的线程，才能执行
    -同一时刻，在一个进程中，可以开多个线程，但是只能有一条线程在执行
    -不能利用多核优势
  
​
只针对与cpython解释器（其他解释器，包括其他语言不这样）
2 如果是计算密集型：要开进程
3 如果是io密集型：要开线程

2 开启线程的两种方式

from threading import Thread
import time
​
#
# def task():
#     time.sleep(1)
#     print('我是子线程')
#
#
# if __name__ == '__main__':
#     t=Thread(target=task)
#     t.start()
#     print('我是主线程')
#
#
​
​
###第二种方式
​
class MyThread(Thread):
    def __init__(self,a):
        self.a=a
        super().__init__()
    def run(self):
        time.sleep(1)
        print('我是子线程',self.a)
​
if __name__ == '__main__':
    t=MyThread('aaaaa')
    t.start()
    print('我是主线程')

3 多线程与多进程比较

3.1 pid比较

​

3.2 开启速度比较

#开线程消耗的资源，耗费的时间远远小于开进程
from threading import Thread
import time
import os
from multiprocessing import Process
​
def task():
    time.sleep(0.1)
    print('我是子线程')
​
​
if __name__ == '__main__':
    ####线程
    # ctime=time.time()
    # t=Thread(target=task)
    # t.start()
    # t.join() # 等待子线程执行完成主线程再执行
    # print('我是主线程')
    # print(time.time()-ctime)
​
    ##进程
    ctime=time.time()
    t=Process(target=task)
    t.start()
    t.join() # 等待子线程执行完成主线程再执行
    print('我是主线程')
    print(time.time()-ctime)

3.3 内存数据的共享问题

##线程间数据共享
from threading import Thread
import time
import os
from multiprocessing import Process
​
def task():
    global n
    n=10
    print(n)
​
​
if __name__ == '__main__':
    ####线程
    n=100
    t=Thread(target=task)
    t.start()
    t.join() # 等待子线程执行完成主线程再执行
    print('我是主线程')
    print(n)
​

​

4 Thread类的其他方法

​

from threading import Thread
import threading
import time
def task():
    # time.sleep(0.01)
    #在子线程中执行
    # res = threading.currentThread()
    # print(res)
​
    res=threading.get_ident()
    print('子线程：',res)
    print('我是子线程')
​
​
if __name__ == '__main__':
    t=Thread(target=task)
    t1=Thread(target=task)
​
    t.start()
    t1.start()
    # print(t.is_alive())  #看线程是否存活
    #
    # print(t.getName() )  # 获取线程的名字
    # t.setName('lqz')   # 设置线程民资
    # print(t.getName() )
    #
    #
    # print('主线程')
    # time.sleep(0.02)
    # print(t.is_alive())
​
​
    # 主线程中执行，返回当前线程对象
    # res=threading.currentThread()
    # print(res)
​
​
    # 返回当前进程中正在运行的子线程对象列表
    # res=threading.enumerate()
    # print(res)
​
​
    # 返回当前正在运行的线程个数
    # res=threading.activeCount()
    # print(res)
​
    # 线程id号
    res=threading.get_ident()
    print('主线程：',res)

   '''
   t.is_alive()
   t.getName()
   t.setName('lqz') 

   threading:模块下的一些方法
   res=threading.currentThread()
   res=threading.enumerate()
   res=threading.activeCount()
   res=threading.get_ident()
   '''

5 join方法

等待子线程执行结束
​

​
from threading import Thread
import time
​
def task():
    time.sleep(2)
    print('我是子线程')
​
​
if __name__ == '__main__':
    ll=[]
    for i in range(1000):
        t=Thread(target=task)
​
        t.start()
        ll.append(t)
​
    for i in ll:
        i.join()
​
​
​
    # 主线程等待子线程执行完再执行
    print('我是主线程，子线程全都执行完了')

​
​

6 守护线程

from threading import Thread
import time
​
def task():
    time.sleep(2)
    print('我是子线程')
​
​
if __name__ == '__main__':
    t=Thread(target=task)
    t.setDaemon(True)  # 如果主线程执行结束，子线程也结束（不执行了）
    t.start()
​
    #只要主线程执行结束，子线程也结束
    print('主线程执行结束')

​

7 同步锁（互斥锁）

## 多个线程操作同一个数据（变量），会出现并发安全的问题
# from threading import Thread,Lock
# import time
# import random
# def task():
#     global n
#
#
#     ### 临界区(加锁)
#     time.sleep(random.random())
#     temp=n
#     time.sleep(random.random())
#     temp=temp-1
#     n=temp
#
#     ##模拟不出来，因为太快了，没有cup的切换（io，时间片到了），模拟io，让cpu切换
#
#     # n-=1
#
#
# if __name__ == '__main__':
#     n=10
#     ll=[]
#     for i in range(10):
#         t=Thread(target=task)
#         t.start()
#         ll.append(t)
#
#     for i in ll:
#         i.join()
#
#
#     print(n)

###出现了并发安全的问题，加锁解决

from threading import Thread,Lock
import time
import random
def task_lock(lock):
    global n

    ### 临界区(加锁)
    with lock:
        time.sleep(random.random())
        temp=n
        time.sleep(random.random())
        temp=temp-1
        n=temp

    ##模拟不出来，因为太快了，没有cup的切换（io，时间片到了），模拟io，让cpu切换

    # n-=1

def task_no_lock():

    global n
    time.sleep(random.random())
    temp=n
    time.sleep(random.random())
    temp=temp-1
    n=temp

if __name__ == '__main__':
    n=10
    lock=Lock()
    ll=[]
    for i in range(10):
        # t=Thread(target=task_lock,args=[lock,])
        t=Thread(target=task_no_lock,args=[lock,])
        t.start()
        ll.append(t)
        t.join()

    # for i in ll:
    #     i.join()

    print(n)

'''
互斥锁和join的区别
如果使用互斥锁：只锁临界区，只有临界区是串行，其他地方还是并发的
如果使用join，整个过程全变成串行执行

'''

8 信号量

### 信号量可以理解为多把锁，同时允许多个线程来更改数据

from  threading import Thread,Semaphore

import time
import random
def task(sm,i):
    sm.acquire()
    print('%s:这个人在上厕所'%i)
    time.sleep(random.random())
    print('%s:这个人拉完了'%i)
    sm.release()

sm=Semaphore(5)
for i in range(40):
    t=Thread(target=task,args=[sm,i])
    t.start()

9 Event事件

Event事件:
一些线程需要等到其他线程执行完成之后才能执行，类似于发射信号
比如一个线程等待另一个线程执行结束再继续执行

# 一些线程需要等到其他线程执行完成之后才能执行，类似于发射信号
# 比如一个线程等待另一个线程执行结束再继续执行

from threading import Thread, Event

import time
import random

def girl(event):
    print('赵丽颖现在在结婚状态')
    time.sleep(1)
    # 离婚了，发送信号
    print('赵丽颖离婚了')
    event.set()  # 发送一个信号

def boy(i, event):
    print('屌丝%s：在等赵丽颖的离婚信号'%i)
    event.wait()  # 收不到信号之前，一直卡在这
    print('屌丝%s号，收到了离婚信号，开始追' % i)

event = Event()
t = Thread(target=girl, args=[event, ])
t.start()

for i in range(10):
    t1 = Thread(target=boy, args=[i, event])
    t1.start()

##  写两条线程，一条线程读一个文件的头2分之一，另一个线程读这个文件的后2分之一，但是必须第一个线程读完，发送信号后，第二个线程才能读

总结

1 GIL锁：全局解释器锁，在解释器之上的一把大锁，线程必须获得这把锁，才能执行，只针对与cpython解释器
2 GIL和线程锁有什么区别？有了GIL锁，为什么还要线程锁？
	-本身GIL和线程锁，都是线程级别的锁，GIL是内置的，解释器里的
    -线程锁：开发者定义的
3 多核cpu：
	如果是计算密集型：开进程
    io密集型：开线程

4 开启线程的两种方式（对比进程）
5 进程和线程的比较
	-进程id比较
    -开启效率的比较
    -共享变量

6 Thread类的其他方法，threading模块下的其他方法

7 线程join（等待子线程执行完成）
8 守护线程（如果主线程执行完成，子线程也结束）
9 互斥锁，同步锁：为了保证并发情况下数据安全，把对数据的操作过程变成串行，牺牲了效率，保证了数据安全
10 信号量，Event