Python的多线程锁跟队列

一、互斥锁：
1.线程同步能够保证多个线程安全访问竞争资源，最简单的同步机制是引入互斥锁。
2.互斥锁为资源引入一个状态：锁定、非锁定
3.某个线程要更改共享数据是，先将其锁定。此时资源的状态为锁定，其他线程不能更改知道该
线程释放资源，将资源的状态编程"非锁定"，其他的线程才能再次锁定该资源
4.互斥锁保证了每次只有一个线程进行写入操作，从而保证了多线程情况下数据的正确性。
例子：
创建锁
suo = threading.LOck()
锁定
suo.acquire()
非锁定释放
suo.release()

例子：

import threading

count = 0

def line1():
"""
函数1
:return:
"""
global count
global lock
for i in range(100000):
　　lock.acquire()
　　count += 1
　　lock.release()

def line2():
"""
函数2
:return:
"""
global count
global lock
for i in range(100000):
　　lock.acquire()
　　count += 1
　　lock.release()

lock = threading.Lock() # 创建锁
thread1 = threading.Thread(target=line1) # 创建线程
thread2 = threading.Thread(target=line1) # 创建线程
thread1.start() # 线程开始
thread2.start() # 线程开始
thread1.join() # 阻塞线程
thread2.join() # 阻塞线程
print(count)

二、死锁
在线程间共享多个资源的时候，如果两个线程分别占有一部分资源并且同时等待对方的资源，就会
造成死锁‘尽管死锁很少发生，但一旦发生就会造成应用的停止响应。

三、GIL 全局解释器锁：、
因为全局解释器锁的原因，保证了python在运行的时候一次只能运行一个线程，而做不到线程
的并行，一个线程执行完了才能接着执行下一线程。（线程只能并发不能并行）
我们可以使用多进程来实现程序的并行。

问题一： python单线程和多线程分别来完成工作，到底那个快？

1.io密集型：涉及到网络、磁盘io的任务都是io密集型任务，这类任务的特点是cpu消耗很少，任务的大部分的
时间都在等待io操作完成（因为io的速度远远低于cpu和内训的速度）
结论：io密集型操作，多线程比单线程要快

2.cpu密集型：cpu密集型也称为计算密集型，任务的特点是要进行大量的计算，消耗cpu资源，比如
计算圆周率、对视频进行高清解码等等，全靠cpu的运算能力
结论：cpu密集型操作，单线程比多线程要快

四、队列
1.Python的Queue模块中提供了同步的、线程安全的队列，这些队列都实现了锁原语，能够在多线程中直接
使用。可以使用队列来实现线程间的同步。
2.初始化Queue()对象时，若括号中没有指定最大可接收的消息数量，或数量为负值，那么就代表可
接受的消息数量没有上限。

队列的方法：
task_done() 在队列中每获取一个数据，就要发送一个标记
join() 判断队列中的任务是否执行完毕，如果没有执行完毕，会一直等待。
qsize() 返回当前队列包含的消息数量；
empty() 判断队列是否为空 ，返回True 或 False
full() 判断队列是否为满了 ，返回True 或 False
put() 添加队列，如果队列数据达到上限，就不能再添加。
get() 获取队列，如果队列数据为空，就不能在获取
put_nowait() 添加队列不等待
get_nowait() 获取队列不等待

1.FIFO（先入先出）队列
from queue import Queue

2.LIFO后入先出
from queue import LifoQueue

3.优先级队列 PriorityQueue
from queue import PriorityQueue

优先级队列，以优先级顺序(最低优先级)检索打开条目的队列的变体。
条目通常是表单的元组:(优先number, data)

注意：这三个模块都有上面九个方法