编程语言
首页 > 编程语言> > 4.21python

4.21python

作者:互联网

死锁现象、信号量、进程池、线程池、协程

GIL与普通互斥锁的区别

1.先代码验证GIL的存在

from threading import Thread
import time
money = 100
def task():
    global money
    money -= 1
for i in range(100):  # 创建100个线程
    t = Thread(target=task)
    t.start()
print(money)  # 0
# 结果为0,说明各个线程抢到全局锁才回去执行,执行完再交接给下一位,最后都进行了数据修改

2、代码验证不同数据加不同锁

from threading import Thread, Lock
import time
money = 100
mutex = Lock()  # 互斥锁
def task():
    global money
    mutex.acquire()  # 抢锁
    tmp = money
    time.sleep(0.1)
    money = tmp - 1
    mutex.release()  # 放锁
    
t_list = []  # 存放线程的列表
for i in range(100):
    t = Thread(target=task)
    t.start()
    t_list.append(t)
for t in t_list:
    t.join()  # 给所有线程加join方法,确保所有的线程运行完毕
print(money)  # 0
注意:如果这里没加互斥锁mutex的时候,结果为99,为什么?
分析:因为如果没有互斥锁保证它独立运行完再运行下一个的话,每个线程获取到的money都是100,tmp-1都是99,那么最终结果也就是99

"""
GIL是一个纯理论知识 在实际工作中根本无需考虑它的存在

GIL作用面很窄 仅限于解释器级别 
	后期我们要想保证数据的安全应该自定义互斥锁(使用别人封装好的工具)
"""

3、抢锁放锁简便写法

mutex = lock()
with mutex:
    加锁的代码

IO密集型和计算密集型

#计算密集型和IO密集型的区别
    IO 密集型:系统运作,大部分的状况是CPU 在等I/O (硬盘/内存)的读/写。
    CPU 密集型(计算密集型):大部份时间用来做计算、逻辑判断等CPU 动作的程序称之CPU 密集型(计算密集型)
#IO密集型任务的特点:
    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,任务的大部分时间都在等待IO操作完成(因为IO的速度远远低于CPU和内存的速度)。对于IO密集型任务,任务越多,CPU效率越高,但也有一个限度。常见的大部分任务都是IO密集型任务,比如Web应用。

    IO密集型任务执行期间,99%的时间都花在IO上,花在CPU上的时间很少,因此,用运行速度极快的C语言替换用Python这样运行速度极低的脚本语言,完全无法提升运行效率。对于IO密集型任务,最合适的语言就是开发效率最高(代码量最少)的语言,脚本语言是首选,C语言最差。
#单个CPU
	多个IO密集型任务
  	  多进程:浪费资源 无法利用多个CPU
          多线程:节省资源 切换+保存状态
    多个计算密集型任务
  	  多进程:耗时更长 创建进程的消耗+切换消耗
          多线程:耗时较短 切换消耗
#多个CPU
	多个IO密集型任务
  	  多进程:浪费资源 多个CPU无用武之地
          多线程:节省资源 切换+保存状态
    多个计算密集型任务
  	  多进程:利用多核 速度更快
          多线程:速度较慢

死锁

#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
解决:
      1.重构代码
      2.添加超时释放锁

信号量

信号量在不同知识体系中,展现出来的功能时不一样的,

#eg:
在并发编程中:信号量是把互斥锁
在djando框架中:信号量时达到某条件自动触发特定功能
"""
如果将自定义互斥锁比喻成是单个厕所(一个坑位)
那么信号量相当于是公共厕所(多个坑位)
"""
from threading import Thread, Semaphore
import time
import random

sp = Semaphore(5)  # 创建一个有五个坑位(带门的)的公共厕所

def task(name):
    sp.acquire()  # 抢锁
    print('%s正在蹲坑' % name)
    time.sleep(random.randint(1, 5))
    sp.release()  # 放锁
for i in range(1, 31):
    t = Thread(target=task, args=('伞兵%s号' % i, ))
    t.start()
#分析:上面代码创建带有五个位置的信号量,然后创建30个线程,会发现,代码结果会直接先运行5个线程,然后陆续运行接下来的线程,说明,信号量是设置好的5个位置,前面的位置腾出来后后面的线程再进去,以此类推

event事件(线程间通信)

    """
    子线程的运行可以由其他子线程决定!!!
    """
Event几种方法:
    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。

进程池与线程池

进程池:
​	提前创建好固定数量的进程,后续反复使用这些进程(合同工)

线程池:
​	提前创建好固定数量的线程,后续反复使用这些线程(合同工)
from concurrent.futures import ProcessPoolExecutor, ThreadPoolExecytor

# 线程池
pool = ThreadPoolExecutor(5)  # 线程池线程数默认时CPU个数的5倍,也可以自定义,这个代码执行之后就会立刻创建5个等待工作的线程

def task(n):
    time.sleep(2)
    print(n)
    return '任务的执行结果:%s'%n**2

def func(*args, **kwargs):
    # print(args, kwargs)
    print(args[0].result())

for i in range(20):
    # res = pool.submit(task, i)  # 朝线程池中提交任务(异步)及参数
    # print(res.result())  # 同步提交(获取任务的返回值)
    '''这样效率太慢,不应该自己主动等待结果 应该让异步提交自动提醒>>>:异步回调机制'''
# 异步回调机制:异步提交自动提醒add_done_callback(func)    
pool.submint(task, i).add_done_callback(func)
"""add_done_callback只要任务task有结果了,就会自动调用括号内的函数func处理,把task任务当作参数传入func"""

# 进程池
pool = ProcessPoolExecutor(5)  # 进程池进程数默认是CPU个数 也可以自定义
'''上面的代码执行之后就会立刻创建五个等待工作的进程'''
pool.submit(task, i).add_done_callback(func)

协程

进程:资源单位
线程:执行单位
协程:单线程下实现并发
from gevent import monkey;monkey.patch_all()  # 固定编写 用于检测所有的IO操作
from gevent import spawn
import time

def play(name):
    print('%s play 1' % name)
    time.sleep(5)
    print('%s play 2' % name)

def eat(name):
    print('%s eat 1' % name)
    time.sleep(3)
    print('%s eat 2' % name)
start_time = time.time()
g1 = spawn(play, 'jason')  # 协程g1
g2 = spawn(eat, 'jason')  # 协程g2
g1.join()  # 等待检测任务执行完毕
g2.join()  # 等待检测任务执行完毕
print('总耗时:', time.time() - start_time)  # 5.00609827041626

基于协程实现TCP服务端并发

from gevent import monkey;monkey.patch_all()
from gevent import spawn
import socket

def communication(sock):
    while True:
        data = sock.recv(1024)  # IO操作
        print(data.decode('utf8'))
        sock.send(data.upper())
        
def get_server():
    server = socket.socket()
    server.bind(('127.0.0.1', 8080))
    server.listen(5)
    while True:
        sock, addr = server.accept()  # IO操作
        spawn(communication, sock)

g1 = spawn(get_server)
g1.join()

标签:线程,python,import,密集型,IO,time,4.21,CPU
来源: https://www.cnblogs.com/zq0408/p/16304046.html