目录
1、多任务介绍
多场景中事情同时进行
from time import sleep
def sing():
for i in range(3):
print("正在唱歌...%d" % i)
sleep(i)
def dance():
for i in range(3):
print("正在跳舞...{}".format(i))
sleep(i)
if __name__ == '__main__':
sing()
dance()2、多任务的概念
真正并行执行多任务只能再多核cpu上实现，但是由于任务数量远远多于cpu核心数量，所以操作系统也会自动把很多任务轮流调度到每个核心运行。
并发：指的是任务数多余cpu核数，通过操作系统的各种任务调度算法，实现用多个任务一起执行（实际上总有一些任务不再执行，因为切换任务的速度相当快，看上去一起执行而已）
并行：指的是任务数小于等于cpu核数，即任务真的是一起执行
3、threading模块介绍
python的thread模块是比较底层的模块，python的threading模块是对thread做了一些包装的，可以更加方便被使用。
threading模块常用方法如下：
threading.active_count() # 返回当前处于active状态的Thread对象
threading.current_thread() # 返回当前Thread对象
threading.get_ident() # 返回当前线程的线程标识符，线程标识符是一个非负整数，并无特殊含义，只是用来标识线程，该整数可能会被循环使用。py3.3及以后支持
threading.enumerate() # 返回当前处于active状态的所有Thread对象列表
threading.main_thread() # 返回主线程对象，即启动python解释器的线程对象，py3.4及以后支持
threading.stack_size() # 返回创建线程时使用的栈的大小，如果指定size参数，则用来指定后续创建的线程使用的栈大小，size必须是0（标识使用系统默认值）或大于32K的正整数。
4、Thread类使用说明
threading模块提供了Thread，Lock,RLock,Condition,Event,Timer和Semaphore等类来支持多线程，Thread是其中最重要也是最基本的一个类，可以通过该类创建线程并控制线程运行。
使用Thread创建线程的方法：
1.为构造函数传递一个可调用对象
2.继承Thread类并在子类中重写__init__()和run()方法
语法格式：threading.Thread(group=None,target=None, name=None,args=(),kwargs={},*,daemon=None)
参数说明：
group:通常默认即可，作为日后扩展ThreadGroup类实现而保留
target:用于run()方法调用的可调用对象，默认为None
name:线程名称，默认是Thread-N格式构成的唯一名称，其中N是十进制数
args:用于调用目标函数的参数元组，默认为()
kwargs:用于调用目标函数的关键字参数字典，默认为{}
daemon:设置线程是否为守护模式，默认为None
线程对象threading.Thread的方法和属性：
start() 启动线程
run() 线程代码，用来实现线程的功能和业务逻辑，可以在子类中重写该方法来自定义线程的行为
init(self,group=None,target=None, name=None,args=(),kwargs=None,daemon=None) 构造函数
is_alive() 判断线程是否存活
getName() 返回线程名
setName() 设置线程名
isDaemon() 判断线程是否为守护线程
setDaemon() 设置线程是否为守护线程
name 用来读取或设置线程的名字
ident 线程标识，用非0数字或None（线程未被启动）
daemon 标识线程是否为守护线程，默认为False
join(timeout=None) 当timeout为None时，会等待至线程结束；当timeout不为None时，会等待至timeout时间结束，单位为秒。
4.2 实例化threading.Thread
1.单线程执行
import time
def saySorry():
print("saySorry")
time.sleep(1)
if __name__ == '__main__':
for i in range(5):
saySorry()2.使用threading模块
import time
import threading
def saySorry():
print("saySorry")
time.sleep(1)
if __name__ == '__main__':
for i in range(5):
t = threading.Thread(target=saySorry)
t.start()使用多线程并发的操作，花费时间要短很多
当调用start()时，才会真正的创建线程，并开始执行
3.主线程会等待所有的子线程结束后才结束
def sing():
for i in range(3):
print("正在唱歌...%d" % i)
sleep(1)
def dance():
for i in range(3):
print("正在跳舞...%d" % i)
sleep(1)
if __name__ == '__main__':
print('---开始---:%s' % ctime())
t1 = threading.Thread(target=sing)
t2 = threading.Thread(target=dance)
t1.start()
t2.start()
# sleep(5)
print('---结束---:%s' % ctime())4.查看线程数量
def dance():
for i in range(3):
print("正在跳舞...%d" % i)
sleep(1)
if __name__ == '__main__':
print('---开始---:%s' % ctime())
t1 = threading.Thread(target=sing)
t2 = threading.Thread(target=dance)
t1.start()
t2.start()
# sleep(5)
while True:
length = len(threading.enumerate())
print("当前运行的线程数为:%d" % length)
if length <=1:
break
sleep(0.5)4.3 继承threading.Thread
1.线程执行代码的封装
import threading
import time
class MyThread(threading.Thread):
def run(self):
for i in range(3):
time.sleep(1)
msg = "I'm" + self.name + '@' + str(i) # name属性中保存的时当前线程的名字
print(msg)
if __name__ == '__main__':
t = MyThread()
t.start()python的threading.Thread类有一个run方法，用于定义线程的功能函数，可以在自己的线程类中覆盖该方法。而创建自己的线程实例后，通过Thread类和start方法，可以启动该线程，交给python虚拟机进行调度，当该线程获得执行的机器时，就会调用run方法执行线程。
2.线程的执行顺序
import threading
import time
class MyThread(threading.Thread):
def run(self):
for i in range(3):
time.sleep(1)
msg = "I'm" + self.name + '@' + str(i) # name属性中保存的时当前线程的名字
print(msg)
def demo():
for i in range(5):
t = MyThread()
t.start()
if __name__ == '__main__':
demo()说明：从代码和执行结果可以看出，多线程程序的执行顺序时不确定的。当执行得到sleep语句时，线程将会被阻塞，到sleep结束后，线程进入就绪状态，等待调度。而线程调度将自行选择一个线程执行。上面代码只能保证每个线程都运行完整个run函数，但线程的启动顺序，run函数中每次循环的执行顺序都不能确定。
总结：
1.每个线程默认有一个名字，尽管上面的例子中没有指定线程对象的name,但是python会自动为线程指定一个名字
2.当线程的run()方法结束时该线程完成
3.无法控制线程调度程序，但可以通过别的方法来影响线程调度的方式
4.4 多线程-共享全局变量
from threading import Thread
import time
g_num = 100
def work1():
global g_num
for i in range(3):
g_num += 1
print("---in work1,g_num is %d---" % g_num)
def work2():
global g_num
print("---in work2,g_num is %d---" % g_num)
print("---线程创建之前g_num is %d" % g_num)
t1 = Thread(target=work1)
t1.start()
# 延时一会儿，保证t1线程中的事情做完
time.sleep(1)
t2 = Thread(target=work2)
t2.start()列表当做实参传递到线程中：
from threading import Thread
import time
"""
g_num = 100
def work1():
global g_num
for i in range(3):
g_num += 1
print("---in work1,g_num is %d---" % g_num)
def work2():
global g_num
print("---in work2,g_num is %d---" % g_num)
print("---线程创建之前g_num is %d" % g_num)
t1 = Thread(target=work1)
t1.start()
# 延时一会儿，保证t1线程中的事情做完
time.sleep(1)
t2 = Thread(target=work2)
t2.start()
"""
def work1(nums):
nums.append(44)
print("---in work1---", nums)
def work2(nums):
# 延时一会儿，保证t1线程中事情做完
time.sleep(1)
print("---in work2---", nums)
g_nums = [11, 22, 33]
t1 = Thread(target=work1, args=(g_nums,))
t1.start()
t2 = Thread(target=work2, args=(g_nums,))
t2.start()
总结：
在一个进程内所有进程共享全局变量，很方便在多个线程之间共享数据
缺点就是，线程是对全程变量随意篡改可能造成多线程之间对全局变量的混乱（即线程非安全）
4.5 多线程-共享全局变量问题
多线程开发可能遇到的问题：假设两个线程t1和t2都要对全局变量g_num(默认是0)进行加1运算
，t1和t2都各对g_num加10次，g_num的最终结果应该为20
但是由于多线程同时进行操作，可能出现下面情况：
1.在g_num=0时，t1取得g_num=0。此时系统把t1调度成sleeping状态，那t2转换为running状态，t2也获得g_num=0
2.然后t2对得到的值进行加1并赋值给g_num，使得g_num=1
3.然后系统又把t2调度为sleeping，把t1转为running。线程t1又把它之前得到的0加1后赋值给g_num
4.这样导致虽然t1和t2都对g_num加1，但结果仍然是g_num=1
g_num = 0
def work1(num):
global g_num
for i in range(num):
g_num += 1
print("---in work1,g_num is %d---" % g_num)
def work2(num):
global g_num
for i in range(num):
g_num += 1
print("---in work2,g_num is %d---" % g_num)
print("---线程创建之前g_num is %d" % g_num)
t1 = threading.Thread(target=work1, args=(100,))
t1.start()
t2 = threading.Thread(target=work2, args=(100,))
t2.start()
while len(threading.enumerate()) != 1:
time.sleep(1)
print("2个线程对同一个全局变量进行操作之后的最终结果是:%s" % g_num)
结论：如果多个线程同时对同一个全局变量操作，会出现资源竞争问题，从而数据结果会不正确
5、线程同步概念
同步就是协同步骤，按预定的先后次序进行运行。如果多个线程共同对某个数据修改，则可能出现不可预料的结果，为了保证数据正确性，需要对多个线程进行同步。
使用Thread对象的Lock和Rlock可以时间简单的线程同步，这两个对象都有acquire方法release方法，对于那些只允许一个线程操作的数据，可以将其操作放到acquire和release方法之间
对于上面提出的计算错误问题，可以通过线程同步来进行解决思路，如下：
1.系统调用t1，然后获取到g_num的值为0，此时上一把锁，即不允许其他线程操作g_num
2.t1对g_num的值进行+1
3.t1解锁，此时g_num的值为1，其他线程就可以使用g_num了，而且是g_num的值不是0而是1
4.同理其他线程在对g_num进行修改时，都要先上锁，处理完后再解锁，在上锁的整个过程中不允许其他线程访问，就保证数据正确性
6、互斥锁
当多个线程几乎同时修改某一个共享数据的时候，需要进行同步控制
线程同步能够保证多个线程安全访问竞争资源，最简单的同步机制时引入互斥锁
互斥锁为资源引入一个状态：锁定/非锁定
某个线程要更改共享数据时，先将其锁定，此时资源的状态为锁定，其他线程不能更改，直到该线程释放资源，将资源的状态变成非锁定，其他的线程才能再次锁定该资源。互斥锁保证了每次只有一个线程进行写入操作，从而保证多线程情况下数据的正确性。
threading模块中定义了Lock类，可以方便的处理锁定：
import threading
# 创建锁
mutex = threading.Lock()
# 锁定
mutex.acquire()
# 释放
mutex.release()注意：
如果这个锁之前没有上锁，那么acquire不会堵塞
如果在调用acquire对这个锁上锁之前 它已经被 其他线程上了锁 那么此时acquire会堵塞，直到这个锁被解锁为止
使用互斥锁完成两个线程对同一个全局变量各加100万次的操作：
g_num = 0
# 创建锁
mutex = threading.Lock()
def demo1(num):
global g_num
for i in range(num):
mutex.acquire() # 上锁
g_num += 1
mutex.release() # 解锁
print("---demo1---g_num=%d" % g_num)
def demo2(num):
global g_num
for i in range(num):
mutex.acquire() # 上锁
g_num += 1
mutex.release() # 解锁
print("---demo2---g_num=%d" % g_num)
# 创建两个线程，让他们各自对g_num加1000000次
p1 = threading.Thread(target=demo1, args=(1000000,))
p1.start()
p2 = threading.Thread(target=demo2, args=(1000000,))
p2.start()
while len(threading.enumerate()) != 1:
time.sleep(1)
print("2个线程对同一个全局变量操作之后的最终结果是:%d" % g_num)
上锁解锁过程：
当一个线程调用锁acquire()方法获得锁时，锁就进入locked状态
每次只有一个线程可以获得锁，如果此时另一个线程试图获得这个锁，该线程就会变为block状态，称为阻塞，知道拥有锁的线程调用锁的release()方法释放锁之后，锁进入unlocked状态
线程调度程序从处于同步阻塞时状态的线程中选择一个来获得锁，并使得该线程进入运行状态
总结：
锁的好处：确保了某段关键代码只能由一个线程从头到尾完成地执行
锁的坏处：
阻止了多线程并发执行，包含锁的某段代码实际只能单线程模式执行，效率就大大下降了，由于可以存在多个锁，不同的线程持有不同的锁，并试图获取对方持有锁时，可能会造成死锁。
7、死锁
在线程间共享多个资源的时候，如果两个线程分别占由一部分资源并且同时等待对方的资源，就会造成死锁。
import threading
import time
class MyThread1(threading.Thread):
def run(self):
# 上锁
mutexA.acquire()
# 延时1s,等待另外线程，把mutexB上锁
print(self.name+'---do1---up---')
time.sleep(1)
# 此时会堵塞，因为这个mutexB已经被另外的线程抢先上锁了
mutexB.acquire()
print(self.name + '---do1---down---')
mutexB.release()
mutexA.release()
class MyThread2(threading.Thread):
def run(self):
mutexB.acquire()
print(self.name+'---do2---up---')
time.sleep(1)
mutexA.acquire()
print(self.name + '---do2---down---')
mutexA.release()
mutexB.release()
mutexA = threading.Lock()
mutexB = threading.Lock()
if __name__ =='__main__':
t1 = MyThread1()
t2 = MyThread2()
t1.start()
t2.start()如何避免死锁：
1.程序设计时要尽量避免银行家算法
2.添加超时时间等