GIL 与线程池进程池

1、什么是GIL（这是Cpython解释器）
    GIL本质就是一把互斥锁，那既然是互斥锁，原理都一样，都是让多个并发线程同一时间只能
    有一个执行
    即：有了GIL的存在，同一进程内的多个线程同一时刻只能有一个在运行，意味着在Cpython中
        一个进程下的多个线程无法实现并行===》意味着无法利用多核优势
        但不影响并发的实现

    GIL可以被比喻成执行权限，同一进程下的所以线程 要想执行都需要先抢执行权限

2、为何要有GIL
    因为Cpython解释器自带垃圾回收机制不是线程安全的

3、如何用

    GIL vs 自定义互斥锁
        GIL相当于执行权限,会在任务无法执行的情况，被强行释放
        自定义互斥锁即便是无法执行，也不会自动释放

4、有两种并发解决方案：
    多进程：计算密集型
    多线程：IO密集型


#计算密集型用Process进程
from multiprocessing import Process
from threading import Thread
import os,time
def work():
    res=0
    for i in range(200000):
        res*=i

if __name__ == '__main__':
    l=[]
    print(os.cpu_count())#本机为四核
    start=time.time()
    for i in range(1,5):
        p=Process(target=work)
        l.append(p)
        p.start()
    for n in l:
        n.join()
    stop=time.time()  # 进程运行时间远小于线程运行时间
    print('run time is %s'%(stop-start))

IO密集型

from threading import Thread
import os,time
def work():
    time.sleep(5)
if __name__ == '__main__':
    start=time.time()
    p1=Thread(target=work)
    p2=Thread(target=work)
    p3=Thread(target=work)
    p4=Thread(target=work)
    p1.start()
    p2.start()
    p3.start()
    p4.start()
    p1.join()
    p2.join()
    p3.join()
    p4.join()
    stop=time.time()
    print('run time is %s'%(stop-start))
    #为io密集型时，用线程效率高

定时器
from threading import Timer,current_thread
def task(x):
    print('%s run>>>>'%x)
    print(current_thread().name)
if __name__ == '__main__':
    t=Timer(3,task,args=(10,))
    t.start()
    print('主')
    会在等待3秒后执行程序

线程queue

import queue

1队列：先进先出
q=queue.Queue(3) 线程队列
q.put(1)
q.get()

2堆栈：先进后出
q=queue.LifoQueue()

3.优先级队列：优先级高先出来，数字越小，优先级越高
q=queue.PriorityQueue()
q.put((3,'data'))
q.put((-10,'data2'))元组的形式，可以为负数，优先出来


进程池与线程池

1，什么时候用池：
池的功能是限制启动的进程数或者线程数

什么时候限制：
当并发的任务数远远超过了计算机的承受能力时，即无法一次性开启过多的进程数
或者线程数时，就应该用池的概念将开启的进程数或者线程数限制在计算机
可承受的范围内

2，同步VS异步
同步、异步指的是提交任务的两种方式

同步；提交完任务后就在原地等待，直到任务运行完毕后拿到任务
的返回值，才继续运行下一行代码

异步：提交完任务（绑定一个回调函数）后根本不在原地等待，直接
运行下一行代码，等到任务有返回值后会自动触发回调函数执行


from  concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor
from threading import current_thread
import os,time,random
def task(n):
    print('%s run、、'%current_thread().name)
    time.sleep(5)
    return n**2
def parse(future):
    time.sleep(1)
    res=future.result()拿到返回值
    print('%s 处理了%s'%(current_thread().name,res))
if __name__ == '__main__':
    pool=ThreadPoolExecutor(4)默认为核数的五倍，进程则是核数，建池
    start=time.time()
    for i in range(1,5):
        future=pool.submit(task,i)异步，直接放函数及参数
        future.add_done_callback(parse)#parse会在future有返回值时立刻
        触发，并且将future当做参数传给parse
    pool.shutdown(wait=True)默认为True，关闭池入口 ，等待运行完毕
    stop=time.time()
    print('zhu ',current_thread().name,(stop-start))
    #回调函数在用并发进程时是由主进程一个一个运行
    #而多线程下回调函数由线程并发运行



实现多线程并发的套接字

服务端
from socket import *
from threading import Thread

def talk(conn):
    while True:
        try:
            data=conn.recv(1024)
            if len(data) == 0:break
            conn.send(data.upper())
        except ConnectionResetError:
            break
    conn.close()

def server(ip,port,backlog=5):
    server = socket(AF_INET, SOCK_STREAM)
    server.bind((ip, port))
    server.listen(backlog)

    print('starting...')
    while True:
        conn, addr = server.accept()

        t = Thread(target=talk, args=(conn,))
        t.start()

if __name__ == '__main__':
    server('127.0.0.1',8080)

客户端
from socket import *
import os

client=socket(AF_INET,SOCK_STREAM)
client.connect(('127.0.0.1',8080))

while True:
    msg='%s say hello' %os.getpid()
    client.send(msg.encode('utf-8'))
    data=client.recv(1024)
    print(data.decode('utf-8'))