1 同步异步概念
同步的意思就是协同步调，按预定的先后次序执行。例如你先说完然后我再说。
大家不要将同步理解成一起动作，同步是指协同、协助、互相配合。
例如线程同步，可以理解为线程A和B一块配合工作，A执行到一定程度时要依靠B的某个结果，于是停下来示意B执行，B执行完将结果给A,然后A继续执行。
A强依赖B(对方)，A必须等到B的回复，才能做出下一步响应。即A的操作(行程)是顺序执行的，中间少了哪一步都不可以，或者说中间哪一步出错都不可以。
举个例子：
你去外地上学(人生地不熟)，突然生活费不够了；此时你决定打电话回家，通知家里转生活费过来，可是当你拨出电话时，对方一直处于待接听状态(即：打不通，联系不上)，为了拿到生活费，你就不停的oncall、等待，最终可能不能及时要到生活费，导致你今天要做的事都没有完成，而白白花掉了时间。
异步：
异步则相反，A并不强依赖B，A对B响应的时间也不敏感，无论B返回还是不返回，A都能继续运行；B响应并返回了，A就继续做之前的事情，B没有响应，A就做其他的事情。也就是说A不存在等待对方的概念。
举个例子：
在你打完电话发现没人接听时，猜想：对方可能在忙，暂时无法接听电话，所以你发了一条短信(或者语音留言，亦或是其他的方式)通知对方后便忙其他要紧的事了；这时你就不需要持续不断的拨打电话，还可以做其他事情；待一定时间后，对方看到你的留言便回复响应你，当然对方可能转钱也可能不转钱。但是整个一天下来，你还做了很多事情。 或者说你找室友临时借了一笔钱，又开始happy的上学时光了。
对于多线程共享全局变量计算错误的问题，我们可以使用线程同步来进行解决。
2 互斥锁
当多个线程几乎同时修改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的访问竞争资源(全局内容)，最简单的同步机制就是使用互斥锁。
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状态，其他线程就能更改，直到该线程将资源状态改为非锁定状态，也就是释放资源，其他的线程才能再次锁定资源。互斥锁保证了每一次只有一个线程进入写入操作。从而保证了多线程下数据的安全性。
练习1 用互斥锁解决 线程1 中的200万次的计算问题
import time, threading
g_num = 0
lock = threading.Lock()
def test1(num):
global g_num
lock.acquire()
for i in range(num):
g_num += 1
lock.release()
print('test1--->>', g_num)
def test2(num):
global g_num
lock.acquire()
for i in range(num):
g_num += 1
lock.release()
print('test1--->>', g_num)
def main():
t1 = threading.Thread(target=test1, args=(1000000,))
t2 = threading.Thread(target=test2, args=(1000000,))
t1.start()
t2.start()
if __name__ == '__main__':
main()
time.sleep(1)
print('__main__',g_num)
"""
test1--->> 1000000
test1--->> 2000000
__main__ 2000000
"""3 死锁
在多个线程共享资源的时候，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，就会造成死锁现象。
如果锁之间相互嵌套，就有可能出现死锁。因此尽量不要出现锁之间的嵌套。
import threading
import time
def test1():
lock1.acquire() #lock1 加锁
print('test1...')
time.sleep(1)
lock2.acquire()
print('test1---<<')
lock2.release()
lock1.release()
def tset2():
lock2.acquire()
print('test2...')
# time.sleep(1)
lock1.acquire()
print('test2---<<')
lock1.release()
lock2.release()
lock1 = threading.Lock()
lock2 = threading.Lock()
def main():
t1 = threading.Thread(target=test1())
t2 = threading.Thread(target=tset2())
t1.start()
t2.start()
if __name__ == '__main__':
main()我在运行的时候没有成死锁o(*￣︶￣*)o
所以这种方式只是可能会出现 ，不是必须的
4 线程队列
队列是一种先进先出(FIFO)的存储数据结构，就比如排队上厕所一个道理。
1.创建一个“队列”对象
import Queue # 导入模块
q = Queue.Queue(maxsize = 10)
Queue.Queue类即是一个队列的同步实现。队列长度可为无限或者有限。可通过Queue的构造函数的可选参数maxsize来设定队列长度。如果maxsize小于1就表示队列长度无限。
2.将一个值放入队列中 q.put(10)
调用队列对象的put()方法在队尾插入一个项目。
3.将一个值从队列中取出q.get()
从队头删除并返回一个项目。如果取不到数据则一直等待。
4.q.qsize() 返回队列的大小
5.q.empty() 如果队列为空，返回True,反之False
6.q.full() 如果队列满了，返回True,反之False
7.q.put_nowait(item) ，如果取不到不等待，之间抛出异常。
8.q.task_done() 在完成一项工作之后，q.task_done() 函数向任务已经完成的队列发送一个信号
9.q.join() 收到q.task_done()信号后再往下执行，否则一直等待。或者最开始时没有放数据join()不会阻塞。
q.task_done() 和 q.join() 通常一起使用。
import queue
q = queue.Queue(3)
q.put('zs')
q.put(123)
q.put([1,2,3])
# q.put('haha') #如果put的数据多出设置的的个数，程序就会一直卡在put这
#直到上面的数据去除后才能执行
print(q.get())
print(q.get())
print(q.get())
# print(q.get()) #如果q中没有数据了还 get 也会一直阻塞
print(q.get_nowait()) #如果没有了就直接抛出异常，不会等待
print(q.empty()) # 判断队列是否为空 如果是空 ，则返回True
print(q.full()) # 判断队列是否为满 ，如果满了则返回True
5 生产者和消费者模型
例如A是生产数据的线程，B是消费数据的线程。在多线程开发当中，如果A处理速度很快，而B处理速度很慢，那么A就必须等待B处理完，才能继续生产数据。同样的道理，如果B的处理能力大于A，那么B就必须等待A。为了解决这个问题于是引入了生产者和消费者模式。
什么是生产者消费者模式
生产者和消费者彼此之间不直接通讯，而通过阻塞队列来进行通讯，所以生产者生产完数据之后不用等待消费者处理，直接扔给阻塞队列，消费者不找生产者要数据，而是直接从阻塞队列里取，阻塞队列就相当于一个缓冲区，平衡了生产者和消费者的处理能力。
这就像，在餐厅，厨师做好菜，不需要直接和客户交流，而是交给前台，而客户去饭菜也不需要不找厨师，直接去前台领取即可。
import queue, threading
q = queue.Queue()
lock1 = threading.Lock()
lock2 = threading.Lock()
def producer(name):
count = 1
while count <= 100:
q.join()
lock1.acquire()
q.put(count)
print('{}正在做第{}碗面条'.format(name, count))
lock1.release()
count += 1
def customer(name):
count = 1
while count <= 100:
lock2.acquire()
data = q.get(count)
print('{}正在吃第{}碗面条'.format(name, data))
count += 1
lock2.release()
q.task_done()
def main():
# t1 = threading.Thread(target=producer, args=('海参',))
# t2 = threading.Thread(target=customer, args=('小宝',))
# t1.start()
# t2.start()
threading.Thread(target=customer, args=('小宝',)).start()
threading.Thread(target=producer, args=('海参',)).start()
if __name__ == '__main__':
main()
6 GIL 全局锁解释
GIL 即 ：global interpreter lock 全局解释所。
在进行GIL讲解之前，我们可以先了解一下并行和并发：
并行：多个CPU同时执行多个任务，就好像有两个程序，这两个程序是真的在两个不同的CPU内同时被执行。
并发：CPU交替处理多个任务，还是有两个程序，但是只有一个CPU，会交替处理这两个程序，而不是同时执行，只不过因为CPU执行的速度过快，而会使得人们感到是在“同时”执行，执行的先后取决于各个程序对于时间片资源的争夺.
并行和并发同属于多任务，目的是要提高CPU的使用效率。这里需要注意的是，一个CPU永远不可能实现并行，即一个CPU不能同时运行多个程序。
Guido van Rossum（吉多·范罗苏姆）创建python时就只考虑到单核cpu，解决多线程之间数据完整性和状态同步的最简单方法自然就是加锁， 于是有了GIL这把超级大锁。因为cpython解析只允许拥有GIL全局解析器锁才能运行程序，这样就保证了保证同一个时刻只允许一个线程可以使用cpu。也就是说多线程并不是真正意义上的同时执行。