1.GIL全局解释器锁
基于CPython来研究全局解释器锁。
1.GIL本质上是一个互斥锁,相当于执行权限,每个进程内都会存在一把GIL。
2.GIL为了阻止同一个进程内多个线程同时执行(并行)
--单个进程下的多个线程无法实现并行,但能实现并发。
3.这把锁主要是因为CPython的内存管理不是“线程安全”的。
-内存管理:垃圾回收机制。
GIL的存在就是为了保证线程安全的。
注意:多个线程过来执行,一旦遇到IO操作,就会立马释放GIL解释器锁,交给下一个先进来的线程。同一进程的多个线程必须抢到GIL才能使用CPython解释器解释执行自己的代码。
import time
from threading import Thread,current_thread
m=100
def task():
global m
m1=m
m=m1-1
print(m,current_thread().name)
for line in range(100):
t=Thread(target=task)
t.start()
2.多线程的作用:
站在两个角度去看问题:
- 四个任务, 计算密集型, 每个任务需要10s:
单核:
- 开启进程
消耗资源过大
- 4个进程: 40s
- 开启线程
消耗资源远小于进程
- 4个线程: 40s
多核:
- 开启进程
并行执行,效率比较高
- 4个进程: 10s
- 开启线程
并发执行,执行效率低.
- 4个线程: 40s
- 四个任务, IO密集型, 每个任务需要10s:
单核:
- 开启进程
消耗资源过大
- 4个进程: 40s
- 开启线程
消耗资源远小于进程
- 4个线程: 40s
多核:
- 开启进程
并行执行,效率小于多线程,因为遇到IO会立马切换CPU的执行权限
- 4个进程: 40s + 开启进程消耗的额外时间
- 开启线程
并发执行,执行效率高于多进程
- 4个线程: 40s
from threading import Thread
from multiprocessing import Process
import os
import time
#计算密集型
def work1():
m=0
for line in range(1000000):
m+=1
#IO密集型
def work2():
time.sleep(1)
if __name__ == '__main__':
#测试计算密集型
print(os.cpu_count()) #2
start_time=time.time()
list1=[]
for line in range(6):
p=Process(target=work1) #程序执行时间3.8562204837799072
#p=Thread(target=work1) #程序执行时间0.9380536079406738
list1.append(p)
p.start()
for p in list1:
p.join()
end_time=time.time()
print(f'程序执行时间{end_time-start_time}')
#测试IO密集型
print(os.cpu_count())
start_time=time.time()
list1=[]
for line in range(40):
p=Process(target=work2) #程序执行时间16.487942934036255
# p = Thread(target=work2) #程序执行时间1.3670780658721924
list1.append(p)
p.start()
for p in list1:
p.join()
end_time=time.time()
print(f'程序执行时间{end_time-start_time}')
在计算密集型情况下:使用多进程;IO密集型下,使用多线程;高效执行多个进程内多个IO密集型的程序:
3.死锁现象
from threading import Lock,Thread,current_thread
import time
mutex_a=Lock()
mutex_b=Lock()
class MyThread(Thread):
#线程执行任务
def run(self):
self.func1()
self.func2()
def func1(self):
mutex_a.acquire()
print(f'用户{self.name}抢到锁a')
mutex_b.acquire()
print(f'用户{self.name}抢到锁b')
mutex_b.release()
print(f'用户{self.name}释放锁b')
mutex_a.release()
print(f'用户{self.name}释放锁a')
def func2(self):
mutex_b.acquire()
print(f'用户{self.name}抢到锁b')
#IO操作
time.sleep(1)
mutex_a.acquire()
print(f'用户{self.name}抢到锁a')
mutex_a.release()
print(f'用户{self.name}释放锁a')
mutex_b.release()
print(f'用户{self.name}释放锁b')
for line in range(10):
t=MyThread()
t.start()
运行结果:
用户Thread-1抢到锁a
用户Thread-1抢到锁b
用户Thread-1释放锁b
用户Thread-1释放锁a
用户Thread-1抢到锁b
用户Thread-2抢到锁a
卡住了。。。
4.递归锁
用于解决死锁问题。
Rlock:比喻成万能钥匙,可以提供给多个人去使用。但是第一个使用的时候,会对该锁做一个引用计数。只有引用计数为0,才能真正释放让另一个人去使用。
#递归锁
from threading import Lock,Thread,RLock
import time
mutex_a=mutex_b=RLock()
class MyThread(Thread):
#线程执行任务
def run(self):
self.func1()
self.func2()
def func1(self):
mutex_a.acquire()
print(f'用户{self.name}抢到锁a')
mutex_b.acquire()
print(f'用户{self.name}抢到锁b')
mutex_b.release()
print(f'用户{self.name}释放锁b')
mutex_a.release()
print(f'用户{self.name}释放锁a')
def func2(self):
mutex_b.acquire()
print(f'用户{self.name}抢到锁b')
#IO操作
time.sleep(1)
mutex_a.acquire()
print(f'用户{self.name}抢到锁a')
mutex_a.release()
print(f'用户{self.name}释放锁a')
mutex_b.release()
print(f'用户{self.name}释放锁b')
for line in range(3):
t=MyThread()
t.start()
5.信号量:
互斥锁:比喻成一个家用马桶,同一时间只能让一个人去使用
信号量:比喻成公厕多个马桶,同一时间可以让多个人去使用
from threading import Semaphore,Lock,current_thread,Thread
import time
sm=Semaphore(5) #5个马桶
# mutex=Lock()
def task():
# mutex.acquire()
sm.acquire()
print(f'{current_thread().name}执行任务')
time.sleep(1)
sm.release()
# mutex.release()
for line in range(20):
t=Thread(target=task)
t.start()
互斥锁让20个线程一个一个执行完,信号量让20个线程5个5个执行完。
6.线程队列
线程Q:线程队列
FIFO:先进先出
LIFO:后进先出
优先级队列:根据参数内,数字的大小进行分级,数字值越小,优先级越高。
#线程队列
import queue
#普通的线程队列:先进先出
q=queue.Queue()
q.put(1)
q.put(2)
print(q.get()) #1
#LIFO队列:后进先出
q=queue.LifoQueue()
q.put(1)
q.put(2)
print(q.get()) #2
#优先级队列
q=queue.PriorityQueue()
#若参数中传的是元组,会以元组中第一个数字参数为准
q.put(('a','wtf',4))
q.put(('a','wtt',3))
q.put(('a','wff',2))
print(q.get()) #('a', 'wff', 2)
'''
1.首先根据第一个参数判断ASCII表的数值大小
2.若相同,从左往右依次判断参数的数值大小
'''