说起python并发编程，就不得不说著名的全局解释锁（GIL）了。有兴趣的同学可以我查找一下相关的资料了解一下GIL,在这里大家只要知道一点，因为GIL的存在， 对于任何Python程序，不管有多少的处理器，任何时候都总是只有一个线程在执行。

下面先看一个例子：

1. #!/usr/bin/env python
2. # -*- coding: utf-8 -*-
3. """
4. Created on Mon Jun 5 16:12:14 2017
5.  
6. @author: 80002419
7. """
8. import threading
9. import time
10.  
11. def cost(fun):##定义一个装饰器，用来计算函数运行的时间
12. def wrapper(*args,**kargs):
13. before_tm = time.time()
14. fun(*args,**kargs);
15. after_tm = time.time()
16. fun.__doc__
17. print("{0} cost:{1}".format(fun.__name__,after_tm-before_tm))
18. return wrapper
19.  
20. def fibs1(n):
21. if (n == 1):
22. return 0
23. elif(n == 2):
24. return 1
25. else:
26. return fibs1(n-2)+fibs1(n-1)
27.  
28. def fibs2(n):
29. list = []
30. if (n == 1):
31. list = [0]
32. return list[-1]
33. elif(n == 2):
34. list = [0,1]
35. return list[-1]
36. else:
37. list = [0,1]
38. for i in range(2,n):
39. list.append(list[i-1]+list[i-2])
40. return list[-1]
41.  
42. @cost
43. def nothread():
44. fibs1(35)
45. fibs1(35)
46.  
47.  
48. #@cost
49. #def nothread1():
50. # print(fibs2(40))
51. # print(fibs2(40))
52.  
53. @cost
54. #使用多线程的程序
55. def inthread():
56. threads = []
57. for i in range(2):
58. t = threading.Thread(target = fibs1,args =(35,))
59. t.start()
60. threads.append(t)
61. for t in threads:
62. t.join()
63.  
64. @cost
65. def inthread1():
66. for i in range(2):
67. t = threading.Thread(target=fibs1, args=(35,))
68. t.start()
69. main_thread = threading.currentThread()
70. for t in threading.enumerate():
71. if t is main_thread:
72. continue
73. t.join()
74.  
75. nothread()
76. inthread()

打印结果：

nothread cost:5.41788887978
inthread cost:14.6728241444

 

上面的例子对比了一个cpu密集型程序分别使用多线程和不使用多线程的情况，我们可以得到结论：
对于cpu密集型任务，使用多线程反而会减慢程序的运行。

这是为什么呢？

 因为GIL在任何时候，仅仅允许一个单一的线程能够获取Python对象或者C API。每100个字节的Python指令解释器将重新获取锁，这（潜在的）阻塞了I/O操作

同时 
GIL是必须的，这是Python设计的问题：Python解释器是非线程安全的。这意味着当从线程内尝试安全的访问Python对象的时候将有一个全局的强制锁。当然python

多线程也有可以加快程序运行的时候：当我们开发和网络通信或者数据输入/输出相关的程序，比如网络爬虫、文本处理等等。这时候由于网络情况和I/O的性能的限制，Python解释器会等待读写数据的函数调用返回，这个时候就可以利用多线程库提高并发效率了。这类任务我们称为IO（密集型任务）

 

在多线程编程中，为了防止不同的线程同时对一个公用的资源（比如全部变量）进行修改，需要进行同时访问的数量（通常是1）。信号量同步基于内部计数器，每调用一次acquire()，计数器减1；每调用一次release()，计数器加1.当计数器为0时，acquire()调用被阻塞。

下面来看一个例子：

1. #!/usr/bin/env python
2. # -*- coding: utf-8 -*-
3. """
4. Created on Mon Jun 5 16:12:14 2017
5.  
6. @author: 80002419
7. """
8. from threading import Thread, Semaphore
9. import time,threading
10.  
11. sema = Semaphore(3) # 定义一个信号量为3的Semaphone对象，
12.  
13. #定义一个测试函数作为，被访问的对象
14. def test(tid):
15. with sema:
16. print("信号量：{0}".format(tid))
17. time.sleep(0.5)
18. print('release!')
19.  
20. thds = []
21. for i in range(6):
22. t = Thread(target = test,args=(i,))
23. t.start()
24. thds.append(t)
25.  
26. for t in thds:
27. t.join()

打印结果：

信号量：2
信号量：1

信号量：0

release!

信号量：0

release!

信号量：0

release!

信号量：0

release!

release!

release!

 

结果分析 ：

当信号量sema信号为0时，此时不再不允许进程对test 再进行访问了，release 之后才能再继续生成亲的进程对其访问，
Semaphore类的作用就是限制公共资源的访问量

 

3 锁——lock 与 Rlock

先看一段代码：

1. #!/usr/bin/env python
2. # -*- coding: utf-8 -*-
3. """
4. Created on Mon Jun 5 16:12:14 2017
5.  
6. @author: 80002419
7. """
8. from threading import Thread, Lock
9. import time,threading
10.  
11. value = 0;
12.  
13. def changeValue():
14. global value
15. new = value + 1
16. time.sleep(0.001)#让其它进程可以切换进来
17. value = new
18.  
19. thds = []
20. for _ in range(100):
21. t = Thread(target = changeValue)
22. t.start()
23. thds.append(t)
24.  
25. for t in thds:
26. t.join()
27.  
28. print(value)

打印结果：

18

结果分析: 多个线程同时访问 value 变量，经过cpu存储后，再写回内存，如果进程A,进程B,在访问value时 值为0 ，进程A经过函数处理后，value = 1 ，再写回内存，value =1 ,进程B 执行完成后，会刷新value 但是写回的value 还是1， 所以并不能保护执行了100次changeValue后，结果为100

 

那么我们怎么能保证执行的结果就是100呢：再看一段代码：

1. #!/usr/bin/env python
2. # -*- coding: utf-8 -*-
3. """
4. Created on Mon Jun 5 16:12:14 2017
5.  
6. @author: 80002419
7. """
8. from threading import Thread, Lock
9. import time,threading
10.  
11. value = 0
12.  
13. lock = Lock()
14.  
15. def changeValue():
16. global value
17. with lock:
18. new = value + 1
19. time.sleep(0.001)#让其它进程可以切换进来
20. value = new
21.  
22. thds = []
23.  
24. for _ in range(100):
25. t = Thread(target = changeValue)
26. t.start()
27. thds.append(t)
28. for t in thds:
29. t.join()
30. print(value)

打印结果：

100

Lock也可以叫做互斥锁，其实相当于信号量为1，上面例子lock 也就可以用 sema = Semaphore()代替