并发编程——全局解释器锁GIL

1.全局解释器锁GIL

GIL其实就是一把互斥锁(牺牲了效率但是保证了数据的安全)。
线程是执行单位，但是不能直接运行，需要先拿到python解释器解释之后才能被cpu执行
同一时刻同一个进程内多个线程无法实现并行，但是可以实现并发
为什么要有GIL是因为它内部的垃圾回收机制不是线程安全的
垃圾回收机制也是一个任务，跟你的代码不是串行运行，如果是串行会明显有卡顿
这个垃圾回收到底是开进程还是开线程？肯定是线程，线程肯定也是一段代码，所以想运行也必须要拿到python解释器
假设能够并行，会出现什么情况？一个线程刚好要造一个a=1的绑定关系之前，这个垃圾线程来扫描，矛盾点就来了，谁成功都不对！
也就意味着在Cpython解释器上有一把GIL全局解释器锁
同一个进程下的多个线程不能实现并行但是能够实现并发，多个进程下的线程能够实现并行

1.python中的多线程到底有没有用？

单核情况下:四个任务

多核情况下:四个任务

计算密集型:一个任务算十秒,四个进程和四个线程，肯定是进程快

IO密集型:任务都是纯io情况下，线程开销比进程小，肯定是线程好

```python

# 计算密集型

from multiprocessing import Process

from threading import Thread

import os,time

def work():

    res=0

    for i in range(100000000):

        res*=i

if __name__ == '__main__':

    l=[]

    print(os.cpu_count())  # 本机为12核

    start=time.time()

    for i in range(12):

        # p=Process(target=work) #耗时8s多

        p=Thread(target=work) #耗时44s多

        l.append(p)

        p.start()

    for p in l:

        p.join()

    stop=time.time()

    print('run time is %s' %(stop-start))

# IO密集型

from multiprocessing import Process

from threading import Thread

import threading

import os,time

def work():

    time.sleep(2)

if __name__ == '__main__':

    l=[]

    print(os.cpu_count()) #本机为12核

    start=time.time()

    for i in range(400):

        p=Process(target=work) #耗时12s多,大部分时间耗费在创建进程上

        # p=Thread(target=work) #耗时2s多

        l.append(p)

        p.start()

    for p in l:

        p.join()

    stop=time.time()

    print('run time is %s' %(stop-start))

2.GIL与自定义互斥锁

不同的数据需要加不同的锁才能保证数据的安全，GIL锁只是对线程加锁，对数据并没有加锁的效果

```python

from threading import Thread,Lock

import time

mutex=Lock()

n=100

def task():

    global n

    with mutex:

        temp=n

        time.sleep(0.1)

        n=temp-1

if __name__ == '__main__':

    l=[]

    for i in range(100):

        t=Thread(target=task)

        l.append(t)

        t.start()

    for t in l:

        t.join()

    print(n)

# 对于修改不同的数据，需要加不同的锁进行处理

3.死锁与递归锁(了解)

自定义锁一次acquire必须对应一次release，不能连续acquire

递归锁可以连续的acquire，每acquire一次计数加一

from threading import Thread,Lock,RLock

import time

# mutexA=Lock()

# mutexB=Lock()

mutexB=mutexA=RLock()

class Mythead(Thread):

    def run(self):

        self.f1()

        self.f2()

    def f1(self):

        mutexA.acquire()

        print('%s 抢到A锁' %self.name)

        mutexB.acquire()

        print('%s 抢到B锁' %self.name)

        mutexB.release()

        mutexA.release()

    def f2(self):

        mutexB.acquire()

        print('%s 抢到了B锁' %self.name)

        time.sleep(2)

        mutexA.acquire()

        print('%s 抢到了A锁' %self.name)

        mutexA.release()

        mutexB.release()

if __name__ == '__main__':

    for i in range(100):

        t=Mythead()

        t.start()

4.信号量(了解)

自定义的互斥锁如果是一个厕所，那么信号量就相当于公共厕所,门口挂着多个厕所的钥匙。抢和释放跟互斥锁一致

from threading import Thread,Semaphore

import time

import random

sm = Semaphore(5)  # 公共厕所里面有五个坑位，在厕所外面放了五把钥匙

def task(name):

    sm.acquire()

    print('%s正在蹲坑'%name)

    # 模拟蹲坑耗时

    time.sleep(random.randint(1,5))

    sm.release()

if __name__ == '__main__':

    for i in range(20):

        t = Thread(target=task,args=('伞兵%s号'%i,))

        t.start()

5.Event事件

一些线程需要等待另外一些线程运行完毕才能运行,类似于发射信号一样

from threading import Thread,Event

import time

event = Event()  # 造了一个红绿灯

def light():

    print('红灯亮着的')

    time.sleep(3)

    print('绿灯亮了')

    event.set()

def car(name):

    print('%s 车正在等红灯'%name)

    event.wait()

    print('%s 车加油门飙车走了'%name)

if __name__ == '__main__':

    t = Thread(target=light)

    t.start()

    for i in range(10):

        t = Thread(target=car,args=('%s'%i,))

        t.start()

6.线程queue

同一个进程下的线程数据都是共享的为什么还要用queue？queue本身自带锁的功能，能够保证数据的安全

# 我们现在的q只能在本地使用，后面我们会学基于网络的q

import queue

queue.Queue() #先进先出

q=queue.Queue(3)

q.put(1)

q.put(2)

q.put(3)

print(q.get())

print(q.get())

print(q.get())

queue.LifoQueue() #后进先出->堆栈

q=queue.LifoQueue(3)

q.put(1)

q.put(2)

q.put(3)

print(q.get())

print(q.get())

print(q.get())

queue.PriorityQueue() #优先级

q=queue.PriorityQueue(3) #优先级,优先级用数字表示,数字越小优先级越高

q.put((10,'a'))

q.put((-1,'b'))

q.put((100,'c'))

print(q.get())

print(q.get())

print(q.get())

巴特西