Python基础-多线程与多进程
一,线程与进程之间的关系:(从知乎上看到的)
一个必须知道的事实:执行一段程序代码,实现一个功能的过程介绍 ,当得到CPU的时候,相关的资源必须也已经就位,就是显卡啊,GPS啊什么的必须就位,然后CPU开始执行。这里除了CPU以外所有的就构成了这个程序的执行环境,也就是我们所定义的程序上下文。当这个程序执行完了,或者分配给他的CPU执行时间用完了,那它就要被切换出去,等待下一次CPU的临幸。在被切换出去的最后一步工作就是保存程序上下文,因为这个是下次他被CPU临幸的运行环境,必须保存。
串联起来的事实:前面讲过在CPU看来所有的任务都是一个一个的轮流执行的,具体的轮流方法就是:先加载程序A的上下文,然后开始执行A,保存程序A的上下文,调入下一个要执行的程序B的程序上下文,然后开始执行B,保存程序B的上下文。。。。
========= 重要的东西出现了========
进程和线程就是这样的背景出来的,两个名词不过是对应的CPU时间段的描述,名词就是这样的功能。
- 进程就是包换上下文切换的程序执行时间总和 = CPU加载上下文+CPU执行+CPU保存上下文
线程是什么呢?
进程的颗粒度太大,每次都要有上下的调入,保存,调出。如果我们把进程比喻为一个运行在电脑上的软件,那么一个软件的执行不可能是一条逻辑执行的,必定有多个分支和多个程序段,就好比要实现程序A,实际分成 a,b,c等多个块组合而成。那么这里具体的执行就可能变成:
程序A得到CPU =》CPU加载上下文,开始执行程序A的a小段,然后执行A的b小段,然后再执行A的c小段,最后CPU保存A的上下文。
这里a,b,c的执行是共享了A的上下文,CPU在执行的时候没有进行上下文切换的。这里的a,b,c就是线程,也就是说线程是共享了进程的上下文环境,的更为细小的CPU时间段。
到此全文结束,再一个总结:
进程和线程都是一个时间段的描述,是CPU工作时间段的描述,不过是颗粒大小不同,一个进程中包含了多个线程,在一个时间段内,只能有一个线程占用cpu,cpu不能同时执行多个任务,只不过cpu运行速度太快,我们感知不到,就以为,线程可以同时执行,对于多核cpu,实际也同一个时间段也只有一个cpu在工作
import threading import time def axb(name):
time.sleep(1)
print(name)
for i in range(10):
t=threading.Thread(target=axb,args=(i,)) ##args 定义的是一个元组,必须加逗号,才能识别为元组
t.start() print('game over')
三,线程等待
线程等待,多线程在运行的时候,每个线程都是独立运行的,不受其他的线程干扰,如果想在哪个线程运行完之后,再做其他操作的话,就得等待它完成,那怎么等待呢,使用join,等待线程结束
import threading
import time
def run():
print('qqq')
time.sleep(1)
print('done!')
lis = []
for i in range(5):
t = threading.Thread(target=run)
lis.append(t)
t.start()
for t in lis:
t.join() #主线程等待子线程执行完
print('over')
四,获取多线程时执行结果的返回值
例如我们做接口测试时候,需要获取每个线程执行时间
import threading
import time
import requests
run_times = []
#怎么获取到多线程执行的函数里面的返回值
def blog():
stat_time = time.time()
r = requests.get('http://www.nnzhp.cn/').text
end_time = time.time()
run_time = end_time-stat_time
run_times.append(run_time)
objs = []
for i in range(100):
t = threading.Thread(target=blog())
t.start()
objs.append(t)
for obj in objs:
obj.join()#join中可以设置timeout时间,主线程等待时间超过timeout时间后就会继续执行,不再等待
avg = sum(run_times)/len(run_times)
print('平均响应时间是',avg)
五,守护线程:就相当于你是一个国王(非守护线程),然后你有很多仆人(守护线程),这些仆人都是为你服务的,一但你死了,那么你的仆人都给你陪葬。
主线程死掉了(执行完了),那么不管子线程运行完否,都一起结束
import time
import threading def test():
time.sleep(2)
print('hhhh')
for i in range(5):
t=threading.Thread(target=test)
t.setDaemon(True)#设置子线程为守护线程
t.start()
程序执行结果不会打印 hhhh,因为主线程执行完的时候,子线程还没执行完,所以,主线程死掉了,守护子线程跟着消亡了
六、锁:线程锁就是,很多线程一起在操作一个数据的时候,可能会有问题,就要把这个数据加个锁,同一时间只能有一个线程操作这个数据。
import threading
from threading import Lock num = 0
lock = Lock() # 申请一把锁 def run():
global num
lock.acquire() # 加锁
num += 1
lock.release() # 解锁 lis = []
for i in range(5):
t = threading.Thread(target=run)
t.start()
lis.append(t)
for t in lis:
t.join()
print('over', num)
七,多进程:Python里面的多线程,是不能利用多核CPU的,如果想利用多核CPU的话,就得使用多进程,python中多进程使用multiprocessing模块。
from multiprocessing import Process
import time def test(i):
time.sleep(1)
print(i) if __name__=='__main__':
for i in range(10):
p=Process(target=test,args=(i,))
p.start()
threading与实例对象提供了几个方法可以让我们更直观的学习线程。
threading.active_count() # 返回当前运行的线程个数 threading.enumerate() # 返回当前运行中的线程list threading.current_thread() # 返回当前的线程变量 t1.start() # 启动线程 t1.is_alive() # 判断线程是否在运行 运行指启动后、终止前。 t1.getName() # 获取线程名 t1.setName('填写更改后的名称') # 对线程进行命名 t1.setDaemon(True) # 设置守护线程 t1.isDaemon() # 判断是否是守护线程 t1.join(timeout=20) # 阻塞当前上下文环境的线程,直到调用此方法的线程终止或到达指定的timeout(可选参数)
最新文章
- php-设置关键词高亮的字符串处理函数
- jsp页面动态显示时间
- requests高级用法
- halcon三种模板匹配方法
- SQL更改表字段为自增标识
- java前后台之间传值的几种方式
- [zz] 英文大写缩写前要加THE吗
- Zookeeper集群安装详解
- c语言函数注意点
- SQL SERVER 执行大于80M的SQL 脚本
- SQL练习题完整(做完你就是高手)
- MATLAB 2012b license checkout failed
- Java中静态变量与实例变量
- spring整合thymeleaf
- day70 cookie &; session 前后端交互分页显示
- vue cli3.0 结合echarts3.0和地图的使用方法
- How to trigger a Kubernetes cronjob manually-手动触发一个cronjob
- Android开发 ---Media
- Android安全系列之:如何在native层保存关键信息
- maven 使用记录之修改 maven默认jdk版本
热门文章
- Markdown GUI编辑器推荐 windows mac
- sql exist 优化查询时间
- Oracle中NVL、NVL2、NULLIF 三个函数的区别?
- Linux中crontab下scp文件传输的两种方式
- Mysql字符串截取函数
- Mysql 行数据转换为列数据
- 【BZOJ3769】spoj 8549 BST again DP(记忆化搜索?)
- 【BZOJ4177】Mike的农场 最小割
- What Every Computer Scientist Should Know About Floating-Point Arithmetic
- html5 (新一代的html)