day32 并发编程之锁

并发编程之锁

1. GIL全局解释器锁

2. GIL与普通的互斥锁

3. 死锁

4. 信号量

5. event事件

6. 线程q

 

1. GIL全局解释器锁

 

 

"""
In CPython, the global interpreter lock, or GIL, is a mutex that prevents multiple
native threads from executing Python bytecodes at once. This lock is necessary mainly
because CPython’s memory management is not thread-safe.
"""
"""
ps:python解释器有很多种  最常见的就是Cpython解释器
GIL本质也是一把互斥锁:将并发变成串行牺牲效率保证数据的安全 
用来阻止同一个进程下的多个线程的同时执行(同一个进程内多个线程无法实现并行但是可以实现并发)python的多线程没法利用多核优势  是不是就是没有用了?GIL的存在是因为CPython解释器的内存管理不是线程安全的垃圾回收机制1.引用计数2.标记清除3.分代回收研究python的多线程是否有用需要分情况讨论
四个任务 计算密集型的  10s
单核情况下开线程更省资源
多核情况下开进程 10s开线程 40s四个任务 IO密集型的  
单核情况下开线程更节省资源
多核情况下开线程更节省资源
""""""
python的多线程到底有没有用
需要看情况而定  并且肯定是有用的多进程+多线程配合使用
"""

计算密集型

# 计算密集型
from multiprocessing import Process
from threading import Thread
import os, timedef work():res = 0for i in range(10000000):res *= iif __name__ == '__main__':l = []print(os.cpu_count())  # 本机为8核start = time.time()for i in range(8):p = Process(target=work)  # 耗时  0.7752041816711426# p = Thread(target=work)  # 耗时 2.9953091144561768
        l.append(p)p.start()for p in l:p.join()stop = time.time()print('run time is %s' % (stop - start))

 

I/O密集型

# 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8核start=time.time()for i in range(4000): # 报错超过最大递归深度,这里改为400p=Process(target=work) #耗时2.85s多,大部分时间耗费在创建进程上# p=Thread(target=work) #耗时2.02s多
        l.append(p)p.start()for p in l:p.join()stop=time.time()print('run time is %s' %(stop-start))

 

 

2. GIL与普通的互斥锁

from threading import Thread
import timen = 100def task():global ntmp = ntime.sleep(1)  # 睡1秒,所有子进程都取到了100,阻塞1秒后再减1,结果为99# 注销了time.sleep(1),GIL锁发挥作用,串行取值,100-100个子程序的1=0n = tmp - 1t_list = []
for i in range(100):t = Thread(target=task)t.start()t_list.append(t)for t in t_list:t.join()print(n)  # 0

 

 

3.死锁

from threading import Thread,Lock,current_thread,RLock
import time
"""
Rlock可以被第一个抢到锁的人连续的acquire和release
每acquire一次锁身上的计数加1
每release一次锁身上的计数减1
只要锁的计数不为0 其他人都不能抢"""
# mutexA = Lock()
# mutexB = Lock()
mutexA = mutexB = RLock()  # A B现在是同一把锁class MyThread(Thread):def run(self):  # 创建线程自动触发run方法 run方法内调用func1 func2相当于也是自动触发
        self.func1()self.func2()def func1(self):mutexA.acquire()print('%s抢到了A锁'%self.name)  # self.name等价于current_thread().name
        mutexB.acquire()print('%s抢到了B锁'%self.name)mutexB.release()print('%s释放了B锁'%self.name)mutexA.release()print('%s释放了A锁'%self.name)def func2(self):mutexB.acquire()print('%s抢到了B锁'%self.name)time.sleep(1)mutexA.acquire()print('%s抢到了A锁' % self.name)mutexA.release()print('%s释放了A锁' % self.name)mutexB.release()print('%s释放了B锁' % self.name)for i in range(10):t = MyThread()t.start()class Demo(object):     passobj1 = Demo()obj2 = Demo()print(id(obj1),id(obj2))
"""
只要类加括号实例化对象
无论传入的参数是否一样生成的对象肯定不一样
单例模式除外自己千万不要轻易的处理锁的问题  """

 

4 信号量

# 信号量可能在不同的领域中 对应不同的知识点
"""
互斥锁:一个厕所(一个坑位)
信号量:公共厕所(多个坑位)
"""
from threading import Semaphore,Thread
import time
import randomsm = Semaphore(5)  # 造了一个含有五个的坑位的公共厕所def task(name):sm.acquire()print('%s占了一个坑位'%name)time.sleep(random.randint(1,3))sm.release()for i in range(40):t = Thread(target=task,args=(i,))t.start()

 

 

5 Event事件

from threading import Event,Thread
import time# 先生成一个event对象
e = Event()def light():print('红灯正亮着')time.sleep(3)e.set()  # 发信号print('绿灯亮了')def car(name):print('%s正在等红灯'%name)e.wait()  # 等待信号print('%s加油门飙车了'%name)t = Thread(target=light)
t.start()for i in range(10):t = Thread(target=car,args=('伞兵%s'%i,))t.start()

 

 

6 线程q

import queue
"""
同一个进程下的多个线程本来就是数据共享 为什么还要用队列因为队列是管道+锁  使用队列你就不需要自己手动操作锁的问题 因为锁操作的不好极容易产生死锁现象
"""# q = queue.Queue()
# q.put('hahha')
# print(q.get())# q = queue.LifoQueue()
# q.put(1)
# q.put(2)
# q.put(3)
# print(q.get())# q = queue.PriorityQueue()
# # 数字越小 优先级越高
# q.put((10,'haha'))
# q.put((100,'hehehe'))
# q.put((0,'xxxx'))
# q.put((-10,'yyyy'))
# print(q.get())