<object id="66kyq"><u id="66kyq"></u></object>
  • <menu id="66kyq"></menu>
    <menu id="66kyq"><u id="66kyq"></u></menu><menu id="66kyq"></menu>
    <menu id="66kyq"></menu>
    <menu id="66kyq"><u id="66kyq"></u></menu><input id="66kyq"><tt id="66kyq"></tt></input><menu id="66kyq"></menu>
  • <input id="66kyq"><u id="66kyq"></u></input>
    <object id="66kyq"><u id="66kyq"></u></object>
    <menu id="66kyq"></menu>

    day30总结

    回顾

    1.进程互斥锁
    让并发变成串行,牺牲了效率,保证数据安全.
    mutex = Lock()
    # 加锁
    ? mutex.acquire()
    # 释放锁
    ? mutex.release()

    2.队列:
    相当于在内存中开启了一个空间,可以存放一堆数据,这堆数据都得遵循"先进先出".
    管道(阻塞) + 锁
    q = Queue()
    # 添加数据
    ? q.put(1)
    # 若队列满了,会原地等待
    ? q.put(2)
    # 若队列满了,不会等待直接报错
    ? q.put_nowait(2)

    获取数据,遵循先进先出
    若队列中没数据,会原地等待
    q.get() # 1
    若队列中没数据,会直接报错
    q.get_nowait() # 1

    q.empty() # 判断队列是否为空
    q.full() # 判断队列是否满了

    3.IPC进程间通信
    通过队列让进程间实现通信.

    4.生产者与消费者
    生产者: 生产数据的
    消费者; 使用数据的

    目的: 解决供需不平衡问题.
    通过队列来实现,生产者消费者供需不平衡问题.

    5.线程
    1.什么是线程?
    进程: 资源单位
    线程: 执行单位

    注意: 只要开启一个进程就会有一个线程(主线程).
    主线程会在进程结束时,一并销毁.

    2.为什么要使用线程?
    节省内存资源

    开启进程:
    1) 开辟一个新的内存空间
    2) 会自带一个主线程

    开启线程:
    1) 一个进程内可以开启多个线程
    2) 开启线程的资源远小于进程

    创建线程的两种方式
    一:
    from threading import Thread
    def task():
    pass

    t = Thread(target=task) # 异步提交任务,开启线程
    t.start()
    t.join() # 主线程等待子线程结束之后再结束.

    二:
    class MyThread(Thread):
    def run(self):
    执行任务
    ? pass

    t = MyThread()
    t.start()
    t.join()

    6.线程对象的属性
    current_thread().name # 获取当前线程对象的名字
    # 返回一个列表,列表中包含当前执行的所有线程对象
    print(enumerate())
    # 获取当前执行线程的个数
    print(activeCount())
    is_alive() # 判断线程是否存活

    7.线程互斥锁
    from threading import Lock()
    mutex = Lock()
    mutex.acquire()
    t1
    mutex.release()

    TCP服务端实现并发

    '''
    服务端的工作:
        1.接收客户端的请求
        2.24小时不间断提供服务
        3.实现并发
    
    '''
    
    import socket
    import time
    from threading import Thread
    
    server = socket.socket()
    
    server.bind(
        ('127.0.0.1', 9527)
    )
    
    server.listen(5)
    print('启动服务端...')
    
    
    # 线程任务,执行接收客户端消息与发送消息给客户端
    def working(conn):
        while True:
            try:
                data = conn.recv(1024)
                if len(data) == 0:
                    break
                print(data)
                time.sleep(1)
                conn.send(data.upper())
            except Exception as e:
                print(e)
                break
    
        conn.close()
    
    
    while True:
        conn, addr = server.accept()
        print(addr)
        t = Thread(target=working, args=(conn, ))
        t.start()xxxxxxxxxx?'''服务端的工作: ?  1.接收客户端的请求 ?  2.24小时不间断提供服务 ?  3.实现并发'''import socketimport timefrom threading import Threadserver = socket.socket()server.bind( ?  ('127.0.0.1', 9527))server.listen(5)print('启动服务端...')# 线程任务,执行接收客户端消息与发送消息给客户端def working(conn): ?  while True: ? ? ?  try: ? ? ? ? ?  data = conn.recv(1024) ? ? ? ? ?  if len(data) == 0: ? ? ? ? ? ? ?  break ? ? ? ? ?  print(data) ? ? ? ? ?  time.sleep(1) ? ? ? ? ?  conn.send(data.upper()) ? ? ?  except Exception as e: ? ? ? ? ?  print(e) ? ? ? ? ?  break ?  conn.close()while True: ?  conn, addr = server.accept() ?  print(addr) ?  t = Thread(target=working, args=(conn, )) ?  t.start()'''服务端的工作: ?  1.接收客户端的请求 ?  2.24小时不间断提供服务 ?  3.实现并发'''import socketimport timefrom threading import Threadserver = socket.socket()server.bind( ?  ('127.0.0.1', 9527))server.listen(5)print('启动服务端...')# 线程任务,执行接收客户端消息与发送消息给客户端def working(conn): ?  while True: ? ? ?  try: ? ? ? ? ?  data = conn.recv(1024) ? ? ? ? ?  if len(data) == 0: ? ? ? ? ? ? ?  break ? ? ? ? ?  print(data) ? ? ? ? ?  time.sleep(1) ? ? ? ? ?  conn.send(data.upper()) ? ? ?  except Exception as e: ? ? ? ? ?  print(e) ? ? ? ? ?  break ?  conn.close()while True: ?  conn, addr = server.accept() ?  print(addr) ?  t = Thread(target=working, args=(conn, )) ?  t.start()
    import socket
    import time
    
    client = socket.socket()
    
    client.connect(
        ('127.0.0.1', 9527)
    )
    
    print('启动客户端...')
    while True:
        client.send(b'hello')
        data = client.recv(1024)
        print(data)
        time.sleep(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. (However, since the GIL
    exists, other features have grown to depend on the guarantees that it enforces.)
    
    在CPython中,全局解释器锁(GIL)是一个防止多个锁的互斥锁
    本机线程从执行Python字节码一次。这把锁主要是必须的
    因为CPython的内存管理不是线程安全的。(然而,自从GIL
    存在时,其他功能已逐渐依赖于它所实施的保证。)
    
    '''
    
    '''
    python解释器:
        1.Cpython
            C
            
        2.Jpython
            java
            
        3.Ppython
            Python
    
    
    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.
        2.GIL的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.
        
    '''
    
    import time
    from threading import Thread, current_thread
    
    number = 100
    
    
    def task():
        global number
        number2 = number
        # time.sleep(1)
        number = number2 - 1
        print(number, current_thread().name)
    
    
    for line in range(100):
        t = Thread(target=task)
        t.start()

    验证多线程的作用

    '''
    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():
        number = 0
        for line in range(100000000):
            number += 1
    
    
    # IO密集型
    def work2():
        time.sleep(1)
    
    
    if __name__ == '__main__':
    
        # 测试计算密集型
        # print(os.cpu_count())  # 6
        # # 开始时间
        # start_time = time.time()
        # list1 = []
        # for line in range(6):
        #     p = Process(target=work1)  # 程序执行时间5.300818920135498
        #     # p = Thread(target=work1)  # 程序执行时间24.000795602798462
        #
        #     list1.append(p)
        #     p.start()
    
        # IO密集型
        print(os.cpu_count())  # 6
        # 开始时间
        start_time = time.time()
        list1 = []
        for line in range(40):
            # p = Process(target=work2)  # 程序执行时间4.445072174072266
            p = Thread(target=work2)  # 程序执行时间1.009237289428711
    
            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}')
    
    
    
    
    '''
    在计算密集型的情况下:
        使用多进程
        
    在IO密集型的情况下:
        使用多线程
        
    高效执行多个进程,内多个IO密集型的程序:
        使用 多进程 + 多线程
    '''

    死锁现象

    '''
    死锁现象(了解):
    
    '''
    from threading import Lock, Thread, current_thread
    import time
    
    mutex_a = Lock()
    mutex_b = Lock()
    #
    # print(id(mutex_a))
    # print(id(mutex_b))
    
    
    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{current_thread().name}抢到锁a')
            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()
    
    
    '''
    注意:
        锁不能乱用.
    '''

    递归锁

    '''
    递归锁(了解):
        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
    '''
    
    from threading import RLock, Thread, Lock
    import time
    
    mutex_a = 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{current_thread().name}抢到锁a')
            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()

    信号量

    '''
    信号量(了解):
    
        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
    from threading import current_thread
    from threading import Thread
    import time
    
    sm = Semaphore(5)  # 5个马桶
    mutex = Lock()  # 5个马桶
    
    
    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()

    线程队列

    '''
    线程Q(了解级别1): 线程队列  面试会问: FIFO
    
        - FIFO队列: 先进先出
        - LIFO队列: 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
    '''
    import queue
    
    # 普通的线程队列: 先进先出
    # q = queue.Queue()
    # q.put(1)
    # q.put(2)
    # q.put(3)
    # print(q.get())  # 1
    
    
    # LIFO队列: 后进先出
    # q = queue.LifoQueue()
    # q.put(1)
    # q.put(2)
    # q.put(3)
    # print(q.get())  # 3
    
    
    # 优先级队列
    q = queue.PriorityQueue()  # 超级了解
    # 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优', '先', '娃娃头', 4))  # a==97
    q.put(('a先', '优', '娃娃头', 3))  # a==98
    q.put(('a级', '级', '娃娃头', 2))  # a==99
    '''
    1.首先根据第一个参数判断ascii表的数值大小
    2.判断第个参数中的汉字顺序.
    3.再判断第二参数中数字--> 字符串数字 ---> 中文
    4.以此类推
    '''
    print(q.get())
    相关文章
    相关标签/搜索
    马會傅真图库2018年香港开奖日期表2018香港历史开奖结果香港最快开奖现场直播香港马会开码结果直播 开奖结果