以后坚持一天一更。
多线程
进程是有若干线程组成的,一个进程至少就是一个线程。
由于线程是操作系统直接支持的执行单元,因此,高级语言通常都内置多线程的支持,Python也不例外,并且,Pthon的线程是真正的Posix Thread,而不是模拟出来的线程。
Python的标准库提供了两个模块:_thread 和 threading,_thread 是低级模块,threading是高级模块,对_thread进行封装。大多数情况下,我们只需要使用threading这个高级模块。
启动一个线程就是把一个函数传入并创建Thread实例,然后调用start()开始执行。
主进程:进程默认启动的一个线程,主进程实例名字叫:MainThread 子进程:主进程启动的新的进程,子进程实例名字叫:LoopThread。命名仅仅在打印时用来显示,完全没有其他意义,如果不起名字 Python 就自动给线程命名为Thread-1,Thread-2........
Python中的threading模块有个current_thread()函数,永远返回当前进程的实例。
Lock
多进程和多线程的最大的不同:
多进程:同一个变量,各自有一份拷贝存在于每个进程中,互不影响。
多线程:所有变量都由所有进程共享,所以,任何一个变量都可以被任何一个线程修改,因此,线程之间共享数据最大的危险在于多个线程同时改一个变量,把内容给改乱了。
改乱的原因在于是修改一个变量需要多条语句,而在执行这几条语句时,线程可能中断,从而导致多个线程把一个对象的内容改乱了。两个线程一存一取,就可能导致余额不对。
上锁
如果你要确保一个变量计算正确,就要给change_it()上一把锁,当某个线程开始执行change_it()时,该线程因为获得了锁,因此其他线程不能同时执行change_it(),只能等待,直到锁被释放后,获得该锁以后才能改。由于锁只有一个,无论多少线程,同一时刻最多只有一个线程持有该锁,所以,不会造成修改的冲突。
创建一个锁就是通过threading.Lock()来实现的:
import time,threading balance = 0 lock = threading.Lock() def run_thread(n): for i in range(10000): lock.acquire() try: change_it(n) finally: lock.release()
当多个线程同时执行lock.acquire()时,只有一个线程能成功地获取锁,然后执行代码,其他线程就继续等待直到获得锁为止。
获得锁的线程用完以后一定要释放锁,否则那些苦苦等待锁的线程将永远等待下去,成为死线程,所以我们用try.......finally来确保锁一定会被释放。
锁的好处:确保了某段关键代码只能有一个线程从头到尾完整地执行。
锁的坏处:1.阻止了多线程并发执行,包含锁的某段代码实际上只能以单线程模式执行,效率就大大地下降了。
2.由于可以存在多个锁,不同线程持有不同的锁,并试图获取对方持有的锁时,可能就会造成死锁,导致多个线程全部挂起,既不能执行,也无法结束,只能靠操作系统强制终止。
GIL锁
在Python中,多核不能同时执行多个进程。
在C、C+或 Java 来改变相同的N个线程,死循环可以把全部核心跑满,4核跑到400%,8核跑到800%。
在Python中启动与CPU核心数量相同的N个线程,在4核CPU上可以监控到CPU占用率仅有102%,也就是仅用了一核。
为甚会这样?
这是因为Python的线程虽然是真正的线程,但解释器执行代码时,有一个GIL锁:Global Interpreter Lock,任何Python线程执行前,必须先获得GIL锁,然后,每执行100条字节码,解释器就自动释放GIL锁,让别的线程有机会执行。这个GIL全局锁实际上把所有的线程的执行代码都给上了锁,所以,多线程在Python中只能交替执行,即使100个线程跑在100核的CPU上,也只能用到1个核。
GIL是历史遗留问题,要想真正用到多核,除非重写一个不带GIL的解释器。
SO,在Python中,可以使用多个线程,但不要指望有效利用多核。如果一定要通过多线程利用多核,那只能通过C扩展来实现。不过这样就失去了Python简单易用的特点。
不能利用多线程实现多核任务,但可以通过多进程实现多核任务。多个Python进程有各自独立的GIL锁,互不影响。
多线程并发在Python中就是一个美丽的梦。
本文由小白学Python 创作,采用 知识共享署名-相同方式共享 3.0 中国大陆许可协议 进行许可。
转载、引用前需联系作者,并署名作者且注明文章出处。
本站文章版权归原作者及原出处所有 。内容为作者个人观点, 并不代表本站赞同其观点和对其真实性负责。本站是一个个人学习交流的平台,并不用于任何商业目的,如果有任何问题,请及时联系我们,我们将根据著作权人的要求,立即更正或者删除有关内容。本站拥有对此声明的最终解释权。
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网
猜你喜欢:- 一文读懂监督学习、无监督学习、半监督学习、强化学习这四种深度学习方式
- 学习:人工智能-机器学习-深度学习概念的区别
- 统计学习,机器学习与深度学习概念的关联与区别
- 混合学习环境下基于学习行为数据的学习预警系统设计与实现
- 学习如何学习
- 深度学习的学习历程
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。