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。
1024·人与机器共同进化
东西文库 / 译言·东西文库/电子工业出版社 / 2013-12-20 / 55元
《1024》:国内第一本专注于科技文化的mook。 本期创刊号将目光定焦在“人与机器”这个超热点领域。 如果把机器获得思维能力看作是一种进化, 那人类具备不朽之躯同样也是一种进化。 这是一个野心勃勃但又充满不确定性的未来。 在我们一厢情愿地猜测机器将在不远的将来赶超自己而惶惶不可终日时,人类其实还有一个机会——变得更像机器。这并非科幻小说,而是正在发生的现实。人类创造......一起来看看 《1024·人与机器共同进化》 这本书的介绍吧!