<thead id="rfb9x"></thead>
    <address id="rfb9x"><dfn id="rfb9x"></dfn></address>

    <thead id="rfb9x"><var id="rfb9x"><output id="rfb9x"></output></var></thead>
    <address id="rfb9x"><dfn id="rfb9x"></dfn></address>

      <sub id="rfb9x"><dfn id="rfb9x"><ins id="rfb9x"></ins></dfn></sub>

      <address id="rfb9x"><dfn id="rfb9x"></dfn></address>
      <sub id="rfb9x"></sub><address id="rfb9x"><listing id="rfb9x"></listing></address>

      <sub id="rfb9x"><var id="rfb9x"><output id="rfb9x"></output></var></sub>
      <sub id="rfb9x"><var id="rfb9x"></var></sub>

      <address id="rfb9x"><dfn id="rfb9x"></dfn></address>

        <form id="rfb9x"></form>
        <address id="rfb9x"><var id="rfb9x"></var></address>

        <address id="rfb9x"></address>

        <sub id="rfb9x"><dfn id="rfb9x"><output id="rfb9x"></output></dfn></sub>

        <address id="rfb9x"><var id="rfb9x"></var></address>

          <sub id="rfb9x"></sub>

          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
          香港tm46开奖结果3084今晚,六合彩开奖结果,493333王中王免费中特,2020最快开奖历史记录,本港台开奖现场直播今天开奖结果