最近东西积攒了太多，感觉再不写进来就要炸了。
1.多线程
1.11 关于多线程的包
相关的python包有几个，比如thread包，到py3改成_thread，而thread有一些问题使得不是很好用。通用的包叫threading。最近都是在用这个。
1.12 threading的使用和常用属性
需要注意的点有生成实例比如t = threading.Thread(target=xxx, args=(xx,))，里面有两个参数，第一个是目标函数，第二个是相关的参数，注意类型。
然后就是start启动，join等待多线程实行完成这两个方法。
#伪代码
t1 = threading.Thread(target=fun1, args=("函数参数 1",))
t1.start()
t2 = threading.Thread(target=fun2, args=("函数参数1", "函数参数2"))
t2.start()
#等待线程
t1.join()
t2.join()
继承threading.Thread使用，需要重写run函数。
class MyThread(threading.Thread): def __init__(self, arg): super(MyThread, self).__init__() self.arg = arg def run(self): time.sleep(2)
其他常用属性和方法有:
threading.currentThread：返回当前线程变量
threading.enumerate:返回一个包含正在运行的线程的list，正在运行的线程指的是线程启动后，结束前的状态
threading.activeCount: 返回正在运行的线程数量，效果跟 len(threading.enumerate)相同
threading.timer: 定时器，利用多线程在指定时间后启动一个功能
thr.setName: 给线程设置名字
thr.getName: 得到线程的名字
守护线程：daemon：即如果将子线程设置成守护线程，则子线程会在主线程结束的时候自动退出，一般认为，守护线程不中要或者不允许离开主线程独立运行
而守护线程能否有效果跟环境相关
t1 = threading.Thread(target=fun, args=() ) # 社会守护线程的方法，必须在start之前设置，否则无效 t1.setDaemon(True) #t1.daemon = True t1.start()
1.13 线程相关的问题
因为线程之间有共享状态（资源），会有一些诸如死锁或者同步的问题。解决方法也是大同小异，这些python里都给出了
相应的工具。比如自己设置一个锁/信号灯。用semphore变量，还有可重入锁解锁递归的时候申请锁的问题等等。
线程安全不安全变量list，set，dict，安全变量queue等。
1.14 线程替代方案
替代无非是用进程或者魔改的线程包，诸如subprocess使用进程，multiprocessing用threading派生出来的，使用子进程，可以使用多核或多CPU
还有一个current.future待会儿写
2.多进程
使用的就是上面提到的线程替代方案multiprocessing，方法和threading差不多，multiprocessing.Process(target=xxx, args=(xx,))，然后同样也可以继承后使用，实现方式类似多线程
还有一个就是pid和ppid，即进程ID和父进程ID，还有其他常见的内容比如子进程和父进程共享资源啊，而子线程有自己独立的栈空间啊之类的就不详细描述了
还有其他的诸如生产者-消费者模型，读者-写者模型等等。和上面的一样，也不赘述了，操作系统书里都有，写在这没什么意义。
3.协程
首先来写一下协程的定义：协程是为非抢占式多任务产生子程序的计算机程序组件， 协程允许不同入口点在不同位置暂停或开始执行程序。
在这之前先写两个
3.11 迭代器
有两个概念，一是可迭代对象Iterable，二是迭代器Iterator
Iterable可以用于for循环，二Iterator不仅可以用于for循环还能被next函数调用，可以用isinstance函数判断，比如list是可迭代的。
from collections import Iterable l = [1,2,3,4] isinstance(l, Iterable)
out：True
两者之间还可以通过iter函数转换
from collections import Iterator isinstance(iter(‘abc‘), Iterator)
out：True
3.12 生成器
比如最常见的生成器有L = [x * x for x in range(10)]，g = (x * x for x in range(10))这些生成列表，元组的方法
本质是一个函数/方法，每次调用next的时候计算下一个值，最后会抛出StopIteration异常。
函数中包含yield,则叫generator
next调用,遇到yield返回
# 在函数odd中，yield负责返回
def odd():
print("Step 1")
yield 1
print("Step 2")
yield 2
print("Step 3")
yield 3
# odd() 是调用生成器
g = odd()
one = next(g)
print(one)
two = next(g)
print(two)
three = next(g)
print(three)
out：Step 1
1
Step 2
2
Step 3
3
3.13 协程
是的，协程和生成器很像，使用yield和send。目的是合理调用各种系统资源和进行协同工作。协程之间切换耗费也很低
协程有四个状态：
GEN_CREATED：等待开始执行
GEN_RUNNING：解释器正在执行
GEN_SUSPENED：在yield表达式处暂停
GEN_CLOSED：执行结束
def simple_coroutine(a):
print(‘-> start‘)
b = yield a # 把A丢出来给aa
print(‘-> recived‘, a, b)
c = yield a + b
print(‘-> recived‘, a, b, c)
# runc
sc = simple_coroutine(5)
aa = next(sc) # 预激，准备好执行协程，程序走到yield停下
print(aa)
bb = sc.send(6) # 5 ，6 把参数6发给b
print(bb)
cc = sc.send(7) # 5, 6, 7
print(cc)#执行不到，抛出StopIteration异常
out：
-> start
5
-> recived 5 6
11
-> recived 5 6 7
之前说过，最后会抛出一个StopIteration异常，未处理的异常会向上冒泡，传给next函数或send函数的调用方。终止协程可以发送某个哨符，让协程退出，比如内置的None和Ellipsis等常量
还有两个和异常相关的方法generator.throw(Exctpiton)和generator.close()
大概作用就是前一个会在暂停的yield出抛出指定的异常。如果生成器处理了该异常，则代码会执行到下一个yield
而产出的值（value，异常的一个属性）会成为调用 generator.throw方法得到的返回值。没处理则往上冒泡。
第二个的作用是致使生成器在暂停的 yield 表达式处抛出 GeneratorExit 异常。如果生成器没有处理这个异常，或者抛出了 StopIteration 异常（通常是指运行到结尾），调用方不会报错。
如果收到 GeneratorExit 异常，生成器一定不能产出值，否则解释器会抛出RuntimeError 异常。生成器抛出的其他异常会向上冒泡，传给调用方。
以下是找到的一段事例代码
class DemoException(Exception):
"""
custom exception
"""
pass
def handle_exception():
print(‘-> start‘)
while True:
try:
x = yield
except DemoException:
print(‘-> run demo exception‘)
else:
print(‘-> recived x:‘, x)
raise RuntimeError(‘this line should never run‘)
he = handle_exception()
next(he)
he.send(10) # recived x: 10
he.send(20) # recived x: 20
he.throw(DemoException) # run demo exception
he.send(40) # recived x: 40
he.close()
yield from
相对于yield，yield from就相当于在调用方和生成器之间多了一层“通道”类似的代理。（又或者说在主线程和协程之间）
使用的渠道：比如委派生成器。
1，定义一个生成器（含yield）可以一次次的接收调用方传来的值（通过yield）和return回去处理后的值
2，定义个委派生成器，只需要yield from 生成器即可使用并接收值
3，调用委派生成器使用
未完待续
原文地址：https://www.cnblogs.com/slose-notes/p/9672312.html