# 进程:系统进行资源调度的基本单元; # 一个程序在一个数据集上一次动态执行过程; # 进程:程序,数据集,进程控制块; # 1.程序:描述进程功能的完成; # 2.数据集:程序在执行过程中需要使用的资源; # 3.进程控制块:描述进程执行的变化过程,用来系统控制管理进程; # 线程:CPU调度的基本单元;轻量级的进程; # 作用:减少程序并发执行的开销,提高性能; # 线程没自由自己的系统资源; # join() # 子线程未执行结束,主线程就一直处于阻塞状态; # setDaemon(True) # 主线程退出,子线程也跟着结束; # 必须在start()之前设置; # 1.Thread类直接创建线程: import threading def work(num): print("threading---{}".format(num)) if __name__ == ‘__main__‘: # 创建线程 t1 = threading.Thread(target=work, args=(5,)) # 开启线程 t1.start() # 返回当前线程 print(threading.currentThread()) # 返回正在运行的线程列表 print(threading.enumerate()) # 返回正在运行的线程数量 print(threading.activeCount()) print(len(threading.enumerate())) # 2.Thread类继承式创建 import threading class Work(threading.Thread): def __init__(self, num): threading.Thread.__init__(self) self.num = num def run(self): print(‘执行线程---{}‘.format(self.num)) t1 = Work(100) # 返回线程是否活动 print(t1.isAlive()) # 设置线程名 t1.setName(‘我是小线程‘) # 返回线程名 print(t1.getName()) t1.start() # GIL|全局解释器锁 # 实现不同线程资源共享的互斥; # 计算密集型效率低,I/O密集型效率还是显著的; # 解决方案:引入多进程 from multiprocessing import Process def work(): print(‘multiprocessing---1‘) if __name__ == "__main__": # 创建进程 w1 = multiprocessing.Process(target=work) # 启动进程 t.start() # 每个进程都拥有一个GIL,进程间不共享资源; # 互斥锁 import threading lock = threading.Lock() lock.acpuire() ... lock.release() # 或者with lock # 死锁:进程,线程在执行过程中因为资源争夺而导致相互等待的现象; # 进程间通信 # 进程池 from multiprocessing import Pool def work(num): print(num) if __name__ == "__main__"; # 实例化进程池对象 p = Pool(5) for i in range(30); # 执行任务 p.apply_async(func=work, args=(2,)) # 等待子进程完毕后关闭进程池 p.close() # 立即关闭进程池 p.terminate() p.join() # 主进程等待所有子进程执行完毕,必须在close()与terminate()后;
时间: 2024-10-13 13:06:11