1、概念

线程、进程
进程是资源的集合，也就是一个程序
线程是一个程序运行的最小单位
线程是在进程里面的
默认，一个进程就只有一个线程

一个电脑有几核CPU就只能同时运行几个任务，比如4核CPU只能同时运行4个线程

我们在操作电脑时，感觉是同时运行多个任务，是因为CPU的运算速度很快，有上下文切换，我们感觉不到

python里的多线程利用不了多核CPU，比如我的电脑是8核的CPU，起100个线程，这100个线程都是在一个CPU里面执行，其他7个CPU是空闲的

因为线程之间数据是共享的，同时来处理数据会乱，GLI全局解释器锁，保证线程都在同一个CPU上运行

多进程可以利用多核CPU

　　CPU密集型任务，用多进程-->消耗CPU比较多

　　IO（磁盘IO，网络IO）密集型任务，用多线程-->消耗IO比较多

#1、多线程，线程之间数据是共享的

#2、多进程，进程之间数据是独立的

#3、协程，一个线程，速度很快，从头到尾都只有一个线程，利用的原理是异步IO

　　Nginx   -->一个线程

2、多线程

2.1、多线程代码

串行的方式是执行完一个，再接着执行第二个

多线程是同时启用多个线程去操作

1 def insert_db():
 2     time.sleep(3)
 3     print('insert_db over')
 4 
 5 start_time = time.time()
 6 for i in range(3): #串行的方式
 7     insert_db()
 8 end_time = time.time()
 9 print('串行的执行的时间',end_time - start_time )
10 
11 start_time2 = time.time()
12 #2、判断当前存活的线程个数为1个时
13 for i in range(3):
14     t = threading.Thread(target=insert_db)
15     t.start()
16 
17 while threading.activeCount()!=1:
18     pass
19 
20 end_time2 = time.time()
21 print('多线程执行的时间',end_time2 - start_time2)#只是主线程执行的时间，不计算子线程执行的时间

执行结果如图所示：

python用进程计算和 python进程数量_多线程

2.2、多线程的时间统计

1 def insert_db():
 2     time.sleep(3)
 3     print('insert_db over')
 4 start_time2 = time.time()
 5 #2、判断当前存活的线程个数为1个时
 6 for i in range(3):
 7     t = threading.Thread(target=insert_db)
 8     t.start()
 9 
10 end_time2 = time.time()
11 print('多线程执行的时间',end_time2 - start_time2)#只是主线程执行的时间，不计算子线程执行的时间

执行结果如图所示：

python用进程计算和 python进程数量_python用进程计算和_02

 正常执行应该是3秒多一点，这里是因为只是主线程执行的时间，没有计算子线程执行的时间，如何解决该问题？

1.用两次循环来解决，这样代码看起来比较繁琐

1 threads = []
 2 start_time2 = time.time()
 3 #2、判断当前存活的线程个数为1个时
 4 for i in range(3):
 5     t = threading.Thread(target=insert_db)
 6     t.start()
 7     threads.append(t)
 8 
 9 for i in threads:
10     i.join()
11 end_time2 = time.time()
12 print('多线程执行的时间',end_time2 - start_time2)

2.用while循环来解决，判断当前活动的线程数为1，统计时间，如果不为1，则进入循环，不统计时间

1 start_time2 = time.time()
 2 #2、判断当前存活的线程个数为1个时
 3 for i in range(3):
 4     t = threading.Thread(target=insert_db)
 5     t.start()
 6 
 7 while threading.activeCount()!=1:
 8     pass
 9 
10 end_time2 = time.time()
11 print('多线程执行的时间',end_time2 - start_time2)

2.3、多线程传参

 用元组的方式传参，args=(i,)#这里传入的是一个元组，一个参数时要加，

也可以用数组的方式来传参，args=['lxy']

1 import threading
 2 import requests
 3 import hashlib
 4 import time
 5 def down_load(url):
 6     name = hashlib.md5(url.encode()).hexdigest()
 7     r = requests.get(url)
 8     with open('%s.jpg'%name,'wb') as fw:
 9         fw.write(r.content)
10 
11 l = [
12     'http://www.nnzhp.cn/wp-content/themes/QQ/images/logo.jpg',
13     'http://www.nnzhp.cn/wp-content/uploads/2016/12/2016aj5kn45fjk5-150x150.jpg',
14     'http://www.nnzhp.cn/wp-content/themes/QQ/images/thumbnail.png'
15 ]
16 
17 for i in l:
18     t = threading.Thread(target=down_load,args=(i,))#args=(i,),一个参数的时候要加，
19     t.start()
20 
21 while threading.activeCount() != 1:
22     pass
23 
24 print('down_load over...')

2.4、多线程获取函数返回值

多线程运行函数时，是没有办法获取到函数的返回值，所以可以定义一个全局的list，把函数的返回结果存到list就可以了

1 case_result = []
2 def run_case(case_name):
3     print('run case over...')
4     case_result.append({case_name,'success'})

2.5、守护线程

守护线程，一旦主线程死掉，不管守护线程有没有执行完成，守护线程全部都结束

1 #守护线程，一旦主线程死掉，不管守护线程有没有执行完成，全部都结束
 2 
 3 import threading
 4 import time
 5 
 6 def talk(name):
 7     print('正在和%s聊天'%name)
 8     time.sleep(200)
 9 
10 
11 def shipin(name):
12     print('正在和%s视频' % name)
13     time.sleep(200)
14 
15 
16 print('qq聊天窗口')
17 t1 = threading.Thread(target=talk,args=['xxl'])
18 t1.setDaemon(True)#设置线程为守护线程
19 t1.start()
20 
21 
22 t2 = threading.Thread(target=shipin,args=['lxy'])
23 t2.setDaemon(True)#设置线程为守护线程
24 t2.start()
25 
26 
27 time.sleep(5)
28 print('结束')

2.6、线程锁

多个线程同时操作同一个数据时，会有问题，这个时候需要用到线程锁

线程锁需要设置锁定时长，数据操作完成后，需要解锁，不然其他线程会进入无线等待

1 #线程锁
 2 #多个线程同时操作同一个数据的时候，会有问题
 3 import threading
 4 lock = threading.Lock()
 5 count = 0
 6 def test():
 7     global count
 8     lock.acquire(timeout=3000)#加锁，设置超时时间为3毫秒
 9     count += 1
10     print(count)
11     lock.release()#解锁
12 
13 for i in range(100):
14     t = threading.Thread(target=test)
15     t.start()

3、多进程

1 import multiprocessing
 2 import time
 3 import threading
 4 lock = multiprocessing.Lock()#锁
 5 a = 1
 6 
 7 def xxx():
 8     pass
 9 
10 def test():
11     for i in range(20):#进程里可以执行多个线程
12         t = threading.Thread(target=xxx)
13         t.start()
14     time.sleep(6)
15     global a
16     with lock:#加锁，with用完之后会自动释放，因为with会自动管理上下文，进程里加锁没有啥意义
17         a += 1
18     print(a)#a的值为2
19     print('over...')
20 
21 '''
22 主进程叫醒进程，进程再开始干活
23 进程是包含线程的
24 '''
25 if __name__ == '__main__':#multiprocessing要用main方法
26     for i in range(5):#6个进程--6个线程
27         p = multiprocessing.Process(target=test,name='ssz')#target:方法名，name：进程名，args：参数
28         p.start()#进程启动后，加上主进程有两个进程在运行
29         #print(p.pid)#进程ID
30 
31     while len(multiprocessing.active_children())!=0:#等待
32         #print(multiprocessing.active_children())
33         pass
34     print('最后的over...')
35     print(a)#a的值为1，是因为进程之间的数据是独立的
36     #print('abc...')