Python线程讲解
1.多线程threading
python的thread模块是比较底层的模块，python的threading模块是对thread做了一些包装的，可以更加方便的被使用
2.进程和线程的关系
线程是进程里面一种真正执行代码的东西，类似进程里面的箭头
进程是资源分配的单位，线程是cpu调度的单位
进程，能够完成多任务，比如 在一台电脑上能够同时运行多个QQ
线程，能够完成多任务，比如 一个QQ中的多个聊天窗口
定义的不同：
- 进程是系统进行资源分配和调度的一个独立单位.
- 线程是进程的一个实体,是CPU调度和分派的基本单位,它是比进程更小的能独立运行的基本单位
- 线程自己基本上不拥有系统资源,只拥有一点在运行中必不可少的资源(如程序计数器,一组寄存器和栈), 但是它可与同属一个进程的其他的线程共享进程所拥有的全部资源
区别：
- 一个程序至少有一个进程,一个进程至少有一个线程
-线程的划分尺度小于进程(资源比进程少)，使得多线程程序的并发性高
-进程在执行过程中拥有独立的内存单元，而多个线程共享内存，从而极大地提高了程序的运行效率
-线程不能够独立执行，必须依存在进程中
优缺点：
- 线程和进程在使用上各有优缺点：线程执行开销小，但不利于资源的管理和保护；而进程正相反
3.多线程执行
import threading
import time
def saySorry():
print("Python才是最好的语言")
time.sleep(1)
if __name__ == "__main__":
for i in range(5):
t = threading.Thread(target=saySorry)
t.start() # 启动线程，即让线程开始执行
说明：
# 可以明显看出使用了多线程并发的操作，花费时间要短很多
# 创建好的线程，需要调用start()方法来启动
# 主线程会等待所有的子线程结束后才结束
4.线程执行代码的封装
通过使用threading模块能完成多任务的程序开发，为了让每个线程的封装性更完美，所以使用threading模块时，往往会定义一个新的子类class，只要继承threading.Thread就可以了，然后重写 run方法
python的threading.Thread类有一个run方法，用于定义线程的功能函数，可以在自己的线程类中覆盖该方法。而创建自己的线程实例后，通过Thread类的start方法，可以启动该线程，交给python 虚拟机进行调度，当该线程获得执行的机会时，就会调用run方法执行线程
多线程程序的执行顺序与多进程类似，都是不确定的
5.总结
每个线程一定会有一个名字，尽管上面的例子中没有指定线程对象的name，但是python会自动为线程指定一个名字。
当线程的run()方法结束时该线程完成。
无法控制线程调度程序，但可以通过别的方式来影响线程调度的方式
6.多线程-共享全局变量
在一个进程内的所有线程共享全局变量，能够在不适用其他方式的前提下完成多线程之间的数据共享（这点要比多进程要好）
缺点就是，线程是对全局变量随意遂改可能造成多线程之间对全局变量的混乱（即线程非安全），在线程中，不能同时对全局变量进行修改，解决办法是轮流让线程进行修改
7.同步
多线程开发可能遇到的问题
假设两个线程t1和t2都要对num=0进行增1运算，t1和t2都各对num修改10次， num的最终的结果应该为20。但是由于是多线程访问，答案可能不一样，所以在修改时， 就要让其修改完再轮到下一个线程来修改
什么是同步：
同步就是协同步调，按预定的先后次序进行运行。如:你说完，我再说，"同"字从字面上 容易理解为一起动作其实不是，"同"字应是指协同、协助、互相配合
解决问题的思路：
系统调用t1，然后获取到num的值为0，此时上一把锁，即不允许其他现在操作num
对num的值进行+1解锁，此时num的值为1，其他的线程就可以使用num了，而且是 num的值不是0而是1
同理其他线程在对num进行修改时，都要先上锁，处理完后再解锁，在上锁的整个过程 中不允许其他线程访问，就保证了数据的正确性
8.互斥锁
当多个线程几乎同时修改某一个共享数据的时候，需要进行同步控制
某个线程要更改共享数据时，先将其锁定，此时资源的状态为锁定，其他线程不能更改；直到该线程释放资源，将资源的状态变成非锁定，其他的线程才能再次锁定该资源。互斥锁保证了每次 只有一个线程进行写入操作，从而保证了多线程情况下数据的正确性
threading模块中定义了Lock类，可以方便的处理锁定:
# 创建锁
mutex = threading.Lock()
#Python小白学习交流群：711312441
# 锁定
mutex.acquire([blocking])
# 释放
mutex.release()
如果设定blocking为True，则当前线程会堵塞，直到获取到这个锁为止（如果没有指定，那么默认为True）如果设定blocking为False，则当前线程不会堵塞
上锁解锁过程:
- 每次只有一个线程可以获得锁。如果此时另一个线程试图获得这个锁，该线程就会变为 “blocked” 状态，称为“阻塞”，直到拥有锁的线程调用锁的release()方法释放锁之后，锁进 入 “unlocked”状态。
- 线程调度程序从处于同步阻塞状态的线程中选择一个来获得锁，并使得该线程进入运行（ running）状态。
总结:
- 锁的好处：
确保了某段关键代码只能由一个线程从头到尾完整地执行 - 锁的坏处：
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
由于可以存在多个锁，不同的线程持有不同的锁，并试图获取对方持有的锁时， 可能会造成死锁
9.多线程-非共享数据
对于全局变量，在多线程中要格外小心，否则容易造成数据错乱的情况发生
在多线程开发中，全局变量是多个线程都共享的数据，而局部变量等是各自线程的，是非共享的
10.死锁
举个例子：就好比是现实社会中，男女双方都在等待对方先道歉
在线程间共享多个资源的时候，如果两个线程分别占有一部分资源并且同时等待对方的资源，就会造成死锁
避免死锁：
# 程序设计时要尽量避免（银行家算法）<br># 添加超时时间等<br>if mutex.acquire(2):
11.同步应用
可以使用互斥锁完成多个任务，有序的进程工作，这就是线程的同步
12.生产者与消费者模式
Python的Queue模块中提供了同步的、线程安全的队列类，包括FIFO（先入先出)队列 Queue，LIFO（后入先出）队列LifoQueue，和优先级队列PriorityQueue
这些队列都实现了锁原语（可以理解为原子操作，即要么不做，要么就做完），能够在多线程中直接使用
可以使用队列来实现线程间的同步
Queue的说明：
- 对于Queue，在多线程通信之间扮演重要的角色
- 添加数据到队列中，使用put()方法
- 从队列中取数据，使用get()方法
- 判断队列中是否还有数据，使用qsize()方法
- 队列就是用来给生产者和消费者解耦的
13.ThreadLocal
在多线程环境下，每个线程都有自己的数据。一个线程使用自己的局部变量比使用全局变量好，因为局部变量只有线程自己能看见，不会影响其他线程，而全局变量的修改必须加锁一个thread.local()变量虽然是全局变量，但每个线程都只能读写自己线程的独立副本，互不干扰。thread.local()解决了参数在一个线程中各个函数之间互相传递的问题
14.异步
- 同步调用就是你喊你朋友吃饭，你朋友在忙，你就一直在那等，等你朋友忙完了，你们一起去
- 异步调用就是你喊你朋友吃饭，你朋友说知道了，待会忙完去找你 ，你就去做别的了
pool.apply_async(func=test,callback=test2) # callback是回调