python并发编程之多线程2------------死锁与递归锁，信号量等

一、死锁现象与递归锁

进程也是有死锁的

所谓死锁： 是指两个或两个以上的进程或线程在执行过程中，因争夺资源而造成的一种互相等待的现象，若无外力作用，

它们都将无法推进下去。此时称系统处于死锁状态或系统产生了死锁，这些永远在互相等待的进程称为死锁进程，

如下就是死锁

 1 死锁------------------- 2 from  threading import Thread,Lock,RLock 3 import time 4 mutexA = Lock() 5 mutexB = Lock() 6 class MyThread(Thread): 7     def run(self): 8         self.f1() 9         self.f2()10     def f1(self):11         mutexA.acquire()12         print('\033[33m%s 拿到A锁 '%self.name)13         mutexB.acquire()14         print('\033[45%s 拿到B锁 '%self.name)15         mutexB.release()16         mutexA.release()17     def f2(self):18         mutexB.acquire()19         print('\033[33%s 拿到B锁 ' % self.name)20         time.sleep(1)  #睡一秒就是为了保证A锁已经被别人那到了21         mutexA.acquire()22         print('\033[45m%s 拿到B锁 ' % self.name)23         mutexA.release()24         mutexB.release()25 if __name__ == '__main__':26     for i in range(10):27         t = MyThread()28         t.start() #一开启就会去调用run方法

死锁现象

那么怎么解决死锁现象呢？

解决方法，递归锁：在Python中为了支持在同一线程中多次请求同一资源，python提供了可重入锁RLock。

这个RLock内部维护着一个Lock和一个counter变量，counter记录了acquire的次数，从而使得资源可以被多次require。

直到一个线程所有的acquire都被release，其他的线程才能获得资源。上面的例子如果使用RLock代替Lock，则不会发生死锁

mutexA=mutexB=threading.RLock() #一个线程拿到锁，counter加1,该线程内又碰到加锁的情况，
则counter继续加1，这期间所有其他线程都只能等待，等待该线程释放所有锁，即counter递减到0为止

 1 # 2.解决死锁的方法--------------递归锁 2 from  threading import Thread,Lock,RLock 3 import time 4 mutexB = mutexA = RLock() 5 class MyThread(Thread): 6     def run(self): 7         self.f1() 8         self.f2() 9     def f1(self):10         mutexA.acquire()11         print('\033[33m%s 拿到A锁 '%self.name)12         mutexB.acquire()13         print('\033[45%s 拿到B锁 '%self.name)14         mutexB.release()15         mutexA.release()16     def f2(self):17         mutexB.acquire()18         print('\033[33%s 拿到B锁 ' % self.name)19         time.sleep(1)  #睡一秒就是为了保证A锁已经被别人拿到了20         mutexA.acquire()21         print('\033[45m%s 拿到B锁 ' % self.name)22         mutexA.release()23         mutexB.release()24 if __name__ == '__main__':25     for i in range(10):26         t = MyThread()27         t.start() #一开启就会去调用run方法

解决死锁

二、信号量Semaphore（其实也是一把锁）

Semaphore管理一个内置的计数器

Semaphore与进程池看起来类似，但是是完全不同的概念。

进程池：Pool(4)，最大只能产生四个进程，而且从头到尾都只是这四个进程，不会产生新的。

信号量：信号量是产生的一堆进程/线程，即产生了多个任务都去抢那一把锁

 1 from threading import Thread,Semaphore,currentThread 2 import time,random 3 sm = Semaphore(5) #运行的时候有5个人 4 def task(): 5     sm.acquire() 6     print('\033[42m %s上厕所'%currentThread().getName()) 7     time.sleep(random.randint(1,3)) 8     print('\033[31m %s上完厕所走了'%currentThread().getName()) 9     sm.release()10 if __name__ == '__main__':11     for i in range(20):  #开了10个线程 ，这20人都要上厕所12         t = Thread(target=task)13         t.start()

Semaphore举例

 1 hread-1上厕所 2  Thread-2上厕所 3  Thread-3上厕所 4  Thread-4上厕所 5  Thread-5上厕所 6  Thread-3上完厕所走了 7  Thread-6上厕所 8  Thread-1上完厕所走了 9  Thread-7上厕所10  Thread-2上完厕所走了11  Thread-8上厕所12  Thread-6上完厕所走了13  Thread-5上完厕所走了14  Thread-4上完厕所走了15  Thread-9上厕所16  Thread-10上厕所17  Thread-11上厕所18  Thread-9上完厕所走了19  Thread-12上厕所20  Thread-7上完厕所走了21  Thread-13上厕所22  Thread-10上完厕所走了23  Thread-8上完厕所走了24  Thread-14上厕所25  Thread-15上厕所26  Thread-12上完厕所走了27  Thread-11上完厕所走了28  Thread-16上厕所29  Thread-17上厕所30  Thread-14上完厕所走了31  Thread-15上完厕所走了32  Thread-17上完厕所走了33  Thread-18上厕所34  Thread-19上厕所35  Thread-20上厕所36  Thread-13上完厕所走了37  Thread-20上完厕所走了38  Thread-16上完厕所走了39  Thread-18上完厕所走了40  Thread-19上完厕所走了

运行结果

三、Event

线程的一个关键特性是每个线程都是独立运行且状态不可预测。如果程序中的其 他线程需要通过判断某个线程的状态来确定自己下一步的操作,这时线程同步问题就会变得非常棘手。为了解决这些问题,我们需要使用threading库中的Event对象。 对象包含一个可由线程设置的信号标志,它允许线程等待某些事件的发生。在 初始情况下,Event对象中的信号标志被设置为假。如果有线程等待一个Event对象, 而这个Event对象的标志为假,那么这个线程将会被一直阻塞直至该标志为真。一个线程如果将一个Event对象的信号标志设置为真,它将唤醒所有等待这个Event对象的线程。如果一个线程等待一个已经被设置为真的Event对象,那么它将忽略这个事件, 继续执行

from threading import EventEvent.isSet() #返回event的状态值Event.wait() #如果 event.isSet()==False将阻塞线程；Event.set() #设置event的状态值为True，所有阻塞池的线程激活进入就绪状态， 等待操作系统调度；Event.clear() #恢复

例如1.，有多个工作线程尝试链接MySQL，我们想要在链接前确保MySQL服务正常才让那些工作线程去连接MySQL服务器，如果连接不成功，都会去尝试重新连接。那么我们就可以采用threading.Event机制来协调各个工作线程的连接操作

 1 #首先定义两个函数，一个是连接数据库 2 # 一个是检测数据库 3 from threading import Thread,Event,currentThread 4 import time 5 e = Event() 6 def conn_mysql(): 7     '''链接数据库''' 8     count = 1 9     while not e.is_set():  #当没有检测到时候10         if count >3: #如果尝试次数大于3，就主动抛异常11             raise ConnectionError('尝试链接的次数过多')12         print('\033[45m%s 第%s次尝试'%(currentThread(),count))13         e.wait(timeout=1) #等待检测（里面的参数是超时1秒）14         count+=115     print('\033[44m%s 开始链接...'%(currentThread().getName()))16 def check_mysql():17     '''检测数据库'''18     print('\033[42m%s 检测mysql...' % (currentThread().getName()))19     time.sleep(5)20     e.set()21 if __name__ == '__main__':22     for i  in range(3):  #三个去链接23         t = Thread(target=conn_mysql)24         t.start()25     t = Thread(target=check_mysql)26     t.start()

详看

2.例如2，红绿灯的例子

 1 from  threading import Thread,Event,currentThread 2 import time 3 e = Event() 4 def traffic_lights(): 5     '''红绿灯''' 6     time.sleep(5) 7     e.set() 8 def car(): 9     '''车'''10     print('\033[42m %s 等绿灯\033[0m'%currentThread().getName())11     e.wait()12     print('\033[44m %s 车开始通行' % currentThread().getName())13 if __name__ == '__main__':14     for i in range(10):15         t = Thread(target=car)  #10辆车16         t.start()17     traffic_thread = Thread(target=traffic_lights)  #一个红绿灯18     traffic_thread.start()

红绿灯

四、定时器（Timer）

指定n秒后执行某操作

from threading import Timerdef func(n):    print('hello,world',n)t = Timer(3,func,args=(123,))  #等待三秒后执行func函数，因为func函数有参数，那就再传一个参数进去t.start()

五、线程queue

queue队列 ：使用import queue，用法与进程Queue一样

queue.Queue(maxsize=0) #先进先出

1 # 1.队列-----------2 import queue3 q = queue.Queue(3) #先进先出4 q.put('first')5 q.put('second')6 q.put('third')7 print(q.get())8 print(q.get())9 print(q.get())

View Code

queue.LifoQueue(maxsize=0)#先进后出

1 # 2.堆栈----------2 q = queue.LifoQueue() #先进后出（或者后进先出）3 q.put('first')4 q.put('second')5 q.put('third')6 q.put('for')7 print(q.get())8 print(q.get())9 print(q.get())

View Code

queue.PriorityQueue(maxsize=0) #存储数据时可设置优先级的队列

 1 # ---------------- 2 '''3.put进入一个元组，元组的第一个元素是优先级 3 （通常也可以是数字，或者也可以是非数字之间的比较） 4 数字越小，优先级越高''' 5 q = queue.PriorityQueue() 6 q.put((20,'a')) 7 q.put((10,'b'))  #先出来的是b,数字越小优先级越高嘛 8 q.put((30,'c')) 9 print(q.get())10 print(q.get())11 print(q.get())

View Code

六、多线程性能测试

1.多核也就是多个CPU
（1）cpu越多，提高的是计算的性能
（2）如果程序是IO操作的时候（多核和单核是一样的），再多的cpu也没有意义。
2.实现并发
第一种：一个进程下，开多个线程
第二种：开多个进程
3.多进程：
   优点：可以利用多核
   缺点：开销大
4.多线程
   优点：开销小
   缺点：不可以利用多核
5多进程和多进程的应用场景
   1.计算密集型：也就是计算多，IO少
     如果是计算密集型，就用多进程（如金融分析等）
   2.IO密集型：也就是IO多，计算少
     如果是IO密集型的，就用多线程（一般遇到的都是IO密集型的）
下例子练习：

 1 # 计算密集型的要开启多进程 2 from  multiprocessing import Process 3 from threading import Thread 4 import time 5 def work(): 6     res = 0 7     for i in range(10000000): 8         res+=i 9 if __name__ == '__main__':10     l = []11     start = time.time()12     for i in range(4):13         p = Process(target=work)  #1.9371106624603271  #可以利用多核（也就是多个cpu）14         # p  = Thread(target=work)  #3.040173768997192415         l.append(p)16         p.start()17     for p in l:18         p.join()19     stop = time.time()20     print('%s'%(stop-start))

计算密集型

 1 # I/O密集型要开启多线程 2 from multiprocessing import Process 3 from threading import Thread 4 import time 5 def work(): 6     time.sleep(3) 7 if __name__ == '__main__': 8     l = [] 9     start = time.time()10     for i in range(400):11         # p = Process(target=work)  #34.9549994468689   #因为开了好多进程，它的开销大，花费的时间也就长了12         p = Thread(target=work) #2.2151265144348145  #当开了多个线程的时候，它的开销小，花费的时间也小了13         l.append(p)14         p.start()15     for i in l :16         i.join()17     stop = time.time()18     print('%s'%(stop-start))

I/O密集型 

七、python标准模块----concurrent.futures