线程:
　　优点：共享内存，IO操作时，创造并发操作
　　缺点：枪战资源
　　线程不是越多越好，具体案例具体分析，请求上下文切换耗时
　　IO密集型适用于线程，IO操作打开文件网络通讯类，不需要占用CPU，只是由CPU调度一下（不占用CPU）

自定义进程和线程：注意python解释器自带了主进程和主线程，比如在代码文件里没有定义线程和进程，程序也能运行就是靠的解释器自带主进程的主线程执行的

　　自定义进程：
　　　　由主进程创建，子进程
　　自定义线程：
　　　　由主线程创建，子线程

GIL全局解释器锁：

GIL全局解释器锁在进程入口，控制着进程数量与CPU的相应

threading线程模块

线程是应用程序中工作的最小单元

threading 模块建立在 _thread 模块之上。thread 模块以低级、原始的方式来处理和控制线程，而 threading 模块通过对 thread 进行二次封装，提供了更方便的 api 来处理线程。

hread()创建线程对象【有参】

使用方法：赋值变量 = 模块名称.Thread(target=事件函数,args=元祖类型事件函数的实际参数)  如函数多个参数，元祖里就是多个元素

格式：t = threading.Thread(target=show, args=(i,))

currentThread()获取当前线程【无参】

使用方法：自定义变量 = threading模块名称.currentThread()

格式：current_thread = threading.currentThread()

start()激活线程【无参】

使用方法：thread对象变量.start()

格式：t.start()

#!/usr/bin/env python

# -*- coding:utf8 -*-

import threading #导入线程模块

import time #导入时间模块

def show(arg): #定义函数

    time.sleep(3) #睡眠3秒

    print('线程'+str(arg)) #打印线程加循环次数

for i in range(10): #定义一个10次循环

    t = threading.Thread(target=show, args=(i,)) #用threading模块的Thread类来创建子线程对象

    t.start() #激活子线程

print("默认主线程等待子线程完成任务后，主线程停止")

# 输出

# 默认主线程等待子线程完成任务后，主线程停止

# 线程0

# 线程5

# 线程8

# 线程3

# 线程6

# 线程4

# 线程1

# 线程7

# 线程2

# 线程9

上述代码创建了10个“前台”线程，然后控制器就交给了CPU，CPU根据指定算法进行调度，分片执行指令。

from threading import Thread

import time

class Sayhi(Thread):

    def __init__(self,name):

        super().__init__()

        self.name=name

    def run(self):

        time.sleep(2)

        print('%s say hello' % self.name)

if __name__ == '__main__':

    t = Sayhi('egon')

    t.start()

    print('主线程')

在一个进程下开启多个线程与在一个进程下开启多个子进程的区别

from threading import Thread

from multiprocessing import Process

import os

def work():

    print('hello')

if __name__ == '__main__':

    #在主进程下开启线程

    t=Thread(target=work)

    t.start()

    print('主线程/主进程')

    '''

    打印结果:

    hello

    主线程/主进程

    '''

    #在主进程下开启子进程

    t=Process(target=work)

    t.start()

    print('主线程/主进程')

    '''

    打印结果:

    主线程/主进程

    hello

    '''

线程的join与setdaemon

与进程的方法都是类似的，其实是multiprocessing模仿threading的接口

join与setdaemon

join()逐个执行每个线程，等待一个线程执行完毕后继续往下执行，该方法使得多线程变得无意义【有参可选】

有参可选，参数为等待时间，秒为单位，如t.join(1) 就是一个线程不在是等待它执行完，而是只等待它1秒后继续下一个线程

from threading import Thread

import time

def sayhi(name):

    time.sleep(2)

    print('%s say hello' %name)

if __name__ == '__main__':

    t=Thread(target=sayhi,args=('egon',))

    t.setDaemon(True) #等待子线程完成

    t.start()

    t.join()

    print('主线程')

    print(t.is_alive())

Thread实例对象的方法
  # isAlive(): 返回线程是否活动的。

　　isAlive()判断线程是否为激活状态返回布尔值【无参】

　　使用方法：thread对象变量.isAlive()

　　格式：t.isAlive()

　# getName(): 返回线程名。

  getName()获取线程的名称【无参】

　使用方法：thread对象变量.getName()
　格式：t.getName()

  # setName(): 设置线程名。

　　setName()设置线程的名称【有参】

　　使用方法：thread对象变量.setName("要设置的线程名称")

　　格式：t.setName("jhf")

　　name获取或设置线程的名称【无参】

　　使用方法：thread对象变量.name

　　格式：t.name

　　isDaemon()判断是否为守护线程，也就是主线程是否等待子线程执行完成后，才停止主线程，返回布尔值【无参】

　　使用方法：thread对象变量.isDaemon()

　　格式：t.isDaemon()

threading模块提供的一些方法：

  # threading.currentThread(): 返回当前的线程变量。

  # threading.enumerate(): 返回一个包含正在运行的线程的list。正在运行指线程启动后、结束前，不包括启动前和终止后的线程。

  # threading.activeCount(): 返回正在运行的线程数量，与len(threading.enumerate())有相同的结果。

线程锁threading.RLock和threading.Lock

我们使用线程对数据进行操作的时候，如果多个线程同时修改某个数据，可能会出现不可预料的结果，为了保证数据的准确性，引入了锁的概念。

没有线程锁的情况列如：一个全局变量值为50，创建10条线程让每条线程累计减一，输出的结果是10个40，原因是10条线程同时减一就减去了10，所以打印出来就是10个40了

未使用锁：

#!/usr/bin/env python

# -*- coding:utf8 -*-

import threading #导入线程模块

import time #导入时间模块

globals_num = 50 #设置一个变量

def Func(a): #定义一个函数

    global globals_num #将变量转换成全局变量，函数里可以调用

    globals_num -= 1 #全局变量减1

    time.sleep(1) #睡眠1秒

    print(globals_num,a) #打印全局变量减少后的结果，和函数传进来的值

for i in range(10): #创建一个10次循环

    t = threading.Thread(target=Func,args=(i,)) #创建线程对象

    t.start() #激活线程

# 输出  没有线程锁，线程之间抢占了数据资源

# 40 5

# 40 3

# 40 6

# 40 4

# 40 0

# 40 2

# 40 1

# 40 9

# 40 8

# 40 7

根据上列情况可以看出，没有线程锁，线程之间抢占了数据资源

线程锁就是将线程锁定，一个线程执行完毕后释放锁后在执行第二个线程

RLock()定义线程锁对象

使用方法：定义对象变量 = threading模块名称.RLock()

格式：lock = threading.RLock()

acquire()获得锁，将线程锁定，一个线程执行完毕释放锁后在执行第二个线程

使用方法：线程锁对象变量.acquire()

格式：lock.acquire()

release()释放线程锁

使用方法：线程锁对象变量.release()

格式：lock.release()

使用锁：

#!/usr/bin/env python

# -*- coding:utf8 -*-

import threading #导入线程模块

import time #导入时间模块

globals_num = 50 #设置一个变量

lock = threading.RLock()

def Func(a): #定义一个函数

    lock.acquire()  # 获得锁，将线程锁定，一个线程执行完毕后在执行第二个线程

    global globals_num #将变量转换成全局变量，函数里可以调用

    globals_num -= 1 #全局变量减1

    time.sleep(1) #睡眠1秒

    print(globals_num,a) #打印全局变量减少后的结果，和函数传进来的值

    lock.release()  # 释放锁

for i in range(10): #创建一个10次循环

    t = threading.Thread(target=Func,args=(i,)) #创建线程对象

    t.start() #激活线程

# 输出  将线程锁定，一个线程执行完毕后在执行第二个线程

# 49 0

# 48 1

# 47 2

# 46 3

# 45 4

# 44 5

# 43 6

# 42 7

# 41 8

# 40 9

threading.RLock和threading.Lock 的区别

RLock允许在同一线程中被多次acquire。而Lock却不允许这种情况。 如果使用RLock，那么acquire和release必须成对出现，即调用了n次acquire，必须调用n次的release才能真正释放所占用的琐。

threading.Event事件对象

Event()创建标识事件对象，全局定义了一个“Flag”，如果“Flag”值为 False，那么当程序执行 event.wait 方法时就会阻塞，如果“Flag”值为True，那么event.wait 方法时便不再阻塞

python线程的事件用于主线程控制其他线程的执行，事件主要提供了三个方法 set、wait、clear。

事件处理的机制：全局定义了一个“Flag”，如果“Flag”值为 False，那么当程序执行 event.wait 方法时就会阻塞，如果“Flag”值为True，那么event.wait 方法时便不再阻塞。

当线程执行的时候，如果flag为False，则线程会阻塞，当flag为True的时候，线程不会阻塞。它提供了本地和远程的并发性。

Event事件对象的方法有

　　wait([timeout]) ： 堵塞线程，直到Event对象内部标识位被设为True或超时（如果提供了参数timeout）。
　　set() ：将标识位设为Ture
　　clear() ： 将标识位设为False。
　　isSet() ：判断标识位是否为Ture。

#!/usr/bin/env python

# -*- coding:utf8 -*-

import threading

def do(event):

    print('start')

    event.wait() #堵塞线程，直到Event对象内部标识位被设为True或超时（如果提供了参数timeout）

    print('execute')

event_obj = threading.Event() #创建标识事件对象

for i in range(10):

    t = threading.Thread(target=do, args=(event_obj,)) #创建线程对象

    t.start() #激活线程

event_obj.clear() #将标识设置为False

inp = input('input:')

if inp == 'true':

    event_obj.set() #将标识设置为True

# 输出

# start

# start

# start

# start

# start

# start

# start

# start

# start

# input:true

# execute

# execute

# execute

# execute

# execute

# execute

# execute

# execute

# execute

# execute

threading.BoundedSemaphore信号对象

是同时允许一定数量的线程更改数据 ，比如厕所有3个坑，那最多只允许3个人上厕所，后面的人只能等里面有人出来了才能再进去。

 BoundedSemaphore()创建信号对象【有参】

使用方法：定义变量.threading.BoundedSemaphore(最大允许线程数)

格式：semaphore  = threading.BoundedSemaphore(5)

BoundedSemaphore信号对象的方法有

　　acquire()获取信号
　　release()释放信号

from threading import Thread,Semaphore
import time
def work(id):
    with sem:
        time.sleep(2)
        print('%s say hello' %id)

if __name__ == '__main__':
    sem=Semaphore(5) #最多以5个线程同时运行
    for i in range(20):
        t=Thread(target=work,args=(i,))
        t.start()

queue模块

Queue 就是对队列，它是线程安全的

举例来说，我们去肯德基吃饭。厨房是给我们做饭的地方，前台负责把厨房做好的饭卖给顾客，顾客则去前台排队领取做好的饭。这里的前台就相当于我们的队列。

这个模型也叫生产者-消费者模型。

Queue()创建队列对象【有参】

使用方法：定义变量 = queue.Queue(对列长度数) 0表示长度无限制

格式：message = queue.Queue(10)

Queue对象方法有：

　　join()等到队列为空的时候，在执行别的操作【无参】

　　qsize()返回队列的大小（不可靠），因为获取后有可能有新数据加入【无参】

　　empty()清空队列里的所有数据

　　full()检查队列是否为满，当队列满的时候，返回True，否则返回False（不可靠），因为获取后有可能有新数据加入【无参】

　　put(放入对列的数据必选, block=True, timeout=None) 向队列里放入数据（生产）【有参】

　　　　将数据放入对列尾部（生产），数据必须存在，可以参数block默认为True,表示当队列满时，会等待队列给出可用位置，为False时为非阻塞，此时如果队列已满，会引发queue.Full 异常。

　　　　可选参数timeout，表示 会阻塞设置的时间，过后，如果队列无法给出放入item的位置，则引发 queue.Full 异常

　　get(block=True, timeout=None)移除并返回队列头部的一个值（消费）【有参】

　　　  可选参数block默认为True，表示获取值的时候，如果队列为空，则阻塞，为False时，不阻塞，若此时队列为空，则引发 queue.Empty异常。

　　　　可选参数timeout，表示会阻塞设置的时候，过后，如果队列为空，则引发Empty异常。

　　put_nowait(放入对列的数据必选)向队列里放入数据（生产）【有参】，如果队列满时不阻塞，不等待队列给出可用位置，引发 queue.Full 异常

　　get_nowait()移除并返回队列头部的一个值（消费）【无参】，如果队列空时不阻塞，引发 queue.Full 异常

class queue.Queue(maxsize=0) #先进先出

import queue

q=queue.Queue()

q.put('first')

q.put('second')

q.put('third')

print(q.get())

print(q.get())

print(q.get())

'''

结果(先进先出):

first

second

third

'''

class queue.LifoQueue(maxsize=0) #last in fisrt out 

import queue

q=queue.LifoQueue()

q.put('first')

q.put('second')

q.put('third')

print(q.get())

print(q.get())

print(q.get())

'''

结果(后进先出):

third

second

first

'''

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

import queue

q=queue.PriorityQueue()

#put进入一个元组,元组的第一个元素是优先级(通常是数字,也可以是非数字之间的比较),数字越小优先级越高

q.put((20,'a'))

q.put((10,'b'))

q.put((30,'c'))

print(q.get())

print(q.get())

print(q.get())

'''

结果(数字越小优先级越高,优先级高的优先出队):

(10, 'b')

(20, 'a')

(30, 'c')

'''

定时器，指定n秒后执行某操作

from threading import Timer

def hello():

    print("hello, world")

t = Timer(1, hello)

t.start()  # after 1 seconds, "hello, world" will be printed