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 Event
Event.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
e8a3
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+=1
15     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 Timer
def 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 queue
3 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)  #3.0401737689971924
15         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