1. 線程簡介

1. 線程（Thread）也叫輕量級進(jìn)程，是操作系統(tǒng)能夠進(jìn)行運算調(diào)度的最小單位，它被包涵在進(jìn)程之中，是進(jìn)程中的實際運作單位。
2. 線程自己不擁有系統(tǒng)資源，只擁有一點兒在運行中必不可少的資源，但它可與同屬一個進(jìn)程的其它線程共享進(jìn)程所擁有的全部資源。
3. 一個線程可以創(chuàng)建和撤消另一個線程，同一進(jìn)程中的多個線程之間可以并發(fā)執(zhí)行。

2. 為什么要使用線程

1. 同一進(jìn)程中的線程之間共享內(nèi)存：線程在程序中是獨立的、并發(fā)的執(zhí)行流。與分隔的進(jìn)程相比，進(jìn)程中線程之間的隔離程度要小，它們共享內(nèi)存、文件句柄和其他進(jìn)程應(yīng)有的狀態(tài)。
2. 線程的并發(fā)性更高：因為線程的劃分尺度小于進(jìn)程，使得多線程程序的并發(fā)性高。進(jìn)程在執(zhí)行過程中擁有獨立的內(nèi)存單元，而多個線程共享內(nèi)存，從而極大地提高了程序的運行效率。
3. 線程比進(jìn)程的性能更好：這是由于同一個進(jìn)程中的線程共享同一個進(jìn)程的虛擬空間。線程共享的環(huán)境包括進(jìn)程代碼段、進(jìn)程的公有數(shù)據(jù)等，利用這些共享的數(shù)據(jù)，線程之間很容易實現(xiàn)通信。
4. 多線程資源消耗更?。翰僮飨到y(tǒng)在創(chuàng)建進(jìn)程時，必須為該進(jìn)程分配獨立的內(nèi)存空間，并分配大量的相關(guān)資源，但創(chuàng)建線程則簡單得多。因此，使用多線程來實現(xiàn)并發(fā)比使用多進(jìn)程的性能要高得多。

3. 創(chuàng)建線程的方式

1. thread模塊在python3中更名為_thread.而且將要廢棄。
2. python3中通過threading模塊創(chuàng)建多線程，創(chuàng)建方法有兩種：

• 通過實例化threading.Thread對象來創(chuàng)建：threading.Thread(target=xxx, args=(xxx,xxx))
• 通過繼承threading.Thread類，并重寫run方法來創(chuàng)建：MyThread()

4. 守護(hù)線程

1. 使用setDaemon(True)把所有的子線程都變成了主線程的守護(hù)線程，因此當(dāng)主進(jìn)程結(jié)束后，子線程也會隨之結(jié)束。所以當(dāng)主線程結(jié)束后，整個程序就退出了。
2. 把子進(jìn)程設(shè)置為守護(hù)線程，必須在start()之前設(shè)置。
3. 為了讓守護(hù)線程執(zhí)行結(jié)束之后，主線程再結(jié)束，我們可以使用join方法，讓主線程等待子線程執(zhí)行
4. join()在start()之后。

5. 多線程共享全局變量

1. 線程是進(jìn)程的執(zhí)行單元，進(jìn)程是系統(tǒng)分配資源的最小單位，所以在同一個進(jìn)程中的多線程是共享資源的。

6. 鎖

1. 互斥鎖

1. 線程之間是進(jìn)行隨機(jī)調(diào)度，多個線程同時修改同一條數(shù)據(jù)時可能會出現(xiàn)臟數(shù)據(jù)。
2. 因此出現(xiàn)了線程鎖，即同一時刻允許一個線程執(zhí)行操作。線程鎖用于鎖定資源。
3. 由于線程之間是進(jìn)行隨機(jī)調(diào)度，如果有多個線程同時操作一個對象，如果沒有很好地保護(hù)該對象，會造成程序結(jié)果的不可預(yù)期，我們也稱此為“線程不安全”。

2. 遞歸鎖

1. RLcok類的用法和Lock類一模一樣，但它支持嵌套，在多個鎖沒有釋放的時候一般會使用RLcok類。

7. 信號量（BoundedSemaphore類)

1. 互斥鎖同時只允許一個線程更改數(shù)據(jù)，而Semaphore是同時允許一定數(shù)量的線程更改數(shù)據(jù) ，
2. 比如酒店有5個房間，那最多只允許5個人開房，后面的人只能等里面有人出來了才能再進(jìn)去。

8. 事件（Event類）

1. python線程的事件用于主線程控制其他線程的執(zhí)行，事件是一個簡單的線程同步對象，其主要提供以下幾個方法：

• clear 將flag設(shè)置為“False”
• set 將flag設(shè)置為“True”
• is_set 判斷是否設(shè)置了flag
• wait 會一直監(jiān)聽flag，如果沒有檢測到flag就一直處于阻塞狀態(tài)

2. 事件處理的機(jī)制：全局定義了一個“Flag”，當(dāng)flag值為“False”，那么event.wait()就會阻塞，當(dāng)flag值為“True”，那么event.wait()便不再阻塞。

9. GIL（Global Interpreter Lock）全局解釋器鎖

1. GIL的全稱是Global Interpreter Lock(全局解釋器鎖).只是cpython解釋器導(dǎo)致與python語言無關(guān)，用別的解釋器無此問題；
2. 在python中，無論有多少核，同時只能執(zhí)行一個線程。究其原因，這就是由于GIL的存在導(dǎo)致的。
3. cpython解釋器為了數(shù)據(jù)安全所做的決定。某個線程想要執(zhí)行，必須先拿到GIL，我們可以把GIL看作是“通行證”，并且在一個python進(jìn)程中，GIL只有一個。拿不到通行證的線程，就不允許進(jìn)入CPU執(zhí)行。
4. Python多線程的工作過程：

• 拿到公共數(shù)據(jù)
• 申請GIL
• python解釋器調(diào)用os原生線程
• os操作cpu執(zhí)行運算
• 當(dāng)該線程執(zhí)行時間到后，無論運算是否已經(jīng)執(zhí)行完，gil都被要求釋放
• 進(jìn)而由其他進(jìn)程重復(fù)上面的過程
• 等其他進(jìn)程執(zhí)行完后，又會切換到之前的線程（從他記錄的上下文繼續(xù)執(zhí)行），整個過程是每個線程執(zhí)行自己的運算，當(dāng)執(zhí)行時間到就進(jìn)行切換（context switch）。

5. python針對不同類型的代碼執(zhí)行效率也是不同的:

• CPU密集型代碼(各種循環(huán)處理、計算等等)，在這種情況下，由于計算工作多，ticks計數(shù)很快就會達(dá)到閾值，然后觸發(fā)GIL的釋放與再競爭（多個線程來回切換當(dāng)然是需要消耗資源的），所以python下的多線程對CPU密集型代碼并不友好?？梢允褂枚噙M(jìn)程。
• IO密集型代碼(文件處理、網(wǎng)絡(luò)爬蟲等涉及文件讀寫的操作)，多線程能夠有效提升效率(單線程下有IO操作會進(jìn)行IO等待，造成不必要的時間浪費，而開啟多線程能在線程A等待時，自動切換到線程B，可以不浪費CPU的資源，從而能提升程序執(zhí)行效率)。所以python的多線程對IO密集型代碼比較友好。
• python下想要充分利用多核CPU，就用多進(jìn)程。因為每個進(jìn)程有各自獨立的GIL，互不干擾，這樣就可以真正意義上的并行執(zhí)行，在python中，多進(jìn)程的執(zhí)行效率優(yōu)于多線程(僅僅針對多核CPU而言)。

6. GIL在python中的版本差異：

• 在python2.x里，GIL的釋放邏輯是當(dāng)前線程遇見IO操作或者ticks計數(shù)達(dá)到100時進(jìn)行釋放。（ticks可以看作是python自身的一個計數(shù)器，專門做用于GIL，每次釋放后歸零，這個計數(shù)可以通過sys.setcheckinterval 來調(diào)整）。而每次釋放GIL鎖，線程進(jìn)行鎖競爭、切換線程，會消耗資源。并且由于GIL鎖存在，python里一個進(jìn)程永遠(yuǎn)只能同時執(zhí)行一個線程(拿到GIL的線程才能執(zhí)行)，這就是為什么在多核CPU上，python的多線程效率并不高。
• 在python3.x中，GIL不使用ticks計數(shù)，改為使用計時器（執(zhí)行時間達(dá)到閾值后，當(dāng)前線程釋放GIL），這樣對CPU密集型程序更加友好，但依然沒有解決GIL導(dǎo)致的同一時間只能執(zhí)行一個線程的問題，所以效率依然不盡如人意。

10. 線程池

• 線程池在系統(tǒng)啟動時即創(chuàng)建大量空閑的線程，程序只要將一個函數(shù)提交給線程池，線程池就會啟動一個空閑的線程來執(zhí)行它。當(dāng)該函數(shù)執(zhí)行結(jié)束后，該線程并不會死亡，而是再次返回到線程池中變成空閑狀態(tài)，等待執(zhí)行下一個函數(shù)。
• 此外，使用線程池可以有效地控制系統(tǒng)中并發(fā)線程的數(shù)量。當(dāng)系統(tǒng)中包含有大量的并發(fā)線程時，會導(dǎo)致系統(tǒng)性能急劇下降，甚至導(dǎo)致 Python 解釋器崩潰，而線程池的最大線程數(shù)參數(shù)可以控制系統(tǒng)中并發(fā)線程的數(shù)量不超過此數(shù)。
• 官網(wǎng)：https://docs.python.org/dev/library/concurrent.futures.html
• 從Python3.2開始，標(biāo)準(zhǔn)庫為我們提供了concurrent.futures模塊，它提供了ThreadPoolExecutor和ProcessPoolExecutor兩個類，實現(xiàn)了對threading和multiprocessing的進(jìn)一步抽象（這里主要關(guān)注線程池），不僅可以幫我們自動調(diào)度線程，還可以做到：
  1. 主線程可以獲取某一個線程（或者任務(wù)的）的狀態(tài)，以及返回值。
  2. 當(dāng)一個線程完成的時候，主線程能夠立即知道。
  3. 讓多線程和多進(jìn)程的編碼接口一致。

concurrent.futures模塊提供了高度封裝的異步調(diào)用接口
ThreadPoolExecutor：線程池，提供異步調(diào)用

屬性：max_workers， 線程池容量

1、submit(fn, *args, **kwargs)
異步提交任務(wù)

2、map(func, *iterables, timeout=None, chunksize=1) 
取代for循環(huán)submit的操作

3、shutdown(wait=True) 
相當(dāng)于進(jìn)程池的pool.close()+pool.join()操作
wait=True，等待池內(nèi)所有任務(wù)執(zhí)行完畢回收完資源后才繼續(xù)
wait=False，立即返回，并不會等待池內(nèi)的任務(wù)執(zhí)行完畢
但不管wait參數(shù)為何值，整個程序都會等到所有任務(wù)執(zhí)行完畢
submit和map必須在shutdown之前

4、result(timeout=None)
取得結(jié)果
5、add_done_callback(fn)
回調(diào)函數(shù)
6、done()
方法用于判定某個任務(wù)是否完成
7、cancel()
cancel方法用于取消某個任務(wù),該任務(wù)沒有放入線程池中才能取消成功