进程

1.进程

简单的说就是实现“唱歌跳舞”同时进行，那么就需要一个新的方法，叫做：多任务

2.多任务的概念

简单地说，就是操作系统可以同时运行多个任务。打个比方，一边在用浏览器上网，一边在听MP3，一边在用Word赶作业，这就是多任务，至少同时有3个任务正在运行。还有很多任务悄悄地在后台同时运行着，只是桌面上没有显示而已。

并行执行多任务只能在多核CPU上实现，但是，由于任务数量远远多于CPU的核心数量，所以，操作系统也会自动把很多任务轮流调度到每个核心上执行。就是说当cpu核心数量大于任务数量就是并行，反过来，就是并发

依照的规则有时间片轮转，优先级调度

3.进程的创建-fork

程序：编写完毕的代码，在没有运行的时候，称之为程序

进程：正在运行着的代码，还有需要运行的环境等

fork( )： Python的os模块封装了常见的系统调用，其中就包括fork，可以在Python程序中轻松创建子进程：import os         # 注意，fork函数，只在Unix/Linux/Mac上运行，windows不可以             pid = os.fork()             if pid == 0:                 print('哈哈1')             else:

                print('哈哈2')

说明：

        程序执行到os.fork()时，操作系统会创建一个新的进程（子进程），然后复制父进程的所有信息到子进程中

        然后父进程和子进程都会从fork()函数中得到一个返回值，在子进程中这个值一定是0，而父进程中是子进程的 id号

普通的函数调用，调用一次，返回一次，但是fork()调用一次，返回两次，因为操作系统自动把当前进程（称为父进程）复制了一份（称为子进程），然后，分别在父进程和子进程内返回

getpid()是获取当前进程（主进程或子进程）的id、getppid()获取父进程的id

4.多进程修改全局变量

多进程中，每个进程中所有数据（包括全局变量）都各有拥有一份，互不影响，所以在修改全局变量的时候，两个变量相互独立

5.多次fork问题

下次遇到多进程就画图，再如：

os.fork() os.fork() os.fork()      就变成了8个进程

在while True中，如果有os.fork()，程序一定崩，这就相当于fork炸弹，死循环创建进程

6.multiprocessing模块

由于Windows没有fork调用，但是Python是跨平台的，自然也应该提供一个跨平台的多进程支持。multiprocessing模块就是跨平台版本的多进程模块。

multiprocessing模块提供了一个Process类来代表一个进程对象 跨平台的操作，fork只在linux下才有效，所以平时应该使用process,它是一个类 程序如下：   from multiprocessing import Process

import time

  def test():     while True:         print("---test---")

          time.sleep(1)

  P = Process(target=test)

P.start()  #让这个进程开始执行test函数里的代码

while True:     print("---main---")

    time.sleep(1)

说明：创建子进程时，只需要传入一个执行函数和函数的参数，创建一个Process实例，用start()方法启动，这样创建进程比fork()还要简单。join()方法可以等待子进程结束后再继续往下运行，通常用于进程间的同步，这就与fork不同，需要等子进程结束，主进程才可以结束

Process语法结构如下：

Process([group [, target [, name [, args [, kwargs]]]]])     target：表示这个进程实例所调用对象；     args：表示调用对象的位置参数元组；     kwargs：表示调用对象的关键字参数字典；     name：为当前进程实例的别名；     group：大多数情况下用不到； Process类常用方法：     is_alive()：判断进程实例是否还在执行；     join([timeout])：是否等待进程实例执行结束，或等待多少秒；     start()：启动进程实例（创建子进程）；     run()：如果没有给定target参数，对这个对象调用start()方法时，就将执行对象中 的run()方法；     terminate()：不管任务是否完成，立即终止； Process类常用属性：     name：当前进程实例别名，默认为Process-N，N为从1开始递增的整数；     pid：当前进程实例的PID值

        进程的创建-Process子类：

创建新的进程还能够使用类的方式，可以自定义一个类，继承Process类，每次实例化 这个类的时候，就等同于实例化一个进程对象

如果想知道程序的运行时间，可以用开始和结束的time.time()两个时间差，就代表运行时间

7.进程池pool

当需要创建的子进程数量不多时，可以直接利用multiprocessing中的Process动态成生 多个进程，但如果是上百甚至上千个目标，手动的去创建进程的工作量巨大，此时就可以 用到multiprocessing模块提供的Pool方法 p0=Pool(3) #定义一个进程池，最大进程数3 for i in range(0,10):     #Pool.apply_async(要调用的目标,(传递给目标的参数元组,))（非堵塞式） #Pool.apply(worker,(i,)) （堵塞式），主进程卡在这里，需要等子进程完成才能添加     #每次循环将会用空闲出来的子进程去调用目标     po.apply_async(worker,(i,)) po.close() #关闭进程池，关闭后po不再接收新的请求

po.join() #等待po中所有子进程执行完成，必须放在close语句之后

8.多种创建进程的方式比较

os.fork()中，子进程和父进程可以都执行，而且父进程可以 不必等待子进程结束 p=process(target=xxx) p.start()

#子进程和父进程都可执行

pool = Pool(3) pool.apply_async(xxx) #主进程一般用来等待，真正的任务都在子进程中执行 9.进程间通信-Queue Process之间有时需要通信，操作系统提供了很多机制来实现进程间的通信。 Queue的使用： 可以使用multiprocessing模块的Queue实现多进程之间的数据传递，Queue本身是一个消息列队程序 队列：先进先出

栈：先进后出 初始化Queue()对象时（例如：q=Queue()），若括号中没有指定最大可接收的消息数量，或数量为负值，那么就代表可接受的消息数量没有上限（直到内存的尽头）

Queue.qsize()：返回当前队列包含的消息数量；

Queue.empty()：如果队列为空，返回True，反之False ；

Queue.full()：如果队列满了，返回True,反之False；

Queue.get([block[, timeout]])：获取队列中的一条消息，然后将其从列队中移除，block默认值为True

Queue.get_nowait()：相当Queue.get(False)；应该把它放在try里面

Queue.put(item,[block[, timeout]])：将item消息写入队列，block默认值为True

进程池中的Queue：

10.多进程拷贝文件

11.孤儿进程和僵尸进程

孤儿进程：是指父进程结束，但子进程还未结束，通常的情况下父进程可以清除子进程 的垃圾，表示子进程没人收尸了

僵尸进程：是指子进程结束了，父进程还未结束 一般在操作系统中，0号进程负责切换任务，1号进程负责生子进程，并负责打理孤儿进程

        线程

1.多线程程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("亲爱的，我错了，我能吃饭了吗？")

    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

同步的概念：

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() #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:

当一个线程调用锁的acquire()方法获得锁时，锁就进入“locked”状态。 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）       添加超时时间等

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