目录
1. 线程队列
# ### 线程队列 from queue import Queue \"\"\" put 存放 超出队列长度阻塞 get 获取 超出队列长度阻塞 put_nowait 存放,超出队列长度报错 get_nowait 获取,超出队列长度报错 \"\"\" # (1) Queue \"\"\"先进先出,后进先出\"\"\" q = Queue() q.put(100) q.put(200) print(q.get()) # print(q.get()) # print(q.get()) 阻塞 # print(q.get_nowait()) # print(q.get_nowait()) 报错 # Queue(3) => 指定队列长度, 元素个数只能是3个; q2 = Queue(3) q2.put(1000) q2.put(2000) # q2.put(3000) # q2.put(4000) 阻塞 q2.put_nowait(6000) # q2.put_nowait(4000) 报错 # (2) LifoQueue \"\"\"先进后出,后进先出(栈的特点)\"\"\" from queue import LifoQueue lq = LifoQueue() lq.put(110) lq.put(120) lq.put(119) print(lq.get()) print(lq.get()) print(lq.get()) # (3) PriorityQueue \"\"\"按照优先级顺序进行排序存放(默认从小到大)\"\"\" \"\"\"在一个优先级队列中,要放同一类型的数据,不能混合使用\"\"\" from queue import PriorityQueue pq = PriorityQueue() # 1.对数字进行排序 pq.put(100) pq.put(19) pq.put(-90) pq.put(88) print(pq.get()) print(pq.get()) print(pq.get()) print(pq.get()) # 2.对字母进行排序 (按照ascii编码) pq.put(\"wangwen\") pq.put(\"sunjian\") pq.put(\'wangwei\') pq.put(\"王文\") pq.put(\"孙坚\") pq.put(\'王维\') print( pq.get() ) print( pq.get() ) print( pq.get() ) print( pq.get() ) print( pq.get() ) print( pq.get() ) # 3.对容器进行排序 pq.put( (22,\"wangwen\") ) pq.put( (67,\"wangyuhan\") ) pq.put( (3,\"anxiaodong\") ) pq.put( (3,\"liuyubo\") ) print(pq.get()) print(pq.get()) print(pq.get()) print(pq.get()) # 4.注意点 pq.put(100) pq.put(\"nihao\") pq.put( (1,2,3) )
2. 进程池_线程池
知识点：
# 线程池
# 实例化线程池 ThreadPoolExcutor (推荐5*cpu_count)
# 异步提交任务 submit / map
# 阻塞直到任务完成 shutdown
# 获取子线程的返回值 result
# 使用回调函数 add_done_callback
# 线程池 是由子线程实现的
# 进程池 是由主进程实现的
程序实现：
# ### 进程池 和 线程池
from concurrent.futures import ProcessPoolExecutor , ThreadPoolExecutor
import os,time,random
# 获取的逻辑处理器
# print(os.cpu_count())
\"\"\"多条进程提前开辟,可触发多cpu的并行效果\"\"\"
\'\'\'
# (1) 进程池 ProcessPoolExecutor
def func(i):
# print(i)
time.sleep(random.uniform(0.1,0.8))
print(\" 任务执行中 ... start ... 进程号{}\".format(os.getpid()) , i )
print(\" 任务执行中 ... end ... 进程号{}\".format(os.getpid()))
return i
if __name__ == \"__main__\":
lst = []
# (1) 创建进程池对象
\"\"\"默认参数是 系统最大的逻辑核心数 4\"\"\"
p = ProcessPoolExecutor()
# (2) 异步提交任务
\"\"\"submit(任务,参数1,参数2 ... )\"\"\"
\"\"\"默认如果一个进程短时间内可以完成更多的任务,进程池就不会使用更多的进程来辅助完成 , 可以节省系统资源的损耗;\"\"\"
for i in range(10):
obj = p.submit( func , i )
# print(obj)
# print(obj.result()) 不要写在这,导致程序同步,内部有阻塞
lst.append(obj)
# (3) 获取当前任务的返回值
for i in lst:
print(i.result(),\">===获取返回值===?\")
# (4) shutdown 等待所有进程池里的进程执行完毕之后,在放行
p.shutdown()
print(\"进程池结束 ... \")
\'\'\'
# (2) ThreadPoolExecutor
\'\'\'
# from threading import currentThread as ct
from threading import current_thread as ct
def func(i):
print(\" 任务执行中 ... start ... 线程号{}\".format( ct().ident ) , i )
time.sleep(1)
print(\" 任务执行中 ... end ... 线程号{}\".format(os.getpid()))
return ct().ident # 线程号
if __name__ == \"__main__\":
lst = []
setvar = set()
\"\"\"默认参数是 系统最大的逻辑核心数 4 * 5 = 20\"\"\"
# (1) 创建线程池对象
t = ThreadPoolExecutor() # 20
# print(t)
# (2) 异步提交任务
\"\"\"默认如果一个线程短时间内可以完成更多的任务,线程池就不会使用更多的线程来辅助完成 , 可以节省系统资源的损耗;\"\"\"
for i in range(100):
obj = t.submit(func,i)
lst.append(obj)
# (3) 获取当前任务的返回值
for i in lst:
setvar.add(i.result())
# (4) shutdown 等待所有线程池里的线程执行完毕之后,在放行
t.shutdown()
print(\"主线程执行结束 ... \")
print(setvar , len(setvar))
\'\'\'
# (3) 线程池 map
from threading import currentThread as ct
from collections import Iterator,Iterable
def func(i):
time.sleep(random.uniform(0.1,0.7))
print(\"thread ... 线程号{}\".format(ct().ident),i)
return \"*\" * i
if __name__ == \"__main__\":
t = ThreadPoolExecutor()
it = t.map(func,range(100))
# 返回的数据是迭代器
print(isinstance(it,Iterator))
# 协调子父线程,等待线程池中所有线程执行完毕之后,在放行;
t.shutdown()
# 获取迭代器里面的返回值
for i in it:
print(i)
\"\"\"
# 总结: 无论是进程池还是线程池,都是由固定的进程数或者线程数来执行所有任务
系统不会额外创建多余的进程或者线程来执行任务;
\"\"\"
3. 回调函数
知识点：
# 回调函数
就是一个参数,将这个函数作为参数传到另一个函数里面.
函数先执行,再执行当参数传递的这个函数,这个参数函数是回调函数
程序实现：
# ### 回调函数
\"\"\"
回调函数: 回头调用一下函数获取最后结果
微信支付宝付款成功后, 获取付款金额
微信支付宝退款成功后, 获取退款金额
一般用在获取最后的状态值时,使用回调
通过add_done_callback最后调用一下自定义的回调函数;
\"\"\"
from concurrent.futures import ProcessPoolExecutor , ThreadPoolExecutor
from threading import currentThread as ct
import os,time,random
\"\"\"进程任务\"\"\"
def func1(i):
time.sleep(random.uniform(0.1,0.9))
print(\" 进程任务执行中 ... start ... 进程号{}\".format(os.getpid()) , i )
print(\" 进程任务执行中 ... end ... 进程号{}\".format(os.getpid()) )
return i
def call_back1(obj):
print( \"<==回调函数的进程号{}==>\".format(os.getpid()) )
print(obj.result())
\"\"\"线程任务\"\"\"
def func2(i):
time.sleep(random.uniform(0.1,0.9))
print(\" 线程任务执行中 ... start ... 线程号{}\".format(ct().ident) , i )
print(\" 线程任务执行中 ... end ... 线程号{}\".format( ct().ident) )
return i
def call_back2(obj):
print( \"<==回调函数的线程号{}==>\".format( ct().ident) )
print(obj.result())
if __name__ == \"__main__\":
\"\"\"
# (1)进程池 结果:(进程池的回调函数由主进程执行)
p = ProcessPoolExecutor() # os.cpu_count() => 4
for i in range(1,11):
obj = p.submit(func1 , i )
# 使用add_done_callback在获取最后返回值的时候,可以异步并行
obj.add_done_callback(call_back1)
# 直接使用result获取返回值的时候,会变成同步程序,速度慢;
# obj.result()
p.shutdown()
print( \"主进程执行结束...进程号:\" , os.getpid() )
\"\"\"
print(\"<==============================================>\")
# (2)线程池 结果:(线程池的回调函数由子线程执行)
t = ThreadPoolExecutor()
for i in range(1,11):
obj = t.submit(func2 , i )
# 使用add_done_callback在获取最后返回值的时候,可以异步并发
obj.add_done_callback(call_back2)
# 直接使用result获取返回值的时候,会变成同步程序,速度慢;
# obj.result()
t.shutdown()
print(\"主线程执行结束 .... 线程号{}\".format(ct().ident))
\"\"\"
# 原型:
class Ceshi():
def add_done_callback(self,func):
print(\"系统执行操作1 ... \")
print(\"系统执行操作2 ... \")
# 回头调用一下
func(self)
def result(self):
return 112233
def call_back(obj):
print(obj.result())
obj = Ceshi()
obj.add_done_callback(call_back)
\"\"\"
4. 协程
知识点：
#协程也叫纤程: 协程是线程的一种实现方式.
指的是一条线程能够在多任务之间来回切换的一种实现.
对于CPU、操作系统来说,协程并不存在.
任务之间的切换会花费时间.
目前电脑配置一般线程开到200会阻塞卡顿.
#协程的实现
协程帮助你记住哪个任务执行到哪个位置上了，并且实现安全的切换
一个任务一旦阻塞卡顿,立刻切换到另一个任务继续执行,保证线程总是忙碌的,更加充分的利用CPU，抢占更多的时间片
# 一个线程可以由多个协程来实现,协程之间不会产生数据安全问题
#协程模块
# greenlet gevent的底层，协程，切换的模块
# gevent 直接用的，gevent能提供更全面的功能
程序实现：
# ### 协程 \"\"\" 进程是资源分配的最小单位 线程是程序调度的最下单位 协程是线程实现的具体方式 总结: 在进程一定的情况下,开辟多个线程, 在线程一定的情况下,创建多个协程, 以便提高更大的并行并发 \"\"\" # (1) 用协程改写生产者消费者模型 \"\"\" def producer(): for i in range(1000): yield i def consumer(gen): for i in range(10): print( next(gen) ) gen = producer() consumer(gen) print(\"<==========>\") consumer(gen) print(\"<==========>\") consumer(gen) \"\"\" # (2) greenlet 协程的早期版本 from greenlet import greenlet import time \"\"\" switch 可以切换任务,但是需要手动切换\"\"\" \"\"\" def eat(): print(\"eat1\") g2.switch() time.sleep(3) print(\"eat2\") def play(): print(\"play1\") time.sleep(3) print(\"play2\") g1.switch() g1 = greenlet(eat) g2 = greenlet(play) g1.switch() \"\"\" # (3) 升级到gevent版本 \"\"\"自动进行任务上的切换,但是不能识别阻塞\"\"\" \"\"\" import gevent def eat(): print(\"eat1\") gevent.sleep(3) # time.sleep(3) print(\"eat2\") def play(): print(\"play1\") gevent.sleep(3) # time.sleep(3) print(\"play2\") # 利用gevent.spawn创建协程对象g1 g1 = gevent.spawn(eat) # 利用gevent.spawn创建协程对象g2 g2 = gevent.spawn(play) # 如果不加join, 主线程直接结束任务,不会默认等待协程任务. # 阻塞,必须等待g1任务完成之后在放行 g1.join() # 阻塞,必须等待g2任务完成之后在放行 g2.join() print(\"主线程执行结束 .... \") \"\"\" # (4) 协程的终极版本; from gevent import monkey;monkey.patch_all() \"\"\"引入猴子补丁,可以实现所有的阻塞全部识别\"\"\" import time import gevent def eat(): print(\"eat1\") time.sleep(3) print(\"eat2\") def play(): print(\"play1\") time.sleep(3) print(\"play2\") # 利用gevent.spawn创建协程对象g1 g1 = gevent.spawn(eat) # 利用gevent.spawn创建协程对象g2 g2 = gevent.spawn(play) # 如果不加join, 主线程直接结束任务,不会默认等待协程任务. # 阻塞,必须等待g1任务完成之后在放行 g1.join() # 阻塞,必须等待g2任务完成之后在放行 g2.join() print(\" 主线程执行结束 ... \") \"\"\" # 分号,利用分号可以把多行代码放在一行进行编写; a = 1 b = 2 a = 1;b = 2 \"\"\"
==理解：==一个线程上有好多任务，协程可以记住每个任务完成的状态，比如做饭的时候做到一半的时候停下来，去扫地，扫完地之后拐回来做饭，从做到一半的时候开始做。
小提示： 下载gevent包，会自带greenlet
早期版本的想到在time.sleep执行了两次，每次执行了一秒钟，切换回来有执行了一秒，这是模拟早期版本，模拟堵塞
总结：
p.shutdown() 这里的shutdown类似于join 生成器在实例化对象的时候，里面的代码是不走的，调用的时候才有，next 调用等 单线程实现的一种异步并发的一种结构 协程能记住任务的状态
本篇文章就到这里了，希望能够给你带来帮助，也希望您能够多多关注的更多内容!
© 版权声明
THE END
暂无评论内容