多线程学习

# !/usr/bin/env python3
# -*- coding: utf-8 -*-
# @Time : 2020/5/26 22:48
# @Author : "小多肉"
# @Email : 1021181701@qq.com
# @File : 多线程.py
# @Software: PyCharm


#TODO:
############################
# 并发和并行的区别
###########################
"""
并行(parallel)：指在同一时刻，有多条指令在多个处理器上同时执行。所以无论从微观还是从宏观来看，二者都是一起执行的。
并发(concurrency)：指在同一时刻只能有一条指令执行，但多个进程指令被快速的轮换执行，使得在宏观上具有多个进程同时执行的效果，但在微观上并不是同时执行的，只是把时间分成若干段，使多个进程快速交替的执行。
并行在多处理器系统中存在，而并发可以在单处理器和多处理器系统中都存在，并发能够在单处理器系统中存在是因为并发是并行的假象，并行要求程序能够同时执行多个操作，而并发只是要求程序假装同时执行多个操作（每个小时间片执行一个操作，多个操作快速切换执行）。
当有多个线程在操作时，如果系统只有一个 CPU，则它根本不可能真正同时进行一个以上的线程，它只能把 CPU 运行时间划分成若干个时间段，再将时间段分配给各个线程执行，在一个时间段的线程代码运行时,其它线程处于挂起状态.这种方式我们称之为并发（Concurrent）。
当系统有一个以上 CPU 时，则线程的操作有可能非并发。当一个 CPU 执行一个线程时，另一个 CPU 可以执行另一个线程，两个线程互不抢占 CPU 资源，可以同时进行，这种方式我们称之为并行（Parallel）。
"""
#######################################
# 2、简单描述python线程的缺陷，以及适用场景
########################################
"""
python线程的缺陷：
1、不能做到真正的并行
2、在多线程共享全局变量时，会因为资源竞争，导致全局变量数据不正确。
适用场景：
1、多进程适合在cpu 密集型操作（cpu 操作指令比较多，如位数多的浮点运算）
2、多线程适合在 IO密集型操作（读写数据操作比较多的，比如爬虫）
"""
###############################################################
# 3、一个列表中有100个url地址（假设请求每个地址需要0.5秒），请设计一个程序，获取列表中的url地址，使用4个线程去发送这100个请求，计算出总耗时！
###############################################################

from threading import Thread
import requests
import time


# 全局变量
url_list = []
for i in range(100):
    url_list.append("http://www.baidu.com")
url_iter = iter(url_list)


class MyThread(Thread):

    def __init__(self, group=None, target=None, name=None,
                 args=(), kwargs=None, *, daemon=None):
        super().__init__(group=group, target=target, name=name,
                 args=args, kwargs=kwargs, daemon=daemon)
        self.name = name

    def run(self):
        count = 0
        while True:
            count += 1
            try:
                res = requests.get(url_iter.__next__())
                time.sleep(0.5)
                print(f"{self.name}第{count}次发送请求，请求结果：{res.status_code}\n")
            except StopIteration:
                print(f"{self.name}的第{count}次发送请求发现所有url地址都已请求完!!!\n")
                break


if __name__ == '__main__':
    threads = []
    start = time.time()
    # 创建4个线程，并加入线程池
    for i in range(4):
        my_thread = MyThread(name=f"Thread-{i}")
        my_thread.start()
        threads.append(my_thread)
    # 等待所有线程完成
    for t in threads:
        t.join()
    end = time.time()
    print("总耗时：", end - start)