python---多线程threading
多线程
多任务可以由多进程完成，也可以由一个进程内的多线程完成。一个进程至少有一个线程。
由于线程是操作系统直接支持的执行单元，因此，高级语言通常都内置多线程的支持，Python也不例外，并且，Python的线程是真正的Posix Thread，而不是模拟出来的线程。
由于任何进程默认就会启动一个线程，我们把该线程称为主线程，主线程又可以启动新的线程。
#创建线程
# 新线程执行的代码:
def loop():
print('thread %s is running...' % threading.current_thread().name)
n = 0
while n < 5:
n = n + 1
print('thread %s >>> %s' % (threading.current_thread().name, n))
time.sleep(1)
print('thread %s ended.' % threading.current_thread().name)
#
# print('thread %s is running...' % threading.current_thread().name)
# t = threading.Thread(target=loop, name='LoopThread')
# t.start()
# t.join()
# print('thread %s ended.' % threading.current_thread().name)
多线程和多进程最大的不同，多进程中，同一个变量他们各自有拷贝存在每个进程中，互不印象，而多线程中，所有的变量都由线程共享，所以，任何一个变量都可以被任何一个线程修改。
balance = 0
def change_it(n):
# 先存后取，结果应该为0:
global balance
balance = balance + n
balance = balance - n
# print(balance)
def run_thread(n):
for i in range(2000000):
change_it(n)
#阻塞了直接下一个
t1 = threading.Thread(target=run_thread, args=(5,))
t2 = threading.Thread(target=run_thread, args=(8,))
t1.start()
t2.start()
t1.join()
t2.join()
print(balance)
#结果本来应该是0，但是多线程同时启动，就不一定是0了有可能混合加减了
balance = balance + n
也分两步：
计算balance + n，存入临时变量中；
将临时变量的值赋给balance。
也就是可以看成：
x = balance + n
balance = x
由于x是局部变量，两个线程各自都有自己的x，当代码正常执行时：
初始值 balance = 0
t1: x1 = balance + 5 # x1 = 0 + 5 = 5
t1: balance = x1 # balance = 5
t1: x1 = balance - 5 # x1 = 5 - 5 = 0
t1: balance = x1 # balance = 0
t2: x2 = balance + 8 # x2 = 0 + 8 = 8
t2: balance = x2 # balance = 8
t2: x2 = balance - 8 # x2 = 8 - 8 = 0
t2: balance = x2 # balance = 0
结果 balance = 0
但是t1和t2是交替运行的，如果操作系统以下面的顺序执行t1、t2：
# 赋值过程运行一般另外一个提前运行了并且赋值了，直到后面剩下一半执行完毕覆盖掉了
初始值 balance = 0
t1: x1 = balance + 5 # x1 = 0 + 5 = 5
t2: x2 = balance + 8 # x2 = 0 + 8 = 8
t2: balance = x2 # balance = 8
t1: balance = x1 # balance = 5
t1: x1 = balance - 5 # x1 = 5 - 5 = 0
t1: balance = x1 # balance = 0
t2: x2 = balance - 8 # x2 = 0 - 8 = -8
t2: balance = x2 # balance = -8
结果 balance = -8
锁
两个线程同时运行，会出现非理想值。如果我们要确保balance计算正确，就要给change_it()上一把锁，当某个线程开始执行change_it()时，我们说，该线程因为获得了锁，因此其他线程不能同时执行change_it()，只能等待，直到锁被释放后，获得该锁以后才能改。
由于锁只有一个，无论多少线程，同一时刻最多只有一个线程持有该锁，所以，不会造成修改的冲突。
创建一个锁就是通过threading.Lock()来实现,当多个线程同时执行lock.acquire()时，只有一个线程能成功地获取锁，然后继续执行代码，其他线程就继续等待直到获得锁为止。获得锁的线程用完后一定要释放锁，否则那些苦苦等待锁的线程将永远等待下去
balance = 0
lock = threading.Lock()
def run_thread(n):
for i in range(100000):
# 先要获取锁:
lock.acquire()
try:
# 放心地改吧:
change_it(n)
finally:
# 改完了一定要释放锁:
lock.release()
python中使用多核cpu
如果写入一个死循环（一个死循环会百分之百占满一个cpu），并且写满多核的多个死循环，理想状态下应该占满cpu，但是python解释器不允许，任何python线程在执行前都先获得GIL锁，然后执行行100字节码，解释器再自动释放GIL锁，也就只能用到1核。多线程多核只能通过C语言去拓展了。
多线程
Python中的多线程并不是真正的多线程，python的代码有解释器进行控制的，python本身有一个全局解释器锁(GIL)，这个锁就是限制了每次只能有一个线程在运行
欢迎各位大佬fork、star
代码github地址：https://github.com/starSgz/pythonBase
