python学习日记----线程,Event,队列
进程与线程的区别:
线程==指令集,进程==资源集 (线程集)
1、同一个进程中的线程共享内存空间,进程与进程之间是独立的
2、同一个进程中的线程是可以直接通讯交流的,进程与间通讯必需通过一个中间的代理才能实现
3、创建线程简单,创建进程,是克隆父进程
4、一个线程可以控制和操作同一进程里的其他线程,但进程只能操作子进程
5、线程启动速度快,进程启动速度比较慢
线程示例:
1 import time ,threading 2 3 def run(attr): 4 print('输出:',attr) 5 time.sleep(3) 6 7 8 t1=threading.Thread(target=run,args=('第一个线程',)) 9 t2=threading.Thread(target=run,args=('第二个线程',))10 11 t1.start()#启动线程112 t2.start()#启动线程2
1 def run2(attr):2 print('输出:',attr)3 time.sleep(3)4 5 run2('第一个线程')6 run2('第二个线程')7 #以上转为串联执行
继承线程 类写线程
1 #!usr/bin/env python 2 #-*-coding:utf-8-*- 3 # Author calmyan 4 5 import threading,time 6 7 class thre(threading.Thread):#继承线程中的类 8 def __init__(self,n,times): 9 super(thre,self).__init__()10 self.n=n11 self.teims=times12 def run(self):13 print('执行第一线程:',self.n)14 time.sleep(self.teims)15 16 star_time=time.time()17 t1=thre('第一线程',3)18 t2=thre('第二线程',4)19 t1.start()20 t2.start()21 t1.join()#join等待该线程执行完成22 23 t2.join()24 den_time=time.time()-star_time25 print(den_time)
等待线程执行完成,用.join


1 import time ,threading 2 lock=threading.Lock()#定义一个线程锁变量 3 def run(attr): 4 lock.acquire()#申请一个线程锁 5 global num 6 print('输出:',attr) 7 #time.sleep(3) 8 num+=1 9 lock.release()#释放线程锁10 time.sleep(3)11 print('输出完成'.center(10,'〓'))12 star_time=time.time()#开始时间13 14 num=015 re_lilst=[]#定义一个列表16 for i in range(50):17 t1=threading.Thread(target=run,args=(('第%s线程'%i),))#新建线程18 #t1.setDaemon(True)#设置为守护进程 当主线程完成,守护也停止19 t1.start()#起动线程20 re_lilst.append(t1)#不用JOIN,避免阻塞为串行21 22 print(threading.current_thread(),threading.active_count())#查看线程 的主 子 活跃线程23 #print('分线程'.center(40,'☆'))24 print('数字:',num)25 for i in re_lilst:#等待线程 完成26 i.join()27 print('数字:',num)28 print('主线程'.center(60,'◇'),threading.current_thread(),threading.active_count())29 30 den_time=time.time()-star_time#总共时间31 print(den_time)
守护进程,相当于主进程的下属,当主进程结束,无论守护进程内的是否执行完成,都会停止!


1 import time ,threading 2 lock=threading.Lock()#定义一个线程锁变量 3 def run(attr): 4 lock.acquire()#申请一个线程锁 5 global num 6 print('输出:',attr) 7 8 #time.sleep(3) 9 num+=110 lock.release()#释放线程锁11 time.sleep(3)12 print('输出完成'.center(10,'〓'))13 14 star_time=time.time()#开始时间15 16 num=017 re_lilst=[]#定义一个列表18 for i in range(50):19 t1=threading.Thread(target=run,args=(('第%s线程'%i),))#新建线程20 t1.setDaemon(True)#设置为守护进程 当主线程完成,守护也停止21 t1.start()#起动线程22 re_lilst.append(t1)#不用JOIN,避免阻塞为串行23 24 print(threading.current_thread(),threading.active_count())#查看线程 的主 子 活跃线程25 #print('分线程'.center(40,'☆'))26 print('数字:',num)27 # for i in re_lilst:#等待线程 完成28 # i.join()29 print('数字:',num)30 print('主线程'.center(60,'◇'),threading.current_thread(),threading.active_count())31 32 den_time=time.time()-star_time#总共时间33 print(den_time)
线程锁,在py3中可以不使用:
lock=threading.Lock()
lock.acquire()
递归锁 用于递归线程


1 import time ,threading 2 3 def run(i): 4 print('输出:-------',i) 5 lock.acquire()#申请锁 6 global num1 7 num1+=1 8 time.sleep(0.1) 9 lock.release()#释放锁10 return num111 12 def run2(i):13 lock.acquire()#申请锁14 global num215 print('输出:22',i)16 num2+=117 time.sleep(0.1)18 lock.release()#释放锁19 return num220 21 def run3(i):22 lock.acquire()#申请锁23 res=run(i)24 print('输出:333',i)25 res2=run2(i)26 time.sleep(0.1)27 print(res,res2)28 lock.release()#释放锁29 30 31 if __name__ == '__main__':32 star_time=time.time()#开始时间\33 num1,num2=0,034 #lock=threading.Lock()#定义一个线程锁,如是线程锁,递归时会出错35 lock=threading.RLock()#定义一个递归锁36 37 for i in range(10):38 #t1=threading.Thread(target=run,args=(('第%s线程'%i),))#新建线程39 t1=threading.Thread(target=run3,args=(('第%s线程'%i),))#新建线程40 t1.start()#起动线程41 42 else:43 print('活跃线程数:',threading.active_count())#查看线程 活跃线程数44 45 46 while threading.active_count()!=1:#不只一个线程,就是说,判断是否是剩下主线程47 #print(threading.active_count())#查看线程 活跃线程数48 pass49 else:50 print('主线程:pid,活跃线程数'.center(60,'◇'),threading.current_thread(),threading.active_count())#51 den_time=time.time()-star_time#总共时间52 print(den_time)53 print(num1,num2)
信号量 相当与 多个线程锁


1 #!usr/bin/env python 2 #-*-coding:utf-8-*- 3 # Author calmyan 4 5 #!usr/bin/env python 6 #-*-coding:utf-8-*- 7 # Author calmyan 8 import time ,threading 9 10 def run(attr):11 semaphore.acquire()#申请信号量线程锁12 global num13 print('输出:',attr)14 time.sleep(1)15 semaphore.release()#释放信号量线程锁16 17 star_time=time.time()#开始时间18 if __name__ == '__main__':19 20 semaphore=threading.BoundedSemaphore(4)#信号量 最多允许几个线程同时运行(多把锁)21 for i in range(50):22 t1=threading.Thread(target=run,args=(('第%s线程'%i),))#新建线程23 t1.start()#起动线程24 25 while threading.active_count()!=1:#不只一个线程,就是说,判断是否是剩下主线程26 pass27 else:28 print('主线程'.center(60,'◇'),threading.current_thread(),threading.active_count())29 den_time=time.time()-star_time#总共时间30 print(den_time)
Event 线程标志
红绿灯示例


1 #!usr/bin/env python 2 #-*-coding:utf-8-*- 3 # Author calmyan 4 5 import threading,time 6 7 event=threading.Event()#生成一个标示位对象 8 def lighter():# 9 count=0 #定义时间秒数10 event.set()#设置标志位11 while True:12 if count>9 and count<15:#设定为红灯13 event.clear()#清除标志位,14 print('\033[41;1m变为红灯!\033[0m')15 elif count>=15 and count<18 :#为黄灯16 17 print('\033[43;1m变为黄灯!\033[0m')18 elif count>=18:19 event.set()#设置标志位20 print('\033[42;1m变为绿灯!\033[0m')21 count=0#重新计时22 else:23 print('\033[42;1m绿灯中.....!\033[0m')24 time.sleep(1)25 count+=1#每一秒钟加一次26 27 28 def car(name):29 while True:30 if event.is_set():#如果有标志 说明为绿灯31 print('[%s]在行驶中....'%name)32 time.sleep(1)33 else:34 print('[%s]在等待中.....'%name)35 event.wait()#等待获取标志36 print('绿灯亮了,[%s]继续行驶...'%name)37 time.sleep(1)38 39 40 light=threading.Thread(target=lighter,)#定义一个线程41 light.start()#启动线程42 43 car1=threading.Thread(target=car,args=('红旗轿车',))#生成一个汽车线程44 car1.start()
队列 生产者消费者模型


1 #!usr/bin/env python 2 #-*-coding:utf-8-*- 3 # Author calmyan 4 5 #队列 生产者消费者模型 6 7 import threading,time,queue 8 9 q=queue.Queue()#创建一个队列10 11 def produ(name):#生产函数12 count=013 while True:14 bz=name+str(count)15 q.put(bz)16 print('[%s]生产了,第[%s]个[%s]g 包子'%(name,count,bz))17 count+=118 time.sleep(1.5)19 20 def consump(name):#消费者21 while True:22 i=q.get()#取23 print('[%s]拿到包子[%s],并吃了'%(name,i))24 time.sleep(0.5)25 26 27 p1=threading.Thread(target=produ,args=('王五包子铺',))#创建一个新线程 生产者28 p2=threading.Thread(target=produ,args=('麻子六包子铺',))#创建一个新线程 生产者29 r1=threading.Thread(target=consump,args=('张三',))#创建一个新线程 消费者30 r2=threading.Thread(target=consump,args=('李四',))#创建一个新线程 消费者31 p1.start()32 p2.start()33 r1.start()34 r2.start()
Atas ialah kandungan terperinci python学习日记----线程,Event,队列. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



PHP dan Python mempunyai kelebihan dan kekurangan mereka sendiri, dan pilihannya bergantung kepada keperluan projek dan keutamaan peribadi. 1.PHP sesuai untuk pembangunan pesat dan penyelenggaraan aplikasi web berskala besar. 2. Python menguasai bidang sains data dan pembelajaran mesin.

Latihan yang cekap model pytorch pada sistem CentOS memerlukan langkah -langkah, dan artikel ini akan memberikan panduan terperinci. 1. Penyediaan Persekitaran: Pemasangan Python dan Ketergantungan: Sistem CentOS biasanya mempamerkan python, tetapi versi mungkin lebih tua. Adalah disyorkan untuk menggunakan YUM atau DNF untuk memasang Python 3 dan menaik taraf PIP: Sudoyumupdatepython3 (atau SudodnfupdatePython3), pip3install-upgradepip. CUDA dan CUDNN (Percepatan GPU): Jika anda menggunakan Nvidiagpu, anda perlu memasang Cudatool

Docker menggunakan ciri -ciri kernel Linux untuk menyediakan persekitaran berjalan yang cekap dan terpencil. Prinsip kerjanya adalah seperti berikut: 1. Cermin digunakan sebagai templat baca sahaja, yang mengandungi semua yang anda perlukan untuk menjalankan aplikasi; 2. Sistem Fail Kesatuan (Unionfs) menyusun pelbagai sistem fail, hanya menyimpan perbezaan, menjimatkan ruang dan mempercepatkan; 3. Daemon menguruskan cermin dan bekas, dan pelanggan menggunakannya untuk interaksi; 4. Ruang nama dan cgroups melaksanakan pengasingan kontena dan batasan sumber; 5. Pelbagai mod rangkaian menyokong interkoneksi kontena. Hanya dengan memahami konsep -konsep teras ini, anda boleh menggunakan Docker dengan lebih baik.

Membolehkan pecutan GPU pytorch pada sistem CentOS memerlukan pemasangan cuda, cudnn dan GPU versi pytorch. Langkah-langkah berikut akan membimbing anda melalui proses: Pemasangan CUDA dan CUDNN Tentukan keserasian versi CUDA: Gunakan perintah NVIDIA-SMI untuk melihat versi CUDA yang disokong oleh kad grafik NVIDIA anda. Sebagai contoh, kad grafik MX450 anda boleh menyokong CUDA11.1 atau lebih tinggi. Muat turun dan pasang Cudatoolkit: Lawati laman web rasmi Nvidiacudatoolkit dan muat turun dan pasang versi yang sepadan mengikut versi CUDA tertinggi yang disokong oleh kad grafik anda. Pasang Perpustakaan Cudnn:

Python dan JavaScript mempunyai kelebihan dan kekurangan mereka sendiri dari segi komuniti, perpustakaan dan sumber. 1) Komuniti Python mesra dan sesuai untuk pemula, tetapi sumber pembangunan depan tidak kaya dengan JavaScript. 2) Python berkuasa dalam bidang sains data dan perpustakaan pembelajaran mesin, sementara JavaScript lebih baik dalam perpustakaan pembangunan dan kerangka pembangunan depan. 3) Kedua -duanya mempunyai sumber pembelajaran yang kaya, tetapi Python sesuai untuk memulakan dengan dokumen rasmi, sementara JavaScript lebih baik dengan MDNWebDocs. Pilihan harus berdasarkan keperluan projek dan kepentingan peribadi.

Penyimpanan Objek Minio: Penyebaran berprestasi tinggi di bawah CentOS System Minio adalah prestasi tinggi, sistem penyimpanan objek yang diedarkan yang dibangunkan berdasarkan bahasa Go, serasi dengan Amazons3. Ia menyokong pelbagai bahasa pelanggan, termasuk Java, Python, JavaScript, dan GO. Artikel ini akan memperkenalkan pemasangan dan keserasian minio pada sistem CentOS. Keserasian versi CentOS Minio telah disahkan pada pelbagai versi CentOS, termasuk tetapi tidak terhad kepada: CentOS7.9: Menyediakan panduan pemasangan lengkap yang meliputi konfigurasi kluster, penyediaan persekitaran, tetapan fail konfigurasi, pembahagian cakera, dan mini

Apabila memilih versi pytorch di bawah CentOS, faktor utama berikut perlu dipertimbangkan: 1. Keserasian versi CUDA Sokongan GPU: Jika anda mempunyai NVIDIA GPU dan ingin menggunakan pecutan GPU, anda perlu memilih pytorch yang menyokong versi CUDA yang sepadan. Anda boleh melihat versi CUDA yang disokong dengan menjalankan arahan NVIDIA-SMI. Versi CPU: Jika anda tidak mempunyai GPU atau tidak mahu menggunakan GPU, anda boleh memilih versi CPU PyTorch. 2. Pytorch versi python

CentOS Memasang Nginx memerlukan mengikuti langkah-langkah berikut: memasang kebergantungan seperti alat pembangunan, pcre-devel, dan openssl-devel. Muat turun Pakej Kod Sumber Nginx, unzip dan menyusun dan memasangnya, dan tentukan laluan pemasangan sebagai/usr/local/nginx. Buat pengguna Nginx dan kumpulan pengguna dan tetapkan kebenaran. Ubah suai fail konfigurasi nginx.conf, dan konfigurasikan port pendengaran dan nama domain/alamat IP. Mulakan perkhidmatan Nginx. Kesalahan biasa perlu diberi perhatian, seperti isu ketergantungan, konflik pelabuhan, dan kesilapan fail konfigurasi. Pengoptimuman prestasi perlu diselaraskan mengikut keadaan tertentu, seperti menghidupkan cache dan menyesuaikan bilangan proses pekerja.
