目录
第十五章、Python多线程之信号量和GIL
1. 信号量(Semaphore)
信号量用来控制线程并发数的，Semaphore管理一个内置的计数 器，每当调用acquire()时-1，调用release()时+1。计数器不能小于0，当计数器为 0时，acquire()将阻塞线程至同步锁定状态，直到其他线程调用release()。其实就是控制最多几个线程可以操作同享资源。
import threadingimport timesemaphore = threading.Semaphore(5)def func(): if semaphore.acquire(): print (threading.currentThread().getName() + '获取共享资源') time.sleep(2) semaphore.release()for i in range(10) t1 = threading.Thread(target=func) t1.start()--------------------------------------------------Thread-1获取共享资源Thread-2获取共享资源Thread-3获取共享资源Thread-4获取共享资源Thread-5获取共享资源Thread-6获取共享资源Thread-8获取共享资源Thread-7获取共享资源Thread-9获取共享资源Thread-10获取共享资源
上面一个简单的例子就是创建10个线程，让每次只让5个线程去执行func函数。
结果：5个线程一批一批的执行打印,中间停格2s
2. GIL
含义：全局解释器锁 。
作用：无论你启多少个线程，你有多少个cpu, Python在执行的时候只会的在同一时刻只允许一个线程（线程之间有竞争）拿到GIL在一个cpu上运行，当线程遇到IO等待或到达者轮询时间的时候，cpu会做切换，把cpu的时间片让给其他线程执行，cpu切换需要消耗时间和资源，所以计算密集型的功能（比如加减乘除）不适合多线程，因为cpu线程切换太多，IO密集型比较适合多线程。
任务：
IO密集型（各个线程都会都各种的等待，如果有等待，线程切换是比较适合的），也可以采用可以用多进程+协程
计算密集型（线程在计算时没有等待，这时候去切换，就是无用的切换），python不太适合开发这类功能
我们前面举得例子里面模拟了sleep操作，其实就是相当于遇到IO，这种场景用多线程是可以增加性能的，但是如果我们用多线程来计算数据的计算，性能反而会降低。
证明一下：
from threading import Threadfrom multiprocessing import Processimport time#计算密集型def work1(): res=0 for i in range(100000000): #1+8个0 res*=iif __name__ == '__main__': t_list = [] start = time.time() for i in range(4): # t = Thread(target=work1) t = Process(target=work1) t_list.append(t) t.start() for t in t_list: t.join() end = time.time() # print('多线程',end-start) # 多线程 15.413789510726929 print('多进程',end-start) # 多进程 4.711405515670776 from threading import Threadfrom multiprocessing import Processimport time# io密集型def work1(): x = 1+1 time.sleep(5)if __name__ == '__main__': t_list = [] start = time.time() for i in range(4): t = Thread(target=work1) # t = Process(target=work1) t_list.append(t) t.start() for t in t_list: t.join() end = time.time() print('多线程',end-start) # 多线程 5.002625942230225 # print('多进程',end-start) # 多进程 5.660863399505615 说明：
在Cpython解释器中有一把GIL锁(全局解释器锁)，GIl锁本质是一把互斥锁。导致了同一个进程下,同一时间只能运行一个线程,无法利用多核优势.同一个进程下多个线程只能实现并发不能实现并行.为什么要有GIL?因为cpython自带的垃圾回收机制不是线程安全的,所以要有GIL锁.导致了同一个进程下,同一时间只能运行一个线程,无法利用多核优势.分析：我们有四个任务需要处理，处理方式肯定是要玩出并发的效果，解决方案可以是：方案一：开启四个进程方案二：一个进程下，开启四个线程计算密集型 推荐使用多进程 每个都要计算10s 多线程 在同一时刻只有一个线程会被执行,也就意味着每个10s都不能省,分开每个都要计算10s,共40.ns 多进程 可以并行的执行多个线程,10s+开启进程的时间