#协程greenlet
from greenlet import greenlet
def eat(name):
print('%s eat 1'%name)
g2.switch('taibai')#第一次调用必须传值
print('%s eat 2'%name)
g2.switch()
def play(name):
print('%s play 1'%name)
g1.switch()
print('%s play 2'%name)
g1=greenlet(eat)
g2=greenlet(play)
g1.switch('taibai')
# 线程的其他方法
from threading import Thread
import threading
import time
from multiprocessing import Process
import os
def work():
import time
time.sleep(1)
# print('子线程',threading.get_ident()) #2608
print(threading.current_thread().getName()) # Thread-1
if __name__ == '__main__':
# 在主进程下开启线程
t = Thread(target=work)
t.start()
# print(threading.current_thread())#主线程对象 #<_MainThread(MainThread, started 1376)>
# print(threading.current_thread().getName()) #主线程名称 #MainThread
# print(threading.current_thread().ident) #主线程ID #1376
# print(threading.get_ident()) #主线程ID #1376
time.sleep(3)
print(
threading.enumerate()) # 连同主线程在内有两个运行的线程,[<_MainThread(MainThread, started 13396)>, ]
print(threading.active_count()) # 2
print('主线程/主进程')
# 队列
import queue
#队列先进先出
q2=queue.Queue()
q2.put('frist')
q2.put('second')
q2.put('third')
print(q2.get())
print(q2.get())
print(q2.get())
#类似于栈的队列
q1=queue.LifoQueue()
q1.put(1)
q1.put(2)
q1.put(3)
print(q1.get())
print(q1.get())
print(q1.get())
# print(q1.get())#阻塞
#优先级队列
import queue
q=queue.PriorityQueue()#创建优先级队列对象
q.put((-1,'666'))
q.put((0,'999'))
q.put((3,'hahaha'))
q.put((9,'123'))
print(q.get())
print(q.get())
print(q.get())
print(q.get())
#线程池的方法
from concurrent.futures import ThreadPoolExecutor,ProcessPoolExecutor
def func(i):
print(i)
time.sleep(1)
return i**2
t_pool=ThreadPoolExecutor(max_workers=4)#实例化个线程池,设置最大线程数
ret=t_pool.map(func,range(10))#map自带join,返回生成器
print(ret,[i for i in ret])
#多线程与多进程在纯计算或者io密集型的两种场景运行时间的比较
from multiprocessing import Process
from threading import Thread
def func():
num=0
# time.sleep(1)
for i in range(100000000):
num += i
if __name__ == '__main__':
p_s_t = time.time()
p_list = []
for i in range(10):
p = Process(target=func, )
p_list.append(p)
p.start()
[pp.join() for pp in p_list]
p_e_t = time.time()
p_dif_t = p_e_t - p_s_t
t_s_t=time.time()
t_list = []
for i in range(10):
t=Thread(target=func,)
t_list.append(t)
t.start()
[tt.join() for tt in t_list]
t_e_t=time.time()
t_dif_t=t_e_t-t_s_t
print("多进程:", p_dif_t)
print("多线程:",t_dif_t)
#纯计算的程序切换反而更慢
import time
def consumer():
'''任务1:接收数据,处理数据'''
while True:
x=yield
# time.sleep(1) #发现什么?只是进行了切换,但是并没有节省I/O时间
print('处理了数据:',x)
def producer():
'''任务2:生产数据'''
g=consumer()
# print('asdfasfasdf')
next(g) #找到了consumer函数的yield位置
for i in range(3):
# for i in range(10000000):
g.send(i) #给yield传值,然后再循环给下一个yield传值,并且多了切换的程序,比直接串行执行还多了一些步骤,导致执行效率反而更低了。
print('发送了数据:',i)
start=time.time()
#基于yield保存状态,实现两个任务直接来回切换,即并发的效果
#PS:如果每个任务中都加上打印,那么明显地看到两个任务的打印是你一次我一次,即并发执行的.
producer() #我在当前线程中只执行了这个函数,但是通过这个函数里面的send切换了另外一个任务
stop=time.time()
# 串行执行的方式
res=producer()
consumer(res)
stop=time.time()
print(stop-start)