最近东西积攒了太多，感觉再不写进来就要炸了。

1.多线程

1.11 关于多线程的包

相关的python包有几个，比如thread包，到py3改成_thread，而thread有一些问题使得不是很好用。通用的包叫threading。最近都是在用这个。

1.12 threading的使用和常用属性

需要注意的点有生成实例比如t = threading.Thread(target=xxx, args=(xx,))，里面有两个参数，第一个是目标函数，第二个是相关的参数，注意类型。

然后就是start启动，join等待多线程实行完成这两个方法。

#伪代码
t1 = threading.Thread(target=fun1, args=("函数参数 1",))
t1.start()

t2 = threading.Thread(target=fun2, args=("函数参数1", "函数参数2"))
t2.start()

#等待线程
t1.join()
t2.join()

继承threading.Thread使用，需要重写run函数。

class MyThread(threading.Thread):
　　def __init__(self, arg):
　　　　super(MyThread, self).__init__()
　　　　self.arg = arg

　　def run(self):
　　　　time.sleep(2)

其他常用属性和方法有:

threading.currentThread：返回当前线程变量

threading.enumerate:返回一个包含正在运行的线程的list，正在运行的线程指的是线程启动后，结束前的状态

threading.activeCount: 返回正在运行的线程数量，效果跟 len(threading.enumerate)相同

threading.timer: 定时器，利用多线程在指定时间后启动一个功能

thr.setName: 给线程设置名字

thr.getName: 得到线程的名字

守护线程：daemon：即如果将子线程设置成守护线程，则子线程会在主线程结束的时候自动退出，一般认为，守护线程不中要或者不允许离开主线程独立运行

而守护线程能否有效果跟环境相关

t1 = threading.Thread(target=fun, args=() )
# 社会守护线程的方法，必须在start之前设置，否则无效
t1.setDaemon(True)
#t1.daemon = True
t1.start()

1.13 线程相关的问题

因为线程之间有共享状态（资源），会有一些诸如死锁或者同步的问题。解决方法也是大同小异，这些python里都给出了

相应的工具。比如自己设置一个锁/信号灯。用semphore变量，还有可重入锁解锁递归的时候申请锁的问题等等。

线程安全不安全变量list，set，dict，安全变量queue等。

1.14 线程替代方案

替代无非是用进程或者魔改的线程包，诸如subprocess使用进程，multiprocessing用threading派生出来的，使用子进程，可以使用多核或多CPU

还有一个current.future待会儿写

2.多进程

使用的就是上面提到的线程替代方案multiprocessing，方法和threading差不多，multiprocessing.Process(target=xxx, args=(xx,))，然后同样也可以继承后使用，实现方式类似多线程

还有一个就是pid和ppid，即进程ID和父进程ID，还有其他常见的内容比如子进程和父进程共享资源啊，而子线程有自己独立的栈空间啊之类的就不详细描述了

还有其他的诸如生产者-消费者模型，读者-写者模型等等。和上面的一样，也不赘述了，操作系统书里都有，写在这没什么意义。

3.协程

首先来写一下协程的定义：协程是为非抢占式多任务产生子程序的计算机程序组件， 协程允许不同入口点在不同位置暂停或开始执行程序。 

 在这之前先写两个

3.11 迭代器

有两个概念，一是可迭代对象Iterable，二是迭代器Iterator

Iterable可以用于for循环，二Iterator不仅可以用于for循环还能被next函数调用，可以用isinstance函数判断，比如list是可迭代的。

from collections import Iterable

l = [1,2,3,4]

isinstance(l, Iterable)

out：True

两者之间还可以通过iter函数转换

from collections import Iterator

isinstance(iter('abc'), Iterator)

out：True

3.12 生成器

比如最常见的生成器有L = [x * x for x in range(10)]，g = (x * x for x in range(10))这些生成列表，元组的方法

本质是一个函数/方法，每次调用next的时候计算下一个值，最后会抛出StopIteration异常。

函数中包含yield,则叫generator

next调用,遇到yield返回

# 在函数odd中，yield负责返回
def odd():
    print("Step 1")
    yield 1
    print("Step 2")
    yield 2
    print("Step 3")
    yield 3
 
# odd() 是调用生成器
g = odd()
one = next(g)
print(one)

two = next(g)
print(two)

three = next(g)
print(three)

out：Step 1

　　1

　　Step 2

　　2

　　Step 3

　　3

3.13 协程

是的，协程和生成器很像，使用yield和send。目的是合理调用各种系统资源和进行协同工作。协程之间切换耗费也很低

协程有四个状态：

GEN_CREATED：等待开始执行

GEN_RUNNING：解释器正在执行

GEN_SUSPENED：在yield表达式处暂停

GEN_CLOSED：执行结束

def simple_coroutine(a):
    print('-> start') 

    b = yield a # 把A丢出来给aa
    print('-> recived', a, b)

    c = yield a + b
    print('-> recived', a, b, c)

# runc
sc = simple_coroutine(5)

aa = next(sc) # 预激，准备好执行协程，程序走到yield停下
print(aa) 
bb = sc.send(6) # 5 ，6  把参数6发给b
print(bb)
cc = sc.send(7) # 5, 6, 7
print(cc)#执行不到，抛出StopIteration异常

out：

-> start

5

-> recived 5 6

11

-> recived 5 6 7

之前说过，最后会抛出一个StopIteration异常，未处理的异常会向上冒泡，传给next函数或send函数的调用方。终止协程可以发送某个哨符，让协程退出，比如内置的None和Ellipsis等常量

还有两个和异常相关的方法generator.throw(Exctpiton)和generator.close()

大概作用就是前一个会在暂停的yield出抛出指定的异常。如果生成器处理了该异常，则代码会执行到下一个yield

而产出的值（value，异常的一个属性）会成为调用 generator.throw方法得到的返回值。没处理则往上冒泡。

第二个的作用是致使生成器在暂停的 yield 表达式处抛出 GeneratorExit 异常。如果生成器没有处理这个异常，或者抛出了 StopIteration 异常（通常是指运行到结尾），调用方不会报错。

如果收到 GeneratorExit 异常，生成器一定不能产出值，否则解释器会抛出RuntimeError 异常。生成器抛出的其他异常会向上冒泡，传给调用方。

以下是找到的一段事例代码

class DemoException(Exception):
    """
    custom exception
    """
    pass

def handle_exception():
    print('-> start')

    while True:
        try:
            x = yield
        except DemoException:
            print('-> run demo exception')
        else:
            print('-> recived x:', x)

    raise RuntimeError('this line should never run')

he = handle_exception()
next(he)
he.send(10) # recived x: 10
he.send(20) # recived x: 20

he.throw(DemoException) # run demo exception

he.send(40) # recived x: 40
he.close()

View Code

yield from

相对于yield，yield from就相当于在调用方和生成器之间多了一层“通道”类似的代理。（又或者说在主线程和协程之间）

使用的渠道：比如委派生成器。

1，定义一个生成器（含yield）可以一次次的接收调用方传来的值（通过yield）和return回去处理后的值

2，定义个委派生成器，只需要yield from 生成器即可使用并接收值

3，调用委派生成器使用

未完待续

标签：

版权申明：本站文章部分自网络，如有侵权，请联系：west999com@outlook.com
特别注意：本站所有转载文章言论不代表本站观点，本站所提供的摄影照片，插画，设计作品，如需使用，请与原作者联系，版权归原作者所有