一、线程

　threading用于提供线程相关的操作，线程是应用程序中工作的最小单元。

创建线程的两种方式 1.threading.Thread

import threadingdef f1(arg):    print(arg)t = threading.Thread(target=f1,args=(123,))#t.start代表这个线程已经准备就绪，等待cpu的调度。t.start()

2.自定义，继承threading.Thread

class MyThread(threading.Thread):    def __init__(self, func,args):        self.func = func        self.args = args        super(MyThread, self).__init__()    def run(self):        self.func(self.args)def f2(arg):    print(arg)t1 = MyThread(f2,1234)t1.start()

二、线程锁

当多个线程同时修改同一条数据时可能会出现脏数据，所以，出现了线程锁 - 同一时刻允许一个线程执行操作。

##没使用锁import threadingimport timeNUM = 10def f1():    global NUM    NUM -= 1    time.sleep(2)    print(NUM)for i in range(10):    t = threading.Thread(target=f1)    t.start()##使用锁def f1(l):    global NUM    #上锁    l.acquire()    NUM -= 1    time.sleep(2)    print(NUM)    #开锁    l.release()#创建锁,Rlock可以加多层锁lock = threading.RLock()for i in range(10):    t = threading.Thread(target=f1,args=(lock,))    t.start()

 三、线程池

#!/usr/bin/env python#-*- coding:utf-8 -*-import queueimport threadingimport timeclass ThreadPool:    def __init__(self,maxsize=5):        self.maxsize = maxsize        self._q = queue.Queue(maxsize)        for i in range(maxsize):            self._q.put(threading.Thread)    def get_thread(self):        return self._q.get()    def add_thread(self):        self._q.put(threading.Thread)pool = ThreadPool(5)#把用完的线程再放回容器中def task(arg,p):    print(arg)    time.sleep(1)    p.add_thread()for i in range(100):#t 是threading.Thread类    t = pool.get_thread()#创建线程对象    obj = t(target=task,args=(i,pool,))    obj.start()

进程

    进程之间的数据需要各自持有一份，所以创建进程需要的非常大的开销。并且python不能再Windows下创建进程！

并且在使用多进程的时候，最好是创建和CPU核数相等的进程

默认的进程之间相互是独立，如果想让进程之间数据共享，使用如下方法。

manager.dict()        #共享数据

from multiprocessing import Processfrom multiprocessing import Managerdef foo(i,arg):    arg[i] = i + 100    print(arg.values())if __name__ == '__main__':    obj = Manager()    li = obj.dict()    for i in range(10):        p = Process(target=foo,args=(i,li,))        p.start()        p.join()

进程池

　　进程池内部维护一个进程序列，当使用时，则去进程池中获取一个进程，如果进程池序列中没有可供使用的进进程，那么程序就会等待，直到进程池中有可用进程为止。

进程池中有两个方法：apply和apply_async

#!/usr/bin/env python#-*- coding:utf-8 -*-from multiprocessing import Poolimport timedef f1(arg):    time.sleep(1)    print(arg)if __name__ == '__main__':    pool = Pool(5)    for i in range(20):        # pool.apply(func=f1,args=(i,))          #一个一个执行        pool.apply_async(func=f1,args=(i,))     #并发    # pool.close()   #所有的任务执行完毕(5个一起执行）    #立即终止    time.sleep(1)    pool.terminate()    pool.join()

协程

线程和进程的操作是由程序触发系统接口，最后的执行者是系统；协程的操作则是程序员。

协程存在的意义：对于多线程应用，CPU通过切片的方式来切换线程间的执行，线程切换时需要耗时（保存状态，下次继续）。协程，则只使用一个线程，在一个线程中规定某个代码块执行顺序。

协程的适用场景：当程序中存在大量不需要CPU的操作时（IO），适用于协程；

#!/usr/bin/env python#-*- coding:utf-8 -*-from greenlet import greenletdef test1():    print(12)    gr2.switch()    print(34)    gr2.switch()def test2():    print(56)    gr1.switch()    print(78)gr1 = greenlet(test1)gr2 = greenlet(test2)gr1.switch()

遇到IO操作自动切换

#!/usr/bin/env python#-*- coding:utf-8 -*-#应用场景          #####监控url(检测)from gevent import monkey; monkey.patch_all()import geventimport requestsdef f(url):    print('GET: %s' % url)    resp = requests.get(url)    data = resp.text    print('%d bytes received from %s.' % (len(data), url))gevent.joinall([        gevent.spawn(f, 'https://www.python.org/'),        gevent.spawn(f, 'https://www.yahoo.com/'),        gevent.spawn(f, 'https://github.com/'),])

 memcache

简述：      Memcache是一套分布式的高速缓存系统，目前被许多网站使用以提升网站的访问速度，尤其对于一些大型的、需要频繁访问数据库的网站访问速度提升效果十分显著。 工作原理：      MemCache的工作流程如下：先检查客户端的请求数据是否在memcached中，如有，直接把请求数据返回，不再对数据库进行任何操作；如果请求的数据不在memcached中，就去查数据库，把从数据库中获取的数据返回给客户端，同时把数据缓存一份到memcached中（memcached客户端不负责，需要程序明确实现）；每次更新数据库的同时更新memcached中的数据，保证一致性；当分配给memcached内存空间用完之后，会使用LRU（Least Recently Used，最近最少使用）策略加上到期失效策略，失效数据首先被替换，然后再替换掉最近未使用的数据。      Memcache是一个高性能的分布式的内存对象缓存系统，通过在内存里维护一个统一的巨大的hash表，它能够用来存储各种格式的数据，包括图像、视频、文件以及数据库检索的结果等。简单的说就是将数据调用到内存中，然后从内存中读取，从而大大提高读取速度。      Memcached是以守护程序(监听)方式运行于一个或多个服务器中，随时会接收客户端的连接和操作 memcahce的安装

yum install libevent-devel -ywget http://memcached.org/latesttar -zxvf memcached-1.x.x.tar.gzcd memcached-1.x.x./configure && make && make test && sudo make install

启动memcache

[root@linux-node1 ~]# memcached -d -m 10 -u root -l 192.168.1.11 -p 11211 -c 256 -P /tmp/memcached.pid[root@linux-node1 ~]# netstat -antlp|grep 11211tcp 0 0 192.168.1.11:11211 0.0.0.0:* LISTEN 2251/memcached##### 参数说明-d 是启动一个守护进程-m 是分配给Memcache使用的内存数量，单位是MB-u 是运行Memcache的用户-l 是监听的服务器IP地址-p 是设置Memcache监听的端口,最好是1024以上的端口-c 选项是最大运行的并发连接数，默认是1024，按照你服务器的负载量来设定-P 是设置保存Memcache的pid文件

memcache命令

存储命令: set/add/replace/append/prepend/cas获取命令: get/gets其他命令: delete/stats..

python操作memcache

python操作Memcached使用Python-memcached模块下载安装：https://pypi.python.org/pypi/python-memcached###############import memcachemc = memcache.Client(['192.168.1.11:11211'], debug=True)mc.set("foo", "bar")ret = mc.get('foo')print ret ###add #!/usr/bin/env python # -*- coding:utf-8 -*-

 import 

memcache 

 mc 

= 

memcache.Client([

'192.168.1.11:11211'

], debug

=

True

)

 mc.add(

'k1'

, 

'v1'

)

 # mc.add('k1', 'v2') # 报错，对已经存在的key重复添加，失败！！！

支持集群

python-memcached模块原生支持集群操作，其原理是在内存维护一个主机列表，且集群中主机的权重值和主机在列表中重复出现的次数成正比。

队列

Python队列方法

·put　　    放数据

·get　　    取数据

·qsize　    返回队列的大小

·maxsize   最大支持个数

·join　　   等待队列为空的时候,在执行别的操作

·empty     当队列为空的时候,返回True,否则返回False

·full　　    当队列为满的时候,返回True,否则返回False

######先进先出

#!/usr/bin/env python#-*- coding:utf-8 -*-import queue#maxsize 最大支持多少个排队数q = queue.Queue(2)#put放数据，默认阻塞，block是否阻塞，timeout超时时间#empty 检查队列是否为空print(q.empty())q.put(123)q.put(456)q.get()#get取数据，默认阻塞，block是否阻塞，timeout超时时间#队列中的真实个数，qsizeprint(q.qsize())#join,task_done阻塞进程，当队列中任务执行完成后，不再阻塞，task_done表示任务执行完成

#######其他三种队列

#!/usr/bin/env python#-*- coding:utf-8 -*-import queue#后进先出队列q = queue.LifoQueue()q.put(123)q.put(456)print(q.get())#优先级队列#当优先级相同时，按放数据顺序取数据q1 = queue.PriorityQueue()q.put((1,"alex1"))q.put((2,"alex2"))#双向队列q2 = queue.deque()q2.append(123)q2.append(456)q2.appendleft(333)print(q2)

生产者消费者模型

   消费者      ========》    队列（缓冲区）     =========》　生产者

#!/usr/bin/env python#-*- coding:utf-8 -*-import threadingimport timeimport randomimport queue #队列模块def Producer(name,que): #生产者    while True:        que.put('包子') #相当于把包子放到仓库里        print('%s:做了一个包子' %name) #打印出做了一个包子出来        time.sleep(random.randrange(5))  #厨师5秒内做出一个包子def Consumer(name,que): #消费者    while True:        try:                      #异常处理，如果碰到没有包子可吃就等待厨师做包子            que.get_nowait()            print('%s:吃了一个包子' %name)        except Exception:            print(u'没有包子了')        time.sleep(random.randrange(3)) #消费者3秒内吃掉一个包子q = queue.Queue() #队列p1 = threading.Thread(target=Producer,args=['厨师1',q])  #目标是Producer这个函数，args是传参p2 = threading.Thread(target=Producer,args=['厨师2',q])p1.start()p2.start()c1 = threading.Thread(target=Consumer,args=['张三',q])c2 = threading.Thread(target=Consumer,args=['李四',q])c1.start()c2.start()