import threading
from threading import Lock,Thread
import time,os


'''
          python多線(xiàn)程詳解
  什么是線(xiàn)程？
  線(xiàn)程也叫輕量級(jí)進(jìn)程，是操作系統(tǒng)能夠進(jìn)行運(yùn)算調(diào)度的最小單位，它被包涵在進(jìn)程之中，是進(jìn)程中的實(shí)際運(yùn)作單位。
  線(xiàn)程自己不擁有系統(tǒng)資源，只擁有一點(diǎn)兒在運(yùn)行中必不可少的資源，但它可與同屬一個(gè)進(jìn)程的其他線(xiàn)程共享進(jìn)程所
  擁有的全部資源。一個(gè)線(xiàn)程可以創(chuàng)建和撤銷(xiāo)另一個(gè)線(xiàn)程，同一個(gè)進(jìn)程中的多個(gè)線(xiàn)程之間可以并發(fā)執(zhí)行
'''

'''
 為什么要使用多線(xiàn)程？
 線(xiàn)程在程序中是獨(dú)立的、并發(fā)的執(zhí)行流。與分隔的進(jìn)程相比，進(jìn)程中線(xiàn)程之間的隔離程度要小，它們共享內(nèi)存、文件句柄
 和其他進(jìn)程應(yīng)有的狀態(tài)。
 因?yàn)榫€(xiàn)程的劃分尺度小于進(jìn)程，使得多線(xiàn)程程序的并發(fā)性高。進(jìn)程在執(zhí)行過(guò)程之中擁有獨(dú)立的內(nèi)存單元，而多個(gè)線(xiàn)程共享
 內(nèi)存，從而極大的提升了程序的運(yùn)行效率。
 線(xiàn)程比進(jìn)程具有更高的性能，這是由于同一個(gè)進(jìn)程中的線(xiàn)程都有共性，多個(gè)線(xiàn)程共享一個(gè)進(jìn)程的虛擬空間。線(xiàn)程的共享環(huán)境
 包括進(jìn)程代碼段、進(jìn)程的共有數(shù)據(jù)等，利用這些共享的數(shù)據(jù)，線(xiàn)程之間很容易實(shí)現(xiàn)通信。
 操作系統(tǒng)在創(chuàng)建進(jìn)程時(shí)，必須為改進(jìn)程分配獨(dú)立的內(nèi)存空間，并分配大量的相關(guān)資源，但創(chuàng)建線(xiàn)程則簡(jiǎn)單得多。因此，使用多線(xiàn)程
 來(lái)實(shí)現(xiàn)并發(fā)比使用多進(jìn)程的性能高得要多。
'''

'''
 總結(jié)起來(lái)，使用多線(xiàn)程編程具有如下幾個(gè)優(yōu)點(diǎn)：
 進(jìn)程之間不能共享內(nèi)存，但線(xiàn)程之間共享內(nèi)存非常容易。
 操作系統(tǒng)在創(chuàng)建進(jìn)程時(shí)，需要為該進(jìn)程重新分配系統(tǒng)資源，但創(chuàng)建線(xiàn)程的代價(jià)則小得多。因此使用多線(xiàn)程來(lái)實(shí)現(xiàn)多任務(wù)并發(fā)執(zhí)行比使用多進(jìn)程的效率高
 python語(yǔ)言?xún)?nèi)置了多線(xiàn)程功能支持，而不是單純地作為底層操作系統(tǒng)的調(diào)度方式，從而簡(jiǎn)化了python的多線(xiàn)程編程。
'''


'''
 普通創(chuàng)建方式
'''
# def run(n):
#  print('task',n)
#  time.sleep(1)
#  print('2s')
#  time.sleep(1)
#  print('1s')
#  time.sleep(1)
#  print('0s')
#  time.sleep(1)
#
# if __name__ == '__main__':
#  t1 = threading.Thread(target=run,args=('t1',))  # target是要執(zhí)行的函數(shù)名（不是函數(shù)），args是函數(shù)對(duì)應(yīng)的參數(shù)，以元組的形式存在
#  t2 = threading.Thread(target=run,args=('t2',))
#  t1.start()
#  t2.start()


'''
 自定義線(xiàn)程：繼承threading.Thread來(lái)定義線(xiàn)程類(lèi)，其本質(zhì)是重構(gòu)Thread類(lèi)中的run方法
'''
# class MyThread(threading.Thread):
#  def __init__(self,n):
#   super(MyThread,self).__init__() #重構(gòu)run函數(shù)必須寫(xiě)
#   self.n = n
#
#  def run(self):
#   print('task',self.n)
#   time.sleep(1)
#   print('2s')
#   time.sleep(1)
#   print('1s')
#   time.sleep(1)
#   print('0s')
#   time.sleep(1)
#
# if __name__ == '__main__':
#  t1 = MyThread('t1')
#  t2 = MyThread('t2')
#  t1.start()
#  t2.start()


'''
 守護(hù)線(xiàn)程
 下面這個(gè)例子，這里使用setDaemon(True)把所有的子線(xiàn)程都變成了主線(xiàn)程的守護(hù)線(xiàn)程，
 因此當(dāng)主線(xiàn)程結(jié)束后，子線(xiàn)程也會(huì)隨之結(jié)束，所以當(dāng)主線(xiàn)程結(jié)束后，整個(gè)程序就退出了。
 所謂'線(xiàn)程守護(hù)'，就是主線(xiàn)程不管該線(xiàn)程的執(zhí)行情況，只要是其他子線(xiàn)程結(jié)束且主線(xiàn)程執(zhí)行完畢，主線(xiàn)程都會(huì)關(guān)閉。也就是說(shuō):主線(xiàn)程不等待該守護(hù)線(xiàn)程的執(zhí)行完再去關(guān)閉。
'''
# def run(n):
#  print('task',n)
#  time.sleep(1)
#  print('3s')
#  time.sleep(1)
#  print('2s')
#  time.sleep(1)
#  print('1s')
#
# if __name__ == '__main__':
#  t=threading.Thread(target=run,args=('t1',))
#  t.setDaemon(True)
#  t.start()
#  print('end')
'''
 通過(guò)執(zhí)行結(jié)果可以看出，設(shè)置守護(hù)線(xiàn)程之后，當(dāng)主線(xiàn)程結(jié)束時(shí)，子線(xiàn)程也將立即結(jié)束，不再執(zhí)行
'''

'''
 主線(xiàn)程等待子線(xiàn)程結(jié)束
 為了讓守護(hù)線(xiàn)程執(zhí)行結(jié)束之后，主線(xiàn)程再結(jié)束，我們可以使用join方法，讓主線(xiàn)程等待子線(xiàn)程執(zhí)行
'''
# def run(n):
#  print('task',n)
#  time.sleep(2)
#  print('5s')
#  time.sleep(2)
#  print('3s')
#  time.sleep(2)
#  print('1s')
# if __name__ == '__main__':
#  t=threading.Thread(target=run,args=('t1',))
#  t.setDaemon(True) #把子線(xiàn)程設(shè)置為守護(hù)線(xiàn)程，必須在start()之前設(shè)置
#  t.start()
#  t.join()  #設(shè)置主線(xiàn)程等待子線(xiàn)程結(jié)束
#  print('end')


'''
 多線(xiàn)程共享全局變量
 線(xiàn)程時(shí)進(jìn)程的執(zhí)行單元，進(jìn)程時(shí)系統(tǒng)分配資源的最小執(zhí)行單位，所以在同一個(gè)進(jìn)程中的多線(xiàn)程是共享資源的
'''
# g_num = 100
# def work1():
#  global g_num
#  for i in range(3):
#   g_num+=1
#  print('in work1 g_num is : %d' % g_num)
#
# def work2():
#  global g_num
#  print('in work2 g_num is : %d' % g_num)
#
# if __name__ == '__main__':
#  t1 = threading.Thread(target=work1)
#  t1.start()
#  time.sleep(1)
#  t2=threading.Thread(target=work2)
#  t2.start()


'''
  由于線(xiàn)程之間是進(jìn)行隨機(jī)調(diào)度，并且每個(gè)線(xiàn)程可能只執(zhí)行n條執(zhí)行之后，當(dāng)多個(gè)線(xiàn)程同時(shí)修改同一條數(shù)據(jù)時(shí)可能會(huì)出現(xiàn)臟數(shù)據(jù)，
 所以出現(xiàn)了線(xiàn)程鎖，即同一時(shí)刻允許一個(gè)線(xiàn)程執(zhí)行操作。線(xiàn)程鎖用于鎖定資源，可以定義多個(gè)鎖，像下面的代碼，當(dāng)需要獨(dú)占
 某一個(gè)資源時(shí)，任何一個(gè)鎖都可以鎖定這個(gè)資源，就好比你用不同的鎖都可以把這個(gè)相同的門(mén)鎖住一樣。
  由于線(xiàn)程之間是進(jìn)行隨機(jī)調(diào)度的，如果有多個(gè)線(xiàn)程同時(shí)操作一個(gè)對(duì)象，如果沒(méi)有很好地保護(hù)該對(duì)象，會(huì)造成程序結(jié)果的不可預(yù)期，
 我們因此也稱(chēng)為“線(xiàn)程不安全”。
  為了防止上面情況的發(fā)生，就出現(xiàn)了互斥鎖（Lock）
'''
# def work():
#  global n
#  lock.acquire()
#  temp = n
#  time.sleep(0.1)
#  n = temp-1
#  lock.release()
#
#
# if __name__ == '__main__':
#  lock = Lock()
#  n = 100
#  l = []
#  for i in range(100):
#   p = Thread(target=work)
#   l.append(p)
#   p.start()
#  for p in l:
#   p.join()


'''
 遞歸鎖：RLcok類(lèi)的用法和Lock類(lèi)一模一樣，但它支持嵌套，在多個(gè)鎖沒(méi)有釋放的時(shí)候一般會(huì)使用RLock類(lèi)
'''
# def func(lock):
#  global gl_num
#  lock.acquire()
#  gl_num += 1
#  time.sleep(1)
#  print(gl_num)
#  lock.release()
#
#
# if __name__ == '__main__':
#  gl_num = 0
#  lock = threading.RLock()
#  for i in range(10):
#   t = threading.Thread(target=func,args=(lock,))
#   t.start()


'''
 信號(hào)量（BoundedSemaphore類(lèi)）
 互斥鎖同時(shí)只允許一個(gè)線(xiàn)程更改數(shù)據(jù)，而Semaphore是同時(shí)允許一定數(shù)量的線(xiàn)程更改數(shù)據(jù)，比如廁所有3個(gè)坑，
 那最多只允許3個(gè)人上廁所，后面的人只能等里面有人出來(lái)了才能再進(jìn)去
'''
# def run(n,semaphore):
#  semaphore.acquire() #加鎖
#  time.sleep(3)
#  print('run the thread:%s\n' % n)
#  semaphore.release() #釋放
#
#
# if __name__== '__main__':
#  num=0
#  semaphore = threading.BoundedSemaphore(5) #最多允許5個(gè)線(xiàn)程同時(shí)運(yùn)行
#  for i in range(22):
#   t = threading.Thread(target=run,args=('t-%s' % i,semaphore))
#   t.start()
#  while threading.active_count() !=1:
#   pass
#  else:
#   print('----------all threads done-----------')

'''
 python線(xiàn)程的事件用于主線(xiàn)程控制其他線(xiàn)程的執(zhí)行，事件是一個(gè)簡(jiǎn)單的線(xiàn)程同步對(duì)象，其主要提供以下的幾個(gè)方法：
  clear將flag設(shè)置為 False
  set將flag設(shè)置為 True
  is_set判斷是否設(shè)置了flag
  wait會(huì)一直監(jiān)聽(tīng)flag，如果沒(méi)有檢測(cè)到flag就一直處于阻塞狀態(tài)
 事件處理的機(jī)制：全局定義了一個(gè)Flag，當(dāng)Flag的值為False，那么event.wait()就會(huì)阻塞，當(dāng)flag值為T(mén)rue，
 那么event.wait()便不再阻塞
'''
event = threading.Event()
def lighter():
 count = 0
 event.set()   #初始者為綠燈
 while True:
  if 5 < count <=10:
   event.clear() #紅燈，清除標(biāo)志位
   print("\33[41;lmred light is on...\033[0m]")
  elif count > 10:
   event.set() #綠燈，設(shè)置標(biāo)志位
   count = 0
  else:
   print('\33[42;lmgreen light is on...\033[0m')

  time.sleep(1)
  count += 1


def car(name):
 while True:
  if event.is_set():  #判斷是否設(shè)置了標(biāo)志位
   print('[%s] running.....'%name)
   time.sleep(1)
  else:
   print('[%s] sees red light,waiting...'%name)
   event.wait()
   print('[%s] green light is on,start going...'%name)


# startTime = time.time()
light = threading.Thread(target=lighter,)
light.start()

car = threading.Thread(target=car,args=('MINT',))
car.start()
endTime = time.time()
# print('用時(shí)：',endTime-startTime)

'''
       GIL 全局解釋器
  在非python環(huán)境中，單核情況下，同時(shí)只能有一個(gè)任務(wù)執(zhí)行。多核時(shí)可以支持多個(gè)線(xiàn)程同時(shí)執(zhí)行。但是在python中，無(wú)論有多少個(gè)核
  同時(shí)只能執(zhí)行一個(gè)線(xiàn)程。究其原因，這就是由于GIL的存在導(dǎo)致的。
  GIL的全程是全局解釋器，來(lái)源是python設(shè)計(jì)之初的考慮，為了數(shù)據(jù)安全所做的決定。某個(gè)線(xiàn)程想要執(zhí)行，必須先拿到GIL，我們可以
  把GIL看做是“通行證”，并且在一個(gè)python進(jìn)程之中，GIL只有一個(gè)。拿不到線(xiàn)程的通行證，并且在一個(gè)python進(jìn)程中，GIL只有一個(gè)，
  拿不到通行證的線(xiàn)程，就不允許進(jìn)入CPU執(zhí)行。GIL只在cpython中才有，因?yàn)閏python調(diào)用的是c語(yǔ)言的原生線(xiàn)程，所以他不能直接操
  作cpu，而只能利用GIL保證同一時(shí)間只能有一個(gè)線(xiàn)程拿到數(shù)據(jù)。而在pypy和jpython中是沒(méi)有GIL的
  python在使用多線(xiàn)程的時(shí)候，調(diào)用的是c語(yǔ)言的原生過(guò)程。
'''
'''
       python針對(duì)不同類(lèi)型的代碼執(zhí)行效率也是不同的
  1、CPU密集型代碼（各種循環(huán)處理、計(jì)算等），在這種情況下，由于計(jì)算工作多，ticks技術(shù)很快就會(huì)達(dá)到閥值，然后出發(fā)GIL的
  釋放與再競(jìng)爭(zhēng)（多個(gè)線(xiàn)程來(lái)回切換當(dāng)然是需要消耗資源的），所以python下的多線(xiàn)程對(duì)CPU密集型代碼并不友好。
  2、IO密集型代碼（文件處理、網(wǎng)絡(luò)爬蟲(chóng)等設(shè)計(jì)文件讀寫(xiě)操作），多線(xiàn)程能夠有效提升效率（單線(xiàn)程下有IO操作會(huì)進(jìn)行IO等待，
  造成不必要的時(shí)間浪費(fèi)，而開(kāi)啟多線(xiàn)程能在線(xiàn)程A等待時(shí)，自動(dòng)切換到線(xiàn)程B，可以不浪費(fèi)CPU的資源，從而能提升程序的執(zhí)行
  效率）。所以python的多線(xiàn)程對(duì)IO密集型代碼比較友好。
'''
'''
 主要要看任務(wù)的類(lèi)型，我們把任務(wù)分為I/O密集型和計(jì)算密集型，而多線(xiàn)程在切換中又分為I/O切換和時(shí)間切換。如果任務(wù)屬于是I/O密集型，
 若不采用多線(xiàn)程，我們?cè)谶M(jìn)行I/O操作時(shí)，勢(shì)必要等待前面一個(gè)I/O任務(wù)完成后面的I/O任務(wù)才能進(jìn)行，在這個(gè)等待的過(guò)程中，CPU處于等待
 狀態(tài)，這時(shí)如果采用多線(xiàn)程的話(huà)，剛好可以切換到進(jìn)行另一個(gè)I/O任務(wù)。這樣就剛好可以充分利用CPU避免CPU處于閑置狀態(tài)，提高效率。但是
 如果多線(xiàn)程任務(wù)都是計(jì)算型，CPU會(huì)一直在進(jìn)行工作，直到一定的時(shí)間后采取多線(xiàn)程時(shí)間切換的方式進(jìn)行切換線(xiàn)程，此時(shí)CPU一直處于工作狀態(tài)，
 此種情況下并不能提高性能，相反在切換多線(xiàn)程任務(wù)時(shí)，可能還會(huì)造成時(shí)間和資源的浪費(fèi)，導(dǎo)致效能下降。這就是造成上面兩種多線(xiàn)程結(jié)果不能的解釋。
結(jié)論:I/O密集型任務(wù)，建議采取多線(xiàn)程，還可以采用多進(jìn)程+協(xié)程的方式(例如:爬蟲(chóng)多采用多線(xiàn)程處理爬取的數(shù)據(jù))；對(duì)于計(jì)算密集型任務(wù)，python此時(shí)就不適用了。
'''