目錄
線程與進程概念
進程
進程（Process）是計算機中的程序關於某數據集合上的一次運行活動。是系統進行資源分配和調度的基本單位，是操作系統結構的基礎。在早期面向進程設計的計算機結構中，進程是程序的基本執行實體；在當代面向線程設計的計算機結構中。
線程
線程（Thread）是操作系統能夠進行運算調度的最小單位。它被包含在進程之中，是進程中的實際運作單位。一條線程指的是進程中一個單一順序的控制流。
線程與進程狀態
當進程退出時該進程所產生的線程都會被強制退出並清除。線程可與屬於同一進程的其它線程共享進程所擁有的全部資源，
但是其本身基本上不擁有系統資源，只擁有一點在運行中必不可少的信息(如程序計數器、一組寄存器和棧)。
多進程適合在CPU 密集型操作(cpu 操作指令比較多，如科學計算，位數多的浮點運算)
多線程適合在IO 密集型操作(讀寫數據操作較多的，比如爬蟲)
線程是併發，進程是並行；進程之間相互獨立，是系統分配資源的最小單位，同一個進程中的所有線程共享資源。
協程
協程是用戶態的輕量級線程，調度有用戶控制，擁有自己的寄存器上下文和棧，切換基本沒有內核切換的開銷，切換靈活。
總體
- 一個進程中可以併發多個線程，每條線程並行執行不同的任務。
- 進程是線程的容器。程序是指令、數據及其組織形式的描述，進程是程序的實體。
- 線程是屬於進程的，線程運行在進程空間內，同一進程所產生的線程共享同一內存空間。
- 線程是併發，進程是並行。
線程例
基本操作
#線程基本操作
import threading
import time
def cxk(n):
print('運行線程:',n)
for i in range(10):# 創建10個線程
t = threading.Thread(target=cxk, args=(i,)) # 線程運行的函數和參數
t.setDaemon(True) # 設置爲守護線程（在主線程線程結束後自動退出，默認爲False即主線程線程結束後子線程仍在執行）
t.start() # 啓動線程
輸出：
運行線程: 0
運行線程: 1
運行線程: 2
運行線程: 3
運行線程: 4
運行線程: 5
運行線程: 6
運行線程: 7
運行線程: 8
運行線程: 9
全局變量操作
import threading,time
def cxk(n):
global j
j+=1
time.sleep(1)
print('運行線程:%s,變量j的情況：%s'%(n,j))
j=-1
for i in range(10):# 創建10個線程
t = threading.Thread(target=cxk, args=(i,)) # 線程運行的函數和參數
t.setDaemon(True) # 設置爲守護線程（在主線程線程結束後自動退出，默認爲False即主線程線程結束後子線程仍在執行）
t.start() # 啓動線程
如果處理速度比較快並不會出現髒數據的情況
>>>
運行線程:0,變量j的情況：0
運行線程:1,變量j的情況：1
運行線程:2,變量j的情況：2
運行線程:3,變量j的情況：3
運行線程:4,變量j的情況：4
運行線程:5,變量j的情況：5
運行線程:6,變量j的情況：6
運行線程:7,變量j的情況：7
運行線程:8,變量j的情況：8
運行線程:9,變量j的情況：9
但是當我們每個進程睡眠加個進去,time.sleep(1)，相當於處
理速度比較慢的時候，就會變成下面這樣，因爲操作的全部線程執行完後第一個線程打印部分還在睡眠，當他打印j變量的時候全部線程已經執行完畢了
>>>
運行線程:0,變量j的情況：9
運行線程:1,變量j的情況：9
運行線程:3,變量j的情況：9
運行線程:5,變量j的情況：9
運行線程:4,變量j的情況：9
運行線程:8,變量j的情況：9
運行線程:7,變量j的情況：9
運行線程:2,變量j的情況：9
運行線程:9,變量j的情況：9
運行線程:6,變量j的情況：9
解決辦法就是加鎖
# 線程鎖
import threading,time
def cxk(n):
lock.acquire() # 開始鎖
global j
j+=1
time.sleep(1)
print('運行線程:%s,變量j的情況：%s'%(n,j))
lock.release() # 結束鎖
j=-1
lock = threading.RLock() # 定義線程鎖
for i in range(10):# 創建10個線程
t = threading.Thread(target=cxk, args=(i,)) # 線程運行的函數和參數
t.setDaemon(True) # 設置爲守護線程（在主線程線程結束後自動退出，默認爲False即主線程線程結束後子線程仍在執行）
t.start() # 啓動線程
#輸出
>>>
運行線程:0,變量j的情況：0
運行線程:1,變量j的情況：1
運行線程:2,變量j的情況：2
運行線程:3,變量j的情況：3
運行線程:4,變量j的情況：4
運行線程:5,變量j的情況：5
運行線程:6,變量j的情況：6
運行線程:7,變量j的情況：7
運行線程:8,變量j的情況：8
運行線程:9,變量j的情況：9
那麼多線程處理文件的時候會出現文件資源出現問題的情況嗎？我們來爲每個線程同時向同一個文件寫十句話。
import threading,time
def cxk(n):
with open('cxk.txt','a+') as f:
for i in range(0,10):
time.sleep(1)
f.write('我是線程：%s \n'%str(n))
print('線程：%s 寫入成功'%str(n))
for i in range(10):# 創建10個線程
t = threading.Thread(target=cxk, args=(i,)) # 線程運行的函數和參數
t.setDaemon(True) # 設置爲守護線程（在主線程線程結束後自動退出，默認爲False即主線程線程結束後子線程仍在執行）
t.start() # 啓動線程
由圖可以看出沒什麼問題，並沒出現同一文件不能處理，我們加大處理速度試試，睡眠 。
也沒什麼問題，就是線程完成速度不一樣，並沒出現第一個線程寫完第一句第二個線程接着寫第二句，但是這樣看起來不像是並行，倒像是串行的。。。我就在想會不會是在並行的情況下，第一個線程睡眠時第二個線程也是同時處於睡眠狀態，所以寫入也是按順序的。。。不過我在網上得到下面這一段話:
"""
在Python的原始解釋器CPython中存在着GIL，因此在解釋執行Python代碼時，會產生互斥鎖來限制線程對共享資源的訪問，直到解釋器遇到I/O操作或者操作次數達到一定數目時纔會釋放GIL，所以有GIL效果就是：** 一個進程內同一時間只能允許一個線程進行運算 ** （這尼瑪不就是單線程嗎？）
python的多線程只能在一個核心上跑（創始人沒想到會有多核出現），就是單核的上下文切換，所以很雞肋。
於是協程在python大展拳腳，好多框架都是使用協程來解決多任務的，而不是線程（scrapy，tornado）。
"""
最後似懂非懂，也就是說到底python的多線程就不是真正的並行。。。
不過python的多線程確實能提升效率，並且使用tkinter時打開不同窗口使用多線程不會產生卡住狀態，這篇博客也採用多線程處理，效率大大提升，還有以前的tkinter練習也基本用到了，有興趣可以去看看。
進程例
進程我用的不多，因爲我用notebook運行多進程時只有主進程會顯示，子進程調用的函數沒反應，只能打包成py文件去cmd下運行。
#寫入該句話，運行時直接生成py文件
%%writefile cxkkxc.py
import multiprocessing,time
"""
進程各自持有一份數據，默認無法共享數據
當創建進程時（非使用時），共享數據會被拿到子進程中，當進程中執行完畢後，再賦值給原值。
"""
def cxk(n):
with open('cxk2.txt','a+') as f:
for i in range(0,10):
f.write('我是進程：%s \n'%str(n))
time.sleep(1)
print('進程：%s 寫入成功'%str(n))
if __name__ == "__main__":
for i in range(1,3):
p = multiprocessing.Process(target = cxk, args = (i,))
p.start()
print("p.pid:", p.pid)
print ("p.name:", p.name)
print ("p.is_alive:", p.is_alive())
這裏我試用的也是打開文件的形式，只不過是以with open打開的，加了睡眠沒有加鎖也沒出現資源共享問題，搞不懂搞不懂，可能with open 會自動關閉文件吧，每寫完一句關閉第二個進程再打開寫入。以後再探究探究。最近可能沒空咯，參加了一個比賽，等忙完這陣再繼續更。