一、什么是进程？什么是线程？
二、并发和并行
三、多线程使用场景
四、python实现多线程
五、GIL问题
一、什么是进程？什么是线程？
一个进程中可以同时处理很多事情【浏览器中可以在多个选项卡中打开多个页面，有的页面播放音乐，有的页面播放视频，可以同时运行，互补不干扰】
为什么能同时做到这麽多任务呢？
-----任务对应着线程的执行。
进程是线程的集合，进程是由一个或者多个线程构成的；
线程是操作系统进行线性调度的最小单位，是进程中一个最小运行单元。
多线程就是一个进程中同时执行多个线程。
二、并发和并行
三、多线程使用场景
在一个程序进程中，有些操作比较耗时或者需要等待，如：等待数据库的查询结果的返回；等待网页结果的返回
如果任务不全是计算密集型任务，可以使用多线程来提高程序整体的执行效率，尤其对于网络爬虫这种 10 密集型任务来说，使用多线程会大大提高程序整体的爬取效率
四、python实现多线程
在python中实现多线程的模块叫做threading是python自带的模块
import threading
import time
def target(second):print(f"线程{threading.currentThread().name} 正在运行")print(f"线程{threading.currentThread().name} sleep {second}s")time.sleep(second)print(f"线程{threading.currentThread().name} 运行结束啦")print(f"主线程{threading.currentThread().name} 正在运行")
th1=threading.Thread(target=target,args=[2])
th1.start()
#th1.join()
th2=threading.Thread(target=target,args=[5])th2.start()
#th2.join()
print(f"\n线程{threading.currentThread().name} 运行结束啦")
给每个子线程后添上join方法，就可以实现主线程等待所有子线程运行结束后才结束
import threading
import time
def target(second):print(f"线程{threading.currentThread().name} 正在运行")print(f"线程{threading.currentThread().name} sleep {second}s")time.sleep(second)print(f"线程{threading.currentThread().name} 运行结束啦")print(f"主线程{threading.currentThread().name} 正在运行")
th1=threading.Thread(target=target,args=[2])
th1.start()
th1.join()
th2=threading.Thread(target=target,args=[5])th2.start()
th2.join()
print(f"\n线程{threading.currentThread().name} 运行结束啦")
守护线程：将一个线程设置成守护线程说明这个线程不重要【如果主线程结束了守护线程还没运行完，那么这个守护线程也要被强制结束运行】，可以通过setDaemon方法设置守护线程
将线程-2设置为守护线程
【可以看到咩有看到thread-2运行结束的消息】
为什么没有join方法了呢？因为只要有join方法，主线程都会等待子线程运行结束，无论其是否为守护线程！！！
互斥锁：
'''
互斥锁
'''
count =0 # 在一个进程中，有一个全局变量count 进行计数
class MyThread(threading.Thread):def __init__(self):threading.Thread.__init__(self)def run(self):global counttemp=count+1time.sleep(0.001) # 声明多个线程，每个线程都给count +1count = temp
threads=[]
for _ in range(1000): # 1000个线程 thread = MyThread()thread.start()threads.append(thread)
for thread in threads :thread.join()
print(f'Final count: {count}') 按常理来说count的值应该是 1000，可是
为什么呢？
这是因为count这个值共享，在多线程环境中，线程的执行顺序是不可预测的，尤其是当多个线程同时访问和修改同一个共享变量时。在你的代码中，
count是一个全局变量，所有线程都会对其进行读取和修改。由于竞争条件的存在，多个线程对count的更新操作可能会相互覆盖。每次线程覆盖其他线程的结果时，count的值就会丢失一次加1的操作。
如何解决？
对多个线程进行同步，即需要对要操作的数据进行加锁保护【某个线程在对数据进行操作前，需要先加锁，这样其他的线程发现被加锁了之后，就无法继续向下执行，会一直等待锁被释放
只有加锁的线程把锁释放了，其他的线程才能继续加锁并对数据做修改，修改完了再释放锁
这样可以确保同一时间只有一个线程操作数据，多个线程不会再同时读取和修改同一个数据
最后的运行结果就是对的了】
count =0 # 在一个进程中，有一个全局变量count 进行计数
class MyThread(threading.Thread):def __init__(self):threading.Thread.__init__(self)def run(self):global countlock.acquire() # 进行加锁temp=count+1time.sleep(0.001) # 声明多个线程，每个线程都给count +1count = templock.release()
threads=[]
lock = threading.Lock()
for _ in range(1000): # 1000个线程thread = MyThread()thread.start()threads.append(thread)
for thread in threads :thread.join()
print(f'Final count: {count}')此时，运行结果count为 1000
五、GIL问题
GIL全称为 GlobalInterpreter Lock，译为全局解释器锁，GIL 是 Python 解释器（CPython）的一个机制，用于确保同一时刻只有一个线程可以执行 Python 字节码。它的主要目的是保护 Python 的内存管理和其他内部数据结构的线程安全。
GIL 的存在意味着即使在多线程环境中，同一时刻也只有一个线程可以执行 Python 代码。因此，对于 CPU 密集型任务，多线程并不能带来性能提升，因为 GIL 限制了多个线程同时执行代码。然而，对于 I/O 密集型任务【如爬虫】，GIL 的影响较小。