简介：许多朋友询问了Python线程的记忆。本文的首席CTO注释将为您提供一个详细的答案，以供所有人参考。我希望这对每个人都会有所帮助！让我们一起看看！
本文目录清单：
1. Python的多线程2. Python多进程内存职使用USETHE流程概念：以整体形式暴露于操作系统管理，其中包含各种资源的调用。各种资源管理的收集可以称为流程。
线程的概念：是操作系统执行计算计划的最小单元。本质上，它是指令的集合。
过程和线程之间的区别：
1.内存空间的线程共享，该过程具有独立的内存空间。
2.线程启动快速，过程启动速度很慢。注意：两者的运行速度无法比较。
3.线程是执行的指令集，该过程是资源的收集
4.两个子过程之间的数据未共享并完全独立。在同一过程中，从线程中显示相同的数据。
5.创建新线程非常简单。要创建一个新的过程，需要克隆父亲的过程。
6.一个线程可以在同一过程中操作其他线程，但是该过程只能操作子进程
7.可以直接传达同一过程的线程。如果两个过程想通信，则必须通过中间代理实施。
8.线程的修改可能会影响其他线程的行为。但是，父过程的修改不会影响子过程。
第一个程序是创建带有循环的线程，但是该程序中有51个线程。我们创建了50个线程，但是程序本身是主线程的一个线程。这些51个线程是平行的。注意：在此程序中，主线程启动子线程。
与以前的程序相比，该程序还有一个更多的计算时间，但是当我们观察结果时，我们会发现该程序的执行时间仅为0.007秒。这是因为最后一个打印功能是在子线程中并行的，因此可以想象，当执行子线程时，已执行打印功能。通常，这次仅执行一个线程，这是主线程的时间。
接下来，该程序吸收了上述程序的缺点，创建了一个列表，存储了所有线程实例，然后使用一个用于循环来调用线程实例。所有sub -threads都可以下降。注意实验的结果：这两个线程的结果在两秒钟内更多
请注意观察实验结果，没有执行打印任务，并且程序执行时间非常短。
这是因为在启动子螺纹之前，将子线程设置为监护线。
只要执行主线程，无论是否执行子线程，
主线出口，监护人的线程都被迫退出。皇帝死了，仆人也随后葬礼
应用程序场景：插座服务器
注意：GIL只是为了降低程序开发的复杂性。相同的。
以下程序是典型的生产者消费者模型。
生产者消费者模型是开发体系结构中使用的经典模型
操作和维护中的群集是生产者消费者模型。生活中的许多人是
那么，多线程用途有什么用？
Python中的多线程本质上是切换到上下文，可以说这是一个假的多线程。我们知道，IO操作不占据CPU并计算CPU，然后是Python的多线程多线程是适用于IO操作密集任务，例如插座服务器，然后是CPU密集型任务，Python Do？Python可以使用计算机的多核：启动八个进程，每个过程都有一个线程。可用于解决多方面问题。
当我们有一个长长的任务队列（mission_list）和与阈值相对应的过程输入时，我们通常使用以下方法来处理：
但是，如果此任务列表很长，并且处理功能很复杂（占用CPU），则通常需要长时间处理单个核心。目前，多进程可以大大提高我们程序的运行速度。相关内容可以大大改进。可以大大改进相关内容。请从基于Processes-Python 3.10.4的多处理中学习--- Python 3.10.4文档。
在上述情况下，建议您使用最简单的进程池+地图方法进行处理。标准写作，大块必须从官方声明中学习，最好要变得更大：
但是！InterectionSigntersectionIntertements如果我们的任务列表非常长，这将导致多过程在该过程破裂之前运行，并且该任务无法完成。目前，我们有几种优化方法：
有三种开始过程的方法。您可以参考官方文件：
[图片上传失败...（Image-48CD3C-165051153989）]]]
在Linux环境中，使用Forkserver可以节省大量的内存空间，因为该过程启动了服务，该服务不会复制主过程的数据。
使用IMAP将大大节省空间，它返回迭代器，即结果列表：
但是请注意，在上面的写作中，您编写的结果的迭代必须写下来。或以另一种方式使用：
还有最后一个。当您的任务列表太大时，它会导致您在生成任务列表时破坏内存。此时，您可以使用屈服字段将其封装为迭代器并将其传递到过程池中：
这样，我们封装了Mission_List，这是一个迭代对象，在获取数据时将数据拉到内存中
我将后两个方法组合在一起。原始的256G内存还不够，但是修改后的内存仅少于10克。
2G.Python在1990年代初期由荷兰和计算机科学研究协会的Gendolusham设计了2G.Python的班级职业。
在Python中使用线程模块可以运行程序的不同部分并简化设计。如果您已经启动Python并想使用线程来提高程序的速度，我希望本教程对您有帮助。
线程和过程
什么是一个过程
该过程是系统地执行资源分配和调度的独立单元流程。这是一个有关数据集上运行活动的独立功能的过程。该过程是执行资源分配和调度的系统的独立单元。east过程具有其独立的内存空间，并且通过Inter -Process通信进行了不同的过程。由于该过程相对较重，并且占据了独立的内存，因此Switching Switching Switch intering在头顶上开发（堆栈，注册，虚拟内存，文件句柄等）上下文过程之间相对较大，但相对稳定且安全。
什么是线程
CPU调度和分发的基本单元线程是该过程的实体，即CPU调度和分发的基本单元。它是一个基本单元，可以比该过程更独立地运行。它是操作中的重要资源（例如程序计数器，一组寄存器和堆栈），但它可以共享由同一流程所拥有的所有资源到相同的过程。线程之间的通信主要通过共享内存。上下文切换很快，资源开销很小，但是与过程相比，数据容易丢失数据。
过程与线程之间的关系
线程和过程之间的区别：
过程
在现实生活中，场景中有很多事情同时进行。例如，当您开车时，您可以一起驾驶汽车和脚。
注意：
概念概念
什么是多个任务？简而言之，操作系统可以同时运行多个任务。例如，当您使用浏览器在互联网上浏览Internet时，在收听MP3时，您正在使用Word来快点。这是多任务处理。至少有3个任务正在同一时间运行。在后台同时同时安静地运行了许多任务，但是桌面上没有显示。
目前，多核CPU非常受欢迎，但是即使在过去的单核CPU中，也可以执行多个任务。由于CPU执行代码是按顺序执行的。
答案是，操作系统需要轮流以交替执行每个任务。任务1执行0.01秒，切换到任务2，任务2执行0.01秒，然后切换到任务3，然后执行0.01秒。这是反复执行的。在表面上，每个任务都交替执行，但是由于CPU的执行速度太快，我们认为所有任务均同时执行。
实际并行执行多任务只能在多核CPU上实现。但是，由于任务的数量远远超过CPU的核心数量，因此操作系统将自动将许多任务派遣到每个核心以进行执行。实际上，CPU执行速度太快了！动荡的安排。
平行和并发
并行性
并行：同时指的是两个或多个事件（或线程），同时，在实际意义上同时在不同的CPU资源上同时（Multi -core），不同的事件或线程，并同时执行。
特征
并发
在几个渠道程序（或线程）之间以多种原因指出物理CPU（也是多个物理CPU），并且该公司被迫行使多用户共享以提高物理资源以提高效率。
特征
Multiprocess.prcess模块
该过程模块是创建过程的模块。使用此模块，可以完成该过程的创建。
该类别获得的对象指示子过程中的任务（未启动）。
注意：1。必须使用关键字方法来指定参数；2. ARGS指定传递给目标函数的位置参数。这是一种正式的祖先形式，必须具有逗号。
参数简介：
组：未使用参数，默认值无。
目标：表示子过程要执行的任务。
args：指示呼叫的位置参数。
Kwargs：指示呼叫对象的字典。例如kwargs = {'name'：jack，'age'：18}。
名称：子过程名称。
代码：
除了上述打开该过程的方法外，还可以通过继承该过程来启动该过程：
通过上述研究，我们尽了最大的努力来实现该程序的异步，因此可以在多个过程中处理多个任务。他们之间的操作没有订单，一旦打开，它就不会由我们控制。尽管并发编程使我们能够完全使用IO资源，但它也带来了我们的新问题。
当多个进程使用相同的数据资源时，它将导致数据安全或顺序混淆。我们可以考虑锁定。我们以模拟票证抓取作为示例，以查看数据安全的重要性。
当锁定可以确保多个进程修改相同的数据时，只能同时修改一个任务，即串行修改。锁定锁定，但保证数据的安全性。
因此，我们最好找到一个解决方案以考虑到这两者：1。高效率（多个过程共享一个内存数据）2。帮助我们解决锁定问题。
由MutiProcessing模块提供的基于消息的IPC通信机制：队列和管道。队列和管道是根据（管道+锁）实现的，以将数据存储在内存中，这可以使我们摆脱复杂的锁定问题。我们应该尝试避免使用共享数据，使用消息传输和排队尽可能多，排队队列，避免处理复杂的同步和锁定问题，以及当过程数量增加时，通常可以获得更好的展览性（随后的扩展。这个内容）。
线
Python的线程模块
Python为多线程编程提供了几个模块，包括线程，线程和队列。线程和线程模块允许程序员创建和管理线程。线程模块提供基本的线程和锁定支持，并且线程提供更高的级别，更具功能性的线程管理功能。队列模块允许用户创建一个队列数据结构，该结构可用于在多个线程之间共享数据。
Python创建和执行线程
创建线程代码
1.创建方法1：
2.创建方法2：
流程和线程是实现多个任务的一种方法，例如：多个QQ（进程）可以同时在同一台计算机上运行，并且一个QQ可以打开多个聊天窗口（线程）。回库共享：该过程不能为共享，使用线程共享过程的地址空间和其他资源。同时，该线程具有自己的堆栈和堆栈指针。因此，过程中的所有线程共享全局变量，但是通过多线程进行的全局变量的变化可能会导致变量混淆。
代码演示：
结果是：
需要清楚的第一件事是，吉尔不是python的特征。这是实现Python Parser（CPYTHON）时引入的概念。就像C ++是一组语言（语法）标准，但可以通过不同的编译器将其编译到可执行的代码中。可以通过不同的Python执行相同的代码执行环境，例如cpython，pypy，psyco（jpython中没有吉尔（Jpython）的吉尔（Jpython）。
那么Cpython实施中的GIL是什么？吉尔的全名全球口译员锁以避免误导，让我们看一下官方解释：
主要含义是：
因此，解释器实际上受到全局解释器锁的保护，它可以确保任何时候只有一个python线程。在多线程环境中，python虚拟机被执行如下：
由于GIL的存在，Python的多线程不能称为严格的多线程。由于在执行多个线程期间，每个线程都需要首先获得GIL，因此可以保证只有一个线程同时运行。
由于GIL的存在，即使它是多线程，实际上，同一时间也只有一个线程。由于此多线程线程的工作效率与单个线程不同，为什么您仍然需要使用多线程？
由于先前的计算机基本上是单个核心CPU，因此多线程和单线线程几乎看不到差异。但是，由于计算机的快速开发，计算机几乎是所有多核CPU，至少是两个内核。目前，差异是差异。目前，差异是差异。它出现了：通过以前的情况，我们已经知道，即使在多核CPU中，多线程线程也只有一个线程。这不仅不能使用多核CPU的优势，而且由于在多个CPUSE上的多个CPU上都在多个CPU上交替使用多个CPU，因此在打开不同的CPU时会导致浪费资源。锁定一个过程。当执行多个线程时，GIL锁将在内部加扰，这将导致CPU在未抓取某个线程时等待，然后不能合理使用多核。CPU资源。
但是，当使用多线程捕获网页的内容时，遇到IO阻塞时，该线程将临时释放GIL锁。目前，其他线程将使用此差距时间来执行自己的代码。因此，grassing性能很好，因此我们仍然需要使用多线程。
吉尔对多载计划的影响
该程序的性能受到计算的致密类型（CPU）和I/O -dense程序限制的过程限制的影响。那么，计算密集和i/o浓度程序是什么？
计算致密类型：大量数值计算，例如数亿个数字计算，计算外围率，视频的高定义解码等等。主要时间在任务切换时期花费。目前，CPU执行任务相对较低。
IO密集型类型：涉及网络请求（time.sleep（））和磁盘IO任务是IO密集型任务。此类任务的特征是CPU消耗量，大多数任务都在等待IO操作（因为IO的速度远低于CPU和内存的速度）。对于IO强度，任务越多，越高，越高CPU效率，但也有一个极限。
当然，为了防止GIL影响我们的程序，我们也可以使用线程锁。
Lockrlock
公共资源共享锁定机制：锁，RLOCK，SEMPHORE，状况等，只需为每个人共享锁和RLOCK。
锁
特征是执行速度很慢，但是保证了数据的安全性
Rlock
不当使用锁定代码将产生死锁。
什么是死锁
死锁：当线A持有独家锁A并尝试获得独家锁B时，线程B持有独家锁B并试图获得独家锁A.与另一方所需的锁以及发生的阻塞现象，我们称其为致命。也就是说，死锁指的是由于竞争资源而导致的多个过程造成的僵局。如果没有外力，这些过程将无法向前发展。
因此，请注意如何在系统设计和过程计划方面预防这四个必要条件，即如何确定资源的合理分配算法以避免永久占据系统资源。
僵局代码
python线程交流
如果每个线程都完成，则不需要通信，并且此代码非常简单。但这通常是不可能的。至少线程应与主线程通信，否则无法检索计算结果的内容。实际情况非常复杂，需要交换多个线程以获得正确的执行结果。
Python中的队列是提供线路通信机制的消息队列。Python3被命名为队列，队列模块下提供了几个阻止队列。这些队列主要用于实现线程通信。
在队列模块下，主要提供三个类别，代表三个队列。它们之间的主要区别是队列和队列的差异。
简单的代码演示
目前，代码将被阻止，因为队列中的内容已满。目前，您可以在第四个队列后面添加超时。put（'苹果'），并且将其变为Queue.put（'Apple'，超时= 1），如果您等待1秒钟，铃铛仍然已满，并且会抛出例外并可以捕获异常。
以同样的方式，如果队列为空，则默认情况下将被阻止。如果不阻止它，则可以使用queue.get_nowait（）。
掌握了队列阻止队列的特征后，您可以使用队列在以下程序中实现线程通信。
以下证明了生产者和消费者。当然
使用队列模块在线程之间进行通信并确保线程安全性。
Coroutine
理事会，也称为Micro -thread，纤维。英语名称Coroutine。
Coroutine是在Python中实现多个任务的另一种方法，但是它占用比线程较小的执行单元（理解为必要的资源）。为什么它是执行单元，因为它具有CPU上下文。在合适的时间，我们可以将一个Coroutine切换到另一个Coroutine。
大众理解：在一个线程中的一个函数中，您可以在任何地方保存一些当前功能的临时变量和其他信息，然后切换到另一个函数以执行。请注意，这不是通过调用功能和切换来完成的。开发人员本身切换原始功能的次数和何时。
当实现多任务时，线程切换比从系统级别中保存和恢复CPU上下文要简单得多。操作系统具有CACH和其他数据，以供程序操作效率。操作系统还将帮助您完成这些数据的恢复操作。因此，线程的切换非常消耗。但是，Coroutine的切换仅仅是CPU的上下文，因此在第二秒内切换数百万个系统具有抗性。
Greenlet和Gevent
为了更好地使用Coroutine来完成多任务处理，除了使用本机产量完成模拟Coroutine的工作外，实际上，Greenlet模块和Python的Gevent模块也使Coroutine的实现更加多简单有效。
尽管Greenlet实现了Coroutine，但它要求我们手工切换。这太麻烦了。Gevent是一个比Greenlet强大的模块，可以自动切换任务。
原则是当绿色遇到IO（参考输入输出输入和输出，例如网络，文件操作等）操作（例如访问网络），自动切换到其他绿色，等待直到IO操作完成，然后在适当的时代开关继续执行。
仿真时间 - 耗费操作：
如果您还可以用时间耗费的操作替换它，则目前需要修补GEVENT中实现的模块。
使用简单的第二手房屋信息的校正来使用校正！
以下文章来自Python专栏，作者歌曲和歌曲
文章链接：
python线程
在此过程中有许多优势。它提供了可以改善计算机CPU的利用率的多个编程。由于该过程是如此出色，为什么它是线程？实际上，如果仔细观察，您会发现该过程中仍然存在许多缺陷。
它主要反映在几个方面：
该过程一次只能完成一个任务。如果您想同时执行两个或多个任务，则必须启动多个进程才能完成多个任务。
如果该过程在执行过程中被阻止，例如等待输入，则整个过程将被悬挂。即使该过程中的某些工作不取决于输入数据，也不会执行它。
每个过程都有自己的独立空间，因此创建多过程，破坏比多线程更耗时，而且还占据了系统资源。
该过程是资源分配的最小单元。该线程是CPU调度的最小单元。在每个过程中至少一个线程。
线程和过程之间的区别
可以总结为以下4分：
1）地址空间：过程之间每个独立过程的每个过程都有其自己的独立内存空间，这意味着一个过程中的数据在另一个过程中不可见。但是共享了同一过程中线程之间的数据。
2）通信：由于每个过程都有自己的独立内存空间，因此，过程中的过程需要IPC，并且可以为多个线程共享该过程中的数据，并且可以访问每个线程。
3）时间表和切换：线程的切换比上下文开关快得多。
4）在多线程操作系统中，该过程不是可执行的实体。它的主要功能是从操作系统申请存储空间，然后在内存空间中打开线程执行任务。它是真实的执行主体。一个进程可以包含多个线程，一个线程不能包含进程。由于该过程是系统分配的最小单元，因此该线程不能从操作系统中申请其自己的空间，但是可以将多个线程包含在一个线程中。
相关建议：“ Python视频教程”
线程的功能：
在多线程操作系统中，通常在一个过程中包含多个线程中。每个线程是使用CPU的基本单位，该单元是其成本最低费用的实体。该线程具有以下属性。
1）光实体
线程中的实体基本上没有系统资源，但是有一些资源可以确保独立操作。
线程的实体包括程序，数据和TCB。线程是一个动态概念，其动态特性由线程控制块TCB（线程控制块）描述。
2）独立调度和分销的基本单位。
在多线程OS中，线程是可以独立运行的基本单元，因此它们也是独立调度和分发的基本单元。由于线程为“光”，因此线程的切换非常快，费用很小（费用很小（在同一过程中）。
3）共享过程资源。
可以访问过程，计时器，计时器，信号机制等。由于线程共享内存和文件在同一过程中，因此内核无需在线程之间互相调用。
4）可执行执行
在一个过程中的多个线程之间，它可以同时执行，甚至允许所有线程在一个过程中执行；同样，也可以同时执行不同过程中的线程，从而充分利用并施加处理器和外围设备。并行工作的能力。
线程的实现可以分为两类：
用户级线程和内核级线程也称为螺纹或轻巧的过程，由内核支持。在多线程操作系统中，每个系统的实现都不相同。用户 - 级线程在某些系统中实现，并且内核 - 级线程在某些系统中实现。
用户线程和内核线程之间的区别：
1. OS内核感知了内核支持线程，并且用户级别的线程与OS内核密不可分。
2.用户级线程的创建，取消和调度不需要OS内核的支持，OS内核是在语言级别（例如Java）进行处理的；内核支持线程的创建，取消和调度需要OS内核来提供支持，并且随着创建，取消和调度的过程通常相同。
3.用户 - 级别的线程执行系统调用指令将导致其过程中断，当内核支持线程执行系统调用指令时，仅会导致线程中断。
4.在仅具有用户 - 级线程的系统中，CPU调度仍在运行过程中处理过程中，并且控制用户程序控制线程的旋转操作；在具有内核支持线程的系统中，CPU调度线程用作单元，并且OS线程计划的时间表负责线程的调度。
5.用户 - 级线程的程序实体是在用户状态下运行的程序，而支持线程的内核实体可以在任何状态下运行程序。
内核线程的优点和缺点：
优点：当有多个处理器时，可以同时执行过程的多个线程。
缺点：内核的时间表。
用户线程的优点和缺点：
优势：
线程的调度不需要直接参与核心，并且控件很简单。
它可以在不支持线程的操作系统中实现。
构建和破坏线程和线程开关成本的成本远低于内核线程。
每个过程都可以自定义自己的调度算法，并且线程管理更加灵活。
线程的表面空间和堆栈空间可以使用比内核级别的线程更多。
在同一过程中，只能同时运行一个线程。如果通过系统调用阻止线程，则将悬挂整个过程。此外，这些页面将引起相同的问题。
缺点：
资源调度是根据过程执行的。在多个处理器下，同一过程中的线程只能在同一处理器下重复使用。
最近，我正在做一个相关的项目。整个电线的整个电台爬网确实不大，而且也厌倦了一次跑步。在这里有几个主要问题（关于Python的python多线程的吉尔问题，都不再提及，有几个主要问题在线太多）。
首先，由于多线程可以缩短程序的运行时间，因此线程数量越大，越好？
显然，每个线程都不是世代相传的。太多的线程会占用太多的系统资源（内存开销，CPU开销），并且生成太多线程时间是相当多的。这是最佳线程数量的计算方法：
获得最佳线程号：
1.慢慢通过用户增加性能压力测试，观察QPS（即每秒响应请求的数量，即最大吞吐量。），响应时间
2.根据公式计算：服务器端的最佳线程号=（（线程等待时间+线程CPU时间）/线程CPU时间） * CPU数量
3.单用户压力测试，检查CPU消耗，然后直接乘以百分比，然后执行压力测试。通常，最好的线程接近该值的值。
2.为什么要使用线程池？
对于任务数量不断增加的过程，每个任务都会生成一个线程，这最终将导致线程数的失控。获取此链接对应于相应页面上的新链接。作为一项新任务，目前必须为这些新链接生成新线程，并且线程数量飙升。在后续操作中，线程数将继续增加，并且无法完全控制。对于增加任务数量的过程，需要一个带有许多固定线程的线程池。
如何使用线程池
过去，使用了螺纹池模块，现在使用并发模块通常使用。该模块是Python3随附的模块。但是，也可以安装和使用Python2.7的版本。
注意：
conturrent.futures.threadpoolexecutor，在提交任务时，有两种方法是cumber（）函数，另一个是map（）函数。两者之间的主要区别是：
结论：以上是首席CTO的全部内容指出，有关Python的记忆占多数的记忆。感谢您花时间阅读此网站。我希望这对您有帮助。不要忘记在此网站上找到它。