python多线程

一、允许一个资源最多由几个线程同时进行 命令行：threading.Semaphore(个数) 代表现在最多有几个线程可以进行操作 import threading import time #参数定义了最多几个线程可以使用资源 semaphore = threading.Semaphore(3)#这里就是指最多有三个线程可以进行操作 def func(): if semaphore.acquire(): for i in range(2): print(threading.current_thread().getName() + "get semapore") time.sleep(5) semaphore.release() print(threading.current_thread().getName() + "release semaphore") for i in range(8): t1 = threading.Thread(target=func,args=()) t1.start() 二、Timer讲解 格式：threading.Timer(时间间隔，函数） 代表这个函数在“时间间隔”的时间之后启动 def func2(): print("I am running.....") time.sleep(3) print("I an done.......") if _

import threading import sys import time def showa(): while True: lockc.acquire() #获取对方的锁，释放自己的锁 print('a',end='') sys.stdout.flush() #释放缓冲区 locka.release() time.sleep(0.2) def showb(): while True: locka.acquire() print('b',end='') sys.stdout.flush() lockb.release() time.sleep(0.2) def showc(): while True: lockb.acquire() print('c',end='') sys.stdout.flush() lockc.release() time.sleep(0.2) if __name__=='__main__': locka=threading.Lock() #定义3个互斥锁 lockb=threading.Lock() lockc=threading.Lock() t1=threading.Thread(target=showa) #定义3个线程 t2=threading.Thread(target=showb) t3=threading.Thread(target

1、在主线程导入Python库 　　import py; 2、在主线程释放GIL 　　py.releaseThread(); 3、调用Python脚本（必须在py.lock中调用Python脚本，否则会报错） 　　a.主线程中调用：　 　　　　py.lock( 　　　　　　function(){ 　　　　　　　　test1 = py.import("test1"); 　　　　　　　　test1.run(); 　　　　　　} 　　　　) 　　b.子线程中调用： 　　　　import py; // 子线程需要重新导入Python库 　　　　　　function(){ 　　　　　　　　test2 = py.import("test2"); 　　　　　　　　test2.run(); 　　　　　　} 　　　　)

一、基类Executor Executor类是ThreadPoolExecutor 和ProcessPoolExecutor 的基类。它为我们提供了如下方法： submit(fn, *args, **kwargs)：提交任务。以 fn(*args **kwargs) 方式执行并返回 Future 对像。 fn：函数地址。 *args：位置参数。 **kwargs：关键字参数。 map(func, *iterables, timeout=None, chunksize=1)： func：函数地址。 iterables：一个可迭代对象，以迭代的方式将参数传递给函数。 timeout：这个参数没弄明白，如果是None等待所有进程结束。 chunksize：使用 ProcessPoolExecutor 时，这个方法会将 iterables 分割任务块，并作为独立的任务提交到执行池中。这些块的数量可以由 chunksize 指定设置。 对很长的迭代器来说，设置chunksize 值比默认值 1 能显著地提高性能。 chunksize 对 ThreadPoolExecutor 没有效果。 shutdown(wait=True)：如果为True会等待线程池或进程池执行完成后释放正在使用的资源。如果 wait 为 False，将立即返回，所有待执行的期程完成执行后会释放已分配的资源。 不管

1、进程 　　什么是进程？ 　　进程（Process）是计算机中的程序关于某数据集合上的一次运行活动，是系统进行资源分配和调度的基本单位，是操作系统结构的基础。在早期面向进程设计的计算机结构中，进程是程序的基本执行实体；在当代面向线程设计的计算机结构中，进程是线程的容器。程序是指令、数据及其组织形式的描述，进程是程序的实体。 　　程序：例如xxx.py这是程序，是一个静态的 　　进程：一个程序运行起来后，代码+用到的资源 称之为进程，它是操作系统分配资源的基本单元。 2、线程 什么是线程？ 　　线程，有时被称为轻量进程(Lightweight Process，LWP），是程序执行流的最小单元。一个标准的线程由线程ID，当前指令指针(PC），寄存器集合和堆栈组成。 　　线程是程序中一个单一的顺序控制流程。进程内有一个相对独立的、可调度的执行单元，是系统独立调度和分派CPU的基本单位指令运行时的程序的调度单位。在单个程序中同时运行多个线程完成不同的工作，称为多线程。 3、线程与进程的区别 　　进程，能够完成多任务，比如 在一台电脑上能够同时运行多个QQ（QQ双开、微信双开） 　　线程，能够完成多任务，比如 一个QQ中的多个聊天窗口（一个人同时跟多个妹子聊天） 　　一个程序至少有一个进程,一个进程至少有一个线程. 　　线程的划分尺度小于进程(资源比进程少)，使得多线程程序的并发性高。 　

import zipfile from threading import Thread #多线程库 import optparse #选定字典或者文件 def extractFile(zfile,password): try: zfile.extractall(pwd=password) print('[+] found password' + password +'\n') except: pass def main(): #zfile=zipfile.ZipFile('decode.zip') #passfile=open('dictionmary.txt') parser=optparse.OptionParser("usage%prog "+\ "-f<zipfile> -d <dictionmary>") parser.add_option('-f',dest='zname',type='string',\ help='specify zip file') parser.add_option('-d',dest='dname',type='string',\ help='specify sictionary file') (options,args)=parser.parse_args() if (options.zname==None) | (options.dname

threading模块是Python里面常用的线程模块。提高处理任务的效率 进程和线程的区别： 进程： 线程： 进程不是越多越好，一般CPU个数=进程个数 线程也不是越多越好，请求上下文切换耗时 计算机执行任务的最小单元：线程 threading创建多个线程，但是是快速切换的(由于GIL锁的存在) #!/usr/bin/env python # -*- coding: utf-8 -*- import datetime import time import threading def backup(backup_number_per,backup_server_ip,check_time_period): current_time = datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S') # 统计备份策略表里所有的目标备份机，然后每个线程用一个备份机进行备份 backup_server_ip_list = ['172.10.10.1','172.10.10.2','172.10.10.3'] thread_list = [] #线程存放列表 backup_number_per=3 # 每次最多备份几个DB check_time_period=10 for backup_server_ip in backup_server_ip

Python 之 多任务： 　　Python之多任务是现在多任务编程运用Python语言为载体的一种体现。其中涵盖：进程、线程、并发等方面的内容，以及包括近些年在大数据运算、人工智能领域运用强大的GPU运算能力实现的各种算法。属于Python语言中比较高级的应用形式。文章采取问答的形式对知识点和相关应用的模式进行详解，看似像意识流形态的文章，其内容也是遵循循序渐进，力求全面和精细。 问：什么是多任务？ 答：百度定义：“当多任务处理是指用户可以在同一时间内运行多个应用程序，每个应用程序被称作一个任务。”也就是说操作系统可以同时运行多个任务。这个概念是基于操作系统来说的。比如电脑同时开启多个软件或者应用程序，这就是一种多任务的体现；于此相对如果我们电脑只能每次开启一个软件或者一个应用程序，关闭前者才能开启后者这就叫做单任务，在早期的电脑基本都属于单任务，对于现在的计算机应用基本上都属于多任务的形式存在，因此我们也只讨论多任务。 问：CPU是整个运算的核心，CPU、操作系统、多任务之间的关系什么？ 答：1. 现在的CPU基本上都是2核以上的CPU，如果我们现在手里有一台单核的CPU和一台多核CPU，我们的多任务在上面又是怎么实现的呢？ 　　　　1.1. 单核CPU实现多任务原理？ 　　　　　　操作系统轮流让各个任务交替执行，CPU对每个任务进行“时间切片”的动作，这个切片时间非常短暂

Python中使用线程有两种方式：函数或者用类来包装线程对象。 函数式：调用thread模块中的start_new_thread()函数来产生新线程。语法如下: thread.start_new_thread ( function, args[, kwargs] ) 参数说明: function - 线程函数。 args - 传递给线程函数的参数,他必须是个tuple类型。 kwargs - 可选参数。 实例： #!/usr/bin/python# -*- coding: UTF-8 -*-import threadimport time# 为线程定义一个函数def print_time( threadName, delay): count = 0 while count < 5: time.sleep(delay) count += 1 print "%s: %s" % ( threadName, time.ctime(time.time()) )# 创建两个线程try: thread.start_new_thread( print_time, ("Thread-1", 2, ) ) thread.start_new_thread( print_time, ("Thread-2", 4, ) )except: print "Error: unable to start

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/sinat_38682860/article/details/90754094 有人问为什么要去扫描网站目录：懂的人自然懂 这个Python脚本的特点： 1.基本完善 2.界面美观（只是画了个图案） 3.可选参数增加了线程数 4.User Agent细节处理 5.多线程显示进度 扫描目标：Metasploitable Linux 代码：WebDirScanner.py： 需要一个字典文件： 我存进去了一些，一部分是确定存在的目录 dict.txt 结果：得到一个HTML文件： 脚本的使用： 文章来源: https://blog.csdn.net/sinat_38682860/article/details/90754094