threading

一些常用函数: start()：开始线程活动。 threading.Lock():创建锁 acquire（）：线程加锁 release（）：释放锁 threading.activeCount()：返回当前”进程”里面”线程”的个数（包含主进程） threading.enumerate() ：返回当前运行中的Thread对象列表 threading.setDaemon()：参数设置为True的话会将线程声明为守护线程，必须在start() 方法之前设置，不设置为守护线程程序会被无限挂起。 join()方法来使得子进程运行结束后再执行父进程 个人比较喜欢创建线程类来实现多线程 来个简单的例子，开2个线程，打印时间，未加锁情况 # -*- coding: UTF-8 -*- import threading import time class MyThread(threading.Thread): def __init__(self, threadID, name, counter): super(MyThread, self).__init__() self.threadID, self.name, self.counter = threadID, name, counter def run(self): print "进程开始： " + self.name self.run_fun

不喜欢废话，先上今天的代码！ #-*- coding:utf-8 -*- import threading class MyThreading(threading.Thread): def __init__(self,num): threading.Thread.__init__(self) self.num = num def run(self): print self.num t = MyThreading(100) t.start() print t.isAlive() 乍一看，很简单的threading代码。首先我们继承了Thread类，在子类里初始化后又重写了run方法。最后我们实例化MyThreading子类，然后打印我们的num参数。最后再打印线程执行状态。 初学者一看，绝对分为2派：1、支持说先打印num参数，然后才打印线程状态。 2、拍胸脯保证先打印线程状态再打印num参数； 其实结果出人预料： 结果1： C:\Python27\python.exe D:/ProjectSpace/thread-example.py 100True Process finished with exit code 0 结果2： C:\Python27\python.exe D:/ProjectSpace/thread-example.py True100 Process

python多线程编程，一般使用thread和threading模块。thread模块想对较底层，threading模块对thread模块进行了封装，更便于使用。所有，通常多线程编程使用threading模块。 （一）threading模块 Thread 线程类，这是我们用的最多的一个类，你可以指定线程函数执行或者继承自它都可以实现子线程功能； Timer与Thread类似，但要等待一段时间后才开始运行； Lock 锁原语，这个我们可以对全局变量互斥时使用； RLock 可重入锁，使单线程可以再次获得已经获得的锁； Condition 条件变量，能让一个线程停下来，等待其他线程满足某个“条件”； Event 通用的条件变量。多个线程可以等待某个事件发生，在事件发生后，所有的线程都被激活； Semaphore为等待锁的线程提供一个类似“等候室”的结构； BoundedSemaphore 与semaphore类似，但不允许超过初始值； Queue：实现了多生产者（Producer）、多消费者（Consumer）的队列，支持锁原语，能够在多个线程之间提供很好的同步支持。 （1）threading.Thread类 getName(self) 返回线程的名字 isAlive(self) 布尔标志，表示这个线程是否还在运行中 isDaemon(self) 返回线程的daemon标志 join

服务器端 将得到的 ip 写入数据库： #! /usr/bin/env python # encoding: utf-8 # time : 2015-06-02 9:55:24 # use : rpc # 在 192.168.8.214 建立服务器端，用函数 redis_records_add 在 redis 中处理 ip import sys import redis reload(sys) sys.setdefaultencoding('utf8') from SimpleXMLRPCServer import SimpleXMLRPCServer def redis_con(host): r = redis.Redis(host='%s' % host, port='6379') return r def redis_records_add(key, value): try: conn = redis_con('192.168.8.214') # 判断 key 是否在 redis 中已经有值，如果有那么自增 1 ，如果没有 那么设置为 1 if conn.zscore(key, value): redis_score = int(conn.zscore(key, value))+1 conn.zadd(key, value, redis_score) return conn

我天真的认为，mysql 的 merge 引擎分表模式下，mysql 会自动启用多线程对旗下的子表进行并发检索，但到目前为止我是没找到 mysql 的此机制设置，简单测试下就会发现....mysql 依然是依次检索各个子表，花费的时间与未分表情况下无异 mysql 在单表数据量达到千万级别时，最好采用划分成若干个小单位的优化方案，分区或者分表，这里我们讲分表。 场景 主单表：data 400000w 子分表：data_1 100000w，data_2 100000w，data_3 100000w，data_4 100000w module/mysql.py是我自己封装的mysql DAO mysql_task.py是我们这次的测试本，里面启用了四个子线程去检索四个分表，主线程自己去检索主单表 module/mysql.py #! /usr/bin/env python # -*-coding:utf-8-*- """ mysql DAO 简单的写一下 大家就别在意代码有些依赖注入的问题了 """ import MySQLdb class Mysql(): def __init__(self, host, user, passwd, db, port = 3306): self.host = host self.user = user self.passwd = passwd