work

" 目录 一、全局解释器锁GIL 二、Python线程模块的选择 三、线程的创建 三、锁机制 四、信号量 五、事件 六、条件 七、定时器 八、线程队列 九、线程池 补充：线程安全 import threading obj = threading.local()# local():可实现，多线程操作某一数据，不会出现数据混乱的情况# 原理：空间换时间 def add(i): obj.n = i print(i, obj.n, threading.current_thread().ident) for i in range(20): th = threading.Thread(target=add, args=(i,)) th.start() 一、全局解释器锁GIL Python代码的执行由Python虚拟机(也叫解释器主循环)来控制。Python在设计之初就考虑到要在主循环中同时只有一个线程在执行。虽然Python解释器中可以“运行”多个线程，但在任意时刻只有一个线程在解释器中运行. 对于Python虚拟机的访问由全局解释器锁(GIL)来控制，正是这个锁保证了同一时刻只有一个线程在运行. 同一时间点，GIL只允许同一个进程中的一个线程访问cpu，即CPython解释器中没有真正的线程并行，只有进程可以实现。故I/O操作多时，使用多线程最好；计算密集时，使用多进程最好。 在多线程环境中

原文: http://blog.gqylpy.com/gqy/232 " 目录 一、全局解释器锁GIL 二、Python线程模块的选择 三、线程的创建 三、锁机制 四、信号量 五、事件 六、条件 七、定时器 八、线程队列 九、线程池 补充：线程安全 import threading obj = threading.local()# local():可实现，多线程操作某一数据，不会出现数据混乱的情况# 原理：空间换时间 def add(i): obj.n = i print(i, obj.n, threading.current_thread().ident) for i in range(20): th = threading.Thread(target=add, args=(i,)) th.start() 一、全局解释器锁GIL Python代码的执行由Python虚拟机(也叫解释器主循环)来控制。Python在设计之初就考虑到要在主循环中同时只有一个线程在执行。虽然Python解释器中可以“运行”多个线程，但在任意时刻只有一个线程在解释器中运行. 对于Python虚拟机的访问由全局解释器锁(GIL)来控制，正是这个锁保证了同一时刻只有一个线程在运行. 同一时间点，GIL只允许同一个进程中的一个线程访问cpu，即CPython解释器中没有真正的线程并行，只有进程可以实现。故I

在程序设计中，函数是指用于进行某种计算的一系列语句的有名称的组合。定义一个函数时，需要指定函数的名称并写下一系列程序语句。之后，就可以使用名称来“调用”这个函数 3.1 函数调用 一个函数调用的例子 >>> type(42) <class 'int'> 这个函数的名称是 type ，括号中的表达式我们称之为函数的参数。这个函数调用的结果是求得参数的类型。 我们通常说函数“接收”参数，并“返回”结果。这个结果也称为返回值 3.2 数学函数 Python 有一个数学计算模块，提供了大多数常用的数学函数。模块是指包含 一组相关的函数 的文件。 要想使用模块中的函数，需要先使用 import 语句将它导入运行环境 >>> import math 这个语句将会创建一个名为 math 的模块对象。如果显示这个对象，可以看到它的一些信息： >>> math <module 'math' (built-in)> 模块对象包含了该模块中定义的函数和变量。若要访问其中一个函数，需要同时指定模块名称和函数名称，用一个句点（ . ）分隔。这个格式称为句点表示法（ dot notation ） >>> radians=0.7 >>> height=math.sin(radians) >>> height 0.644217687237691 3.3 组合 到现在为止，我们已经分别了解了程序的基本元素——变量

一、什么是线程？ 　　在传统的操作系统中，每个进程有一个地址空间，而且默认就是一个控制线程，进程只是用来把资源集中在一起，进程只是一个资源单位，线程是cpu的执行单位。 　　多线程就是一个进程中存在多个控制线程，多个控制线程共享一个进程的内存空间。 二、线程的创建开销小 　　创建进程的开销远大于线程，如果我们的软件是一个工厂，该工厂有多条流水线，流水线工作需要电源，电源只有一个（单核cpu）,一个车间就是一个进程，一个车间至少一条流水线（一个进程至少一个线程）,创建一个进程，就是创建一个车间（申请空间，在该空间内建至少一条流水线）,而建线程，就只是在一个车间内造一条流水线，无需申请空间，所以创建开销小. 　　进程与进程之间是竞争关系，线程之间是协作关系，不同的进程是竞争关系，是不同程序员写的程序运行的，360把其他进程当作病毒干死，同一个进程的线程之间是合作关系，是同一个程序写的程序内开启动，迅雷内的线程是合作关系，不会自己干自己。 三、线程与进程的区别： 　　线程共享创建它的进程的地址空间; 进程有自己的地址空间。 　　线程可以直接访问其进程的数据段; 进程拥有自己父进程数据段的副本。 　　线程可以直接与其进程的其他线程通信; 进程必须使用进程间通信来与兄弟进程通信。 　　新线程很容易创建; 新流程需要重复父流程。 　　线程可以对同一进程的线程进行相当大的控制;

原文: http://blog.gqylpy.com/gqy/232 " 目录 一、全局解释器锁GIL 二、Python线程模块的选择 三、线程的创建 三、锁机制 四、信号量 五、事件 六、条件 七、定时器 八、线程队列 九、线程池 补充：线程安全 import threading obj = threading.local()# local():可实现，多线程操作某一数据，不会出现数据混乱的情况# 原理：空间换时间 def add(i): obj.n = i print(i, obj.n, threading.current_thread().ident) for i in range(20): th = threading.Thread(target=add, args=(i,)) th.start() 一、全局解释器锁GIL Python代码的执行由Python虚拟机(也叫解释器主循环)来控制。Python在设计之初就考虑到要在主循环中同时只有一个线程在执行。虽然Python解释器中可以“运行”多个线程，但在任意时刻只有一个线程在解释器中运行. 对于Python虚拟机的访问由全局解释器锁(GIL)来控制，正是这个锁保证了同一时刻只有一个线程在运行. 同一时间点，GIL只允许同一个进程中的一个线程访问cpu，即CPython解释器中没有真正的线程并行，只有进程可以实现。故I

原文: http://blog.gqylpy.com/gqy/232 " 目录 一、全局解释器锁GIL 二、Python线程模块的选择 三、线程的创建 三、锁机制 四、信号量 五、事件 六、条件 七、定时器 八、线程队列 九、线程池 补充：线程安全 import threading obj = threading.local()# local():可实现，多线程操作某一数据，不会出现数据混乱的情况# 原理：空间换时间 def add(i): obj.n = i print(i, obj.n, threading.current_thread().ident) for i in range(20): th = threading.Thread(target=add, args=(i,)) th.start() 一、全局解释器锁GIL Python代码的执行由Python虚拟机(也叫解释器主循环)来控制。Python在设计之初就考虑到要在主循环中同时只有一个线程在执行。虽然Python解释器中可以“运行”多个线程，但在任意时刻只有一个线程在解释器中运行. 对于Python虚拟机的访问由全局解释器锁(GIL)来控制，正是这个锁保证了同一时刻只有一个线程在运行. 同一时间点，GIL只允许同一个进程中的一个线程访问cpu，即CPython解释器中没有真正的线程并行，只有进程可以实现。故I

原文: http://blog.gqylpy.com/gqy/232 " 目录 一、全局解释器锁GIL 二、Python线程模块的选择 三、线程的创建 三、锁机制 四、信号量 五、事件 六、条件 七、定时器 八、线程队列 九、线程池 补充：线程安全 import threading obj = threading.local()# local():可实现，多线程操作某一数据，不会出现数据混乱的情况# 原理：空间换时间 def add(i): obj.n = i print(i, obj.n, threading.current_thread().ident) for i in range(20): th = threading.Thread(target=add, args=(i,)) th.start() 一、全局解释器锁GIL Python代码的执行由Python虚拟机(也叫解释器主循环)来控制。Python在设计之初就考虑到要在主循环中同时只有一个线程在执行。虽然Python解释器中可以“运行”多个线程，但在任意时刻只有一个线程在解释器中运行. 对于Python虚拟机的访问由全局解释器锁(GIL)来控制，正是这个锁保证了同一时刻只有一个线程在运行. 同一时间点，GIL只允许同一个进程中的一个线程访问cpu，即CPython解释器中没有真正的线程并行，只有进程可以实现。故I

1.问题呈现：svn执行clean up命令时报“Previous operation has not finished; run 'cleanup' if it was interrupted”错误，如下图： 2.出现问题源： 本地.svn\wc.db数据库文件里面存储了svn的operation，表名是work_queue。 3.解决方案： （1）下载db管理工具sqlite3， 链接：https://pan.baidu.com/s/1G0qw8YDf2-qPT1ueY-03xw 密码：r1c7； （2）将sqlite3.exe放置到对应cleanup异常的svn项目下的.svn(此目录默认是隐藏的)目录下： （3）在.svn目录下shift+鼠标右键，当前位置打开命令： （4）执行输入sqlite3 wc.db： （5）输入 .table 查看所有表： （6）输入delete from work_queue; 删除WORK_QUEUE表： （7）测试cleanup： 来源： https://blog.csdn.net/zc520yzy/article/details/99671605

序列化基础 什么是序列化与反序列化 """序列化：对象转换为字符串用于传输反序列化：字符串转换为对象用于使用""" drf序列化与反序列化 """序列化：Model类对象转换为字符串用于传输反序列化：字符串转换为Model类对象用于使用""" Model类 创建数据库：终端 >: mysql -uroot -p密码>: create database 数据库名 charset=utf8 配置数据库：settings.py DATABASES = { 'default': { 'ENGINE': 'django.db.backends.mysql', 'NAME': '数据库名', 'USER': 'root', 'PASSWORD': '密码' }} 修改操作数据库的模块：项目init文件 import pymysqlpymysql.install_as_MySQLdb() 创建model类：models.py from django.db import modelsclass User(models.Model): CHOICE_SEX = ( (0, '男'), (1, '女') ) name = models.CharField(max_length=32, verbose_name='姓名') password = models.CharField(max_length

GIL全局解释器锁 """ In CPython, the global interpreter lock, or GIL, is a mutex that prevents multiple native threads from executing Python bytecodes at once. This lock is necessary mainly because CPython’s memory management is not thread-safe. """ """ ps:python解释器有很多种 最常见的就是Cpython解释器 GIL本质也是一把互斥锁:将并发变成串行牺牲效率保证数据的安全 用来阻止同一个进程下的多个线程的同时执行(同一个进程内多个线程无法实现并行但是可以实现并发) python的多线程没法利用多核优势 是不是就是没有用了? GIL的存在是因为CPython解释器的内存管理不是线程安全的 垃圾回收机制 1.引用计数 2.标记清除 3.分代回收 研究python的多线程是否有用需要分情况讨论 四个任务 计算密集型的 10s 单核情况下 开线程更省资源 多核情况下 开进程 10s 开线程 40s 四个任务 IO密集型的 单核情况下 开线程更节省资源 多核情况下 开线程更节省资源 """ # 计算密集型# from