Treading用于提供线程相关的操作，线程是应用程序中工作的最小单元
#!/usr/bin/env python
# coding:utf-8
import threading
import time
def show(arg):
time.sleep(1)
print 'thread'+str(arg)
for i in range(10):
t = threading.Thread(target=show,args=(i,))
t.start()
print 'main thread stop'
'''
打印结果：
main thread stop
thread0
thread5thread4thread1thread2
thread3
thread7thread6thread8
thread9
'''
上述代码创建了10个进程，然后控制器就交给CPU，CPU根据指定的算法进行调度，分片执行指令。出现顺序错乱的现象正常，因为他们都在同时抢占屏幕。
更多方法：
start 线程准备就绪，等待CPU调度
setName 为线程设置名称
getName 获取线程名称
setDaemon 设置为后台线程或前台线程（默认）
如果是后台线程，主线程执行过程中，后台线程也在进行，主线程执行完毕后，后台线程不论成功与否，均停止
如果是前台线程，主线程执行过程中，前台线程也在进行，主线程执行完毕后，等待前台线程也执行完成后，程序停止
join 逐个执行每个线程，执行完毕后继续往下执行，该方法使得多线程变得无意义
run 线程被cpu调度后执行Thread类对象的run方法
线程锁
由于线程之间是进行随机调度，并且每个线程可能只执行n条执行之后，CPU接着执行其他的线程。所以可能出现资源的抢占就像上面抢占屏幕输出，因此出现线程锁
#!/usr/bin/env python
# coding:utf-8
import threading
import time
num = 0
lock = threading.RLock()
def fun():
# 加锁
lock.acquire()
global num
time.sleep(1)
print num\
# 解锁
lock.release()
for i in range(10):
t = threading.Thread(target=fun,)
t.start()
打印输出：1-10 按照顺序
event
python线程的事件用于主线程控制其他线程的执行，事件主要提供了三个方法，set、wait、clear
事件处理的机制：全局定义了一个Flag，如果Flag值为False，那么当程序执行event.wait方法时就会阻塞，如果Flag值为True那么event.wait方法时便不再阻塞
clear：将Flag设置为Flase
set：将Flag设置为True
#!/usr/bin/env python
# coding:utf-8
import threading
def do(event):
print 'start'
# wait方法
event.wait()
print 'execute'
event_onj = threading.Event()
for i in range(10):
t = threading.Thread(target=do,args=(event_onj,))
t.start()
# 设置flag=false
event_onj.clear()
inp = raw_input('input:')
if inp == 'true':
# 设置flag=true
event_onj.set()
上述代码的执行：首先会全部10个进程都执行到print ‘start’，然后执行event_onj.clear()，将状态设置为false;处在在等待状态，当我输入true的时候，执行event_onj.set()，状态有设置为true。继续往下执行
下面是执行结果：
start start start start start start start start start startinput: true executeexecute executeexecuteexecute executeexecute
executeexecuteexecute
多线程的使用
创建一个线程
#!/usr/bin/env python
# coding:utf-8
from multiprocessing import Process
import threading
import time
def do(i):
print 'say hi',i
for i in range(2):
p = Process(target=do,args=(i,))
p.start()
注意：因为进程之间的数据需要各自持有一份，所以创建进程需要非常大的开销（windows下不能创建Process）
进程数据共享
进程各自持有一份数据，默认无法共享数据
共享方式一：Array
#!/usr/bin/env python
# coding:utf-8
from multiprocessing import Process,Array
# 创建一个只包含数字类型的一个数组（列表）
# 数组的个数是不可变的
temp = Array('i',[1,2,3,4,5,6])
def Foo(i):
temp[i] = 100+i
for item in temp:
print i,'=======',item
for i in range(2):
p = Process(target=Foo,args=(i,))
p.start()
共享方式二：manage.dict
#!/usr/bin/env python
# coding:utf-8
from multiprocessing import Process,Manager
manage = Manager()
dic = manage.dict()
def Foo(i):
dic[i] = 100+i
print dic.values()
for i in range(2):
p = Process(target=Foo,args=(i,))
p.start()
p.join()
共享数据的类型
'c': ctypes.c_char, 'u': ctypes.c_wchar,
'b': ctypes.c_byte, 'B': ctypes.c_ubyte,
'h': ctypes.c_short, 'H': ctypes.c_ushort,
'i': ctypes.c_int, 'I': ctypes.c_uint,
'l': ctypes.c_long, 'L': ctypes.c_ulong,
'f': ctypes.c_float, 'd': ctypes.c_double
当创建进程时（非使用时），共享数据会被拿到子进程中，当进程中执行完毕后，再赋值给原值。
这里也是可以使用进程锁
#!/usr/bin/env python
# -*- coding:utf-8 -*-
from multiprocessing import Process, Array, RLock
def Foo(lock,temp,i):
"""
将第0个数加100
"""
lock.acquire()
temp[0] = 100+i
for item in temp:
print i,'----->',item
lock.release()
lock = RLock()
temp = Array('i', [11, 22, 33, 44])
for i in range(20):
p = Process(target=Foo,args=(lock,temp,i,))
p.start()
进程池
进程池内部维护一个进程序列，当使用时，则去进程池中获取一个进程，如果进程池序列中没有可供使用的进进程，那么程序就会等待，直到进程池中有可用进程为止。
进程池中有两个方法：
1：apply 去进程池中申请一个进程
2：apply_async 去进程池中申请一个进程
#!/usr/bin/env python
# -*- coding:utf-8 -*-
from multiprocessing import Process,Pool
import time
def Foo(i):
time.sleep(2)
return i+100
# 这里的arg就是执行Foo函数的返回值
def Bar(arg):
print arg
# 创建五个进程
pool = Pool(5)
print pool.apply(Foo,(1,))
print pool.apply(Foo,(2,))
print pool.apply(Foo,(3,))
print pool.apply(Foo,(4,))
print pool.apply(Foo,(5,))
# 上面五个的其中一个执行完毕后，有空余的进程后，执行第六个进程。
print pool.apply(Foo,(6,))
for i in range(10):
# 循环执行10个进程，每个进程执行完毕后，都执行callback方法中的Bar
pool.apply_async(func=Foo, args=(i,),callback=Bar)
print 'end'
pool.close()
pool.join()#进程池中进程执行完毕后再关闭，如果注释，那么程序直接关闭。
协程
线程和进程的操作是由程序触发系统接口，最后的执行者是系统；协程的操作则是程序员。
协程存在的意义：对于多线程应用，CPU通过切片的方式来切换线程间的执行，线程切换时需要耗时（保存状态，下次继续）。协程，则只使用一个线程，在一个线程中规定某个代码块执行顺序。
协程的适用场景：当程序中存在大量不需要CPU的操作时（IO），适用于协程；
说白了就是由程序员来控制程序的执行
协程是对线程的分片
这里的greenlet需要安装
#!/usr/bin/env python
# -*- coding:utf-8 -*-
from greenlet import greenlet
def test1():
print 12
# 切换到协程2去执行
gr2.switch()
print 34
gr2.switch()
def test2():
print 56
# 切换到协程1去执行
gr1.switch()
print 78
gr1 = greenlet(test1)
gr2 = greenlet(test2)
gr1.switch()
这个执行有点像yield
IO操作特别多的情况下用协程比较合适。计算多的情况不要用协程。
gevent
#!/usr/bin/env python
# -*- coding:utf-8 -*-
from gevent import monkey; monkey.patch_all()
import gevent
import urllib2
# import urllib
# 请求www.baidu.com
# t = urllib.urlopen('http://www.baidu.com')
# print t.read()
def f(url):
print('GET: %s' % url)
# 发一个http请求
resp = urllib2.urlopen(url)
data = resp.read()
print('%d bytes received from %s.' % (len(data), url))
gevent.joinall([
# 这里是三个协程，是没有阻塞的，执行F函数,谁返回，谁接着就执行
gevent.spawn(f, 'https://www.python.org/'),
gevent.spawn(f, 'https://www.yahoo.com/'),
gevent.spawn(f, 'https://github.com/'),
])
来源：https://www.cnblogs.com/caoxiaojian/p/5111741.html