这几年一直在it行业里摸爬滚打，一路走来，不少总结了一些python行业里的高频面试，看到大部分初入行的新鲜血液，还在为各样的面试题答案或收录有各种困难问题
于是乎，我自己开发了一款面试宝典，希望能帮到大家，也希望有更多的Python新人真正加入从事到这个行业里，让python火不只是停留在广告上。
微信小程序搜索：Python面试宝典
或可关注原创个人博客：https://lienze.tech
也可关注微信公众号，不定时发送各类有趣猎奇的技术文章：Python编程学习
线程线程被称为轻量级进程，是CPU执行的最小单位
一般线程由一个父进程诞生，可以认为是在一个主进程中并行运行的一些**‘迷你进程’**
- 线程的属性
一个进程中的各个线程和主进程共享同一片数据空间
相比进程而言，线程间的通信及数据共享更加容易
线程一般以并发方式进行，而且线程之间共享数据，所以可能会导致在多核心CPU下，一个数据被多个线程同时使用，使数据混淆所以还会有各种各样的同步原语来解决这样的问题，保证数据资源的稳定
主进程死亡，其中全部子线程都会死亡
线程也有自己的身份标识，但是只在当前的进程上下文中有意义，这个标示常称为TID
GIL
Python代码的执行是由Python虚拟机进行控制；进行分配内存，系统管理等等
在设计之初，这些大佬们考虑，同一时间只能由一个线程在执行；类似单核CPU系统中的多进程一样，同时只能有一个进程被CPU处理
这就引出了一个叫做GIL全局解释器锁的东西；多线程执环境下，一个线程在执行前，解释器首先会为这个线程设置GIL锁，只有被加锁的线程才会被CPU执行处理，但是这也就导致，在多核处理器下，其他线程只能是看着这个持有唯一锁的线程工作；线程工作结束，释放锁
GIL锁的存在，导致python的多线程不是实际的并发行为，只是简单的io切换和cpu时间片切换；不过好消息是，关于线程全局解释性锁GIL的问题，已经在各个版本逐步完善ceval.c
线程模块Python3中，支持线程的有两个模块：_thread和threading；
_thread提供了基本的线程创建和锁支持
threading提供了更全面，更高级的线程管理、所以都推荐使用threading模块
虽然Python中的线程有GIL锁，但是在进行IO密集型工作时，IO等待时候，GIL锁会被释放，其他线程继续持锁工作，此外线程在进行cpu上下文切换时所需的损耗要远小于进程工作切换
- 注意：cpu密集选择多进程，io密集选择多线程
import threading t = Thread(target=None, name=None, args=(), kwargs=None) ''' target: 线程任务函数 name: 线程名 args: 线程任务函数的参数，以位置参数形式传递 kwargs: 线程任务函数的操作，以命名参数形式传递 ''' t.name # 线程名 t.start() # 开启线程 t.join(time=None) # 阻塞等待线程执行结束 # 参数指定时，将指定阻塞多少秒，只有在daemon值True时生效 t.daemon = True # 设置守护线程 # 设置该属性True之后，如果没有join阻塞等待线程结束，主进程会直接退出，并且线程结束 t.getName() # 设置线程名称 t.setName() # 获取线程名称 t.isAlive() t.is_alive() # 判断线程是否激活
- 代码示例
from threading import Thread,Lock,currentThread
import time
def work():
time.sleep(1)
print(currentThread().name)
return 100
def main():
t1 = Thread(target=work)
t1.daemon = True
t1.start() # 启动且不回收
print('over')
if __name__ == '__main__':
main()
