当前位置:
首页 > temp > python入门教程 >
-
Python连载36-线程数量限制、Timer、可重入锁
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 __name__ == "__main__": t2 = threading.Timer(6,func2) #代表6秒之后开始启动线程func2 t2.start() i = 0 while True: print("{0}*********".format(i)) time.sleep(3) i += 1
三、可重入锁
1.一个锁可以被一个线程多次申请
2.主要解决递归调用的时候哦,需要申请锁的情况,可以防止被锁住,重新申请
class MyThread(threading.Thread): def run(self): global num time.sleep(1) if mutex.acquire(1): num = num+1 msg = self.name + " set num to "+str(num) print(msg) mutex.acquire() mutex.release() mutex.release() def test(): for i in range(5): t3 = MyThread() t3.start() if __name__ == "__main__": num = 0 mutex = threading.RLock()#可重入锁 test()
解释:我们的线程可以直接进行,不会因为一个申请了,就会被阻塞,依然还可以申请这把锁
四、源码
d25_4_Rlock.py
https://github.com/ruigege66/Python_learning/blob/master/d25_4_Rlock.py
2.CSDN:https://blog.csdn.net/weixin_44630050(心悦君兮君不知-睿)
出 处:https://www.cnblogs.com/ruigege0000/p/11489375.html
最新更新
nodejs爬虫
Python正则表达式完全指南
爬取豆瓣Top250图书数据
shp 地图文件批量添加字段
爬虫小试牛刀(爬取学校通知公告)
【python基础】函数-初识函数
【python基础】函数-返回值
HTTP请求:requests模块基础使用必知必会
Python初学者友好丨详解参数传递类型
如何有效管理爬虫流量?
2个场景实例讲解GaussDB(DWS)基表统计信息估
常用的 SQL Server 关键字及其含义
动手分析SQL Server中的事务中使用的锁
openGauss内核分析:SQL by pass & 经典执行
一招教你如何高效批量导入与更新数据
天天写SQL,这些神奇的特性你知道吗?
openGauss内核分析:执行计划生成
[IM002]Navicat ODBC驱动器管理器 未发现数据
初入Sql Server 之 存储过程的简单使用
SQL Server -- 解决存储过程传入参数作为s
关于JS定时器的整理
JS中使用Promise.all控制所有的异步请求都完
js中字符串的方法
import-local执行流程与node模块路径解析流程
检测数据类型的四种方法
js中数组的方法,32种方法
前端操作方法
数据类型
window.localStorage.setItem 和 localStorage.setIte
如何完美解决前端数字计算精度丢失与数