以后坚持一天一更。
多线程
进程是有若干线程组成的，一个进程至少就是一个线程。
由于线程是操作系统直接支持的执行单元，因此，高级语言通常都内置多线程的支持，Python也不例外，并且，Pthon的线程是真正的Posix Thread,而不是模拟出来的线程。
Python的标准库提供了两个模块：_thread 和 threading，_thread 是低级模块，threading是高级模块，对_thread进行封装。大多数情况下，我们只需要使用threading这个高级模块。
启动一个线程就是把一个函数传入并创建Thread实例，然后调用start()开始执行。
主进程：进程默认启动的一个线程，主进程实例名字叫：MainThread 子进程：主进程启动的新的进程，子进程实例名字叫：LoopThread。命名仅仅在打印时用来显示，完全没有其他意义，如果不起名字Python就自动给线程命名为Thread-1,Thread-2........
Python中的threading模块有个current_thread(）函数，永远返回当前进程的实例。
Lock
多进程和多线程的最大的不同:
多进程:同一个变量，各自有一份拷贝存在于每个进程中，互不影响。
多线程：所有变量都由所有进程共享，所以，任何一个变量都可以被任何一个线程修改，因此，线程之间共享数据最大的危险在于多个线程同时改一个变量，把内容给改乱了。
改乱的原因在于是修改一个变量需要多条语句，而在执行这几条语句时，线程可能中断，从而导致多个线程把一个对象的内容改乱了。两个线程一存一取，就可能导致余额不对。
上锁
如果你要确保一个变量计算正确，就要给change_it()上一把锁，当某个线程开始执行change_it()时，该线程因为获得了锁，因此其他线程不能同时执行change_it()，只能等待，直到锁被释放后，获得该锁以后才能改。由于锁只有一个，无论多少线程，同一时刻最多只有一个线程持有该锁，所以，不会造成修改的冲突。
创建一个锁就是通过threading.Lock()来实现的：
import time,threading
balance = 0
lock = threading.Lock()
def run_thread(n):
for i in range(10000):
lock.acquire()
try:
change_it(n)
finally:
lock.release()
当多个线程同时执行lock.acquire()时，只有一个线程能成功地获取锁，然后执行代码，其他线程就继续等待直到获得锁为止。
获得锁的线程用完以后一定要释放锁，否则那些苦苦等待锁的线程将永远等待下去，成为死线程，所以我们用try.......finally来确保锁一定会被释放。
锁的好处：确保了某段关键代码只能有一个线程从头到尾完整地执行。
锁的坏处：1.阻止了多线程并发执行，包含锁的某段代码实际上只能以单线程模式执行，效率就大大地下降了。
2.由于可以存在多个锁，不同线程持有不同的锁，并试图获取对方持有的锁时，可能就会造成死锁，导致多个线程全部挂起，既不能执行，也无法结束，只能靠操作系统强制终止。
GIL锁
在Python中，多核不能同时执行多个进程。
在C、C+或Java来改变相同的N个线程，死循环可以把全部核心跑满，4核跑到400%，8核跑到800%。
在Python中启动与CPU核心数量相同的N个线程，在4核CPU上可以监控到CPU占用率仅有102%，也就是仅用了一核。
为甚会这样？
这是因为Python的线程虽然是真正的线程，但解释器执行代码时，有一个GIL锁:Global Interpreter Lock,任何Python线程执行前，必须先获得GIL锁，然后，每执行100条字节码，解释器就自动释放GIL锁，让别的线程有机会执行。这个GIL全局锁实际上把所有的线程的执行代码都给上了锁，所以，多线程在Python中只能交替执行，即使100个线程跑在100核的CPU上，也只能用到1个核。
GIL是历史遗留问题，要想真正用到多核，除非重写一个不带GIL的解释器。
SO，在Python中，可以使用多个线程，但不要指望有效利用多核。如果一定要通过多线程利用多核，那只能通过C扩展来实现。不过这样就失去了Python简单易用的特点。
不能利用多线程实现多核任务，但可以通过多进程实现多核任务。多个Python进程有各自独立的GIL锁，互不影响。
多线程并发在Python中就是一个美丽的梦。
