python全局锁

① python多线程只第一个while循环

Python 多线程只执行第一个 while 循环的原因是因为 Python 的全局锁 (GIL) 的存在。GIL 是为了保证多线程操作时不会出现数据竞争和死锁的问题，它会确保在任意时刻只有一个线程在执行 Python 代码。虽然多线程在 Python 中可以提高程序的并发性，但是由于 GIL 的存在，导致 Python 的多线程无法真正地实现并行计算。因此，在 Python 中，多线程适合于 IO 密集型任务，而不适合于 CPU 密集型任务。

对于如何解决多线程只执行第一个 while 循环的问题，可以使用多进程和协程来代替多线程。多进程可以在不同的进程中运行 Python 代码，每个进程都有自己的 GIL，因此可以实现真正的并行计算。而协程则是一种轻量级的线程，它不需要像线程一样占用系统资源，只需要在程序内部切换来实现并发计算皮渣。悔睁因此，在 Python 中，多进程和协程都是比较好的并发编程方式。

需要注意的是，多线程虽然存在 GIL 的限制，但对于一些 IO 密集型任务，多线程仍然可以提高程序的并发能力，因为在 IO 操作时，线程会释放 GIL，从而可以让其他线程进入运行状态。因此，在实际编程中，需要燃前悄根据具体的任务需求，选择合适的并发编程方式。

② Python编程面试常见问题有哪些

Python编程面试题目一：python下多线程的限制以及多进程中传递参数的方式，以及区别

(1)python下多线程的限制以及多进程中传递参数的方式

python多线程有个全局解释器锁(global interpreter lock)，这个锁的意思是任一时间只能有一个线程使用解释器，跟单cpu跑多个程序一个意思，大家都是轮着用的，这叫“并发”，不是“并行”。

多进程间共享数据，可以使用 multiprocessing.Value 和 multiprocessing.Array

(2)python多线程与多进程的区别

在UNIX平台上，当某个进程终结之后，该进程需要被其父进程调用wait，否则进程成为僵尸进程(Zombie)。所以，有必要对每个Process对象调用join()方法 (实际上等同于wait)。对于多线程来说，由于只有一个进程，所以不存在此必要性。

多进程应该避免共享资源。在多线程中，我们可以比较容易地共享资源，比如使用全局变量或者传递参数。在多进程情况下，由于每个进程有自己独立的内存空间，以上方法并不合适。此时我们可以通过共享内存和Manager的方法来共享资源。但这样做提高了程序的复杂度，并因为同步的需要而降低了程序的效率。

Python编程面试题目二：lambada函数

lambda 函数是一个可以接收任意多个参数(包括可选参数)并且返回单个表达式值的函数。 lambda 函数不能包含命令，它们所包含的表达式不能超过一个。不要试图向lambda 函数中塞入太多的东西;如果你需要更复杂的东西，应该定义一个普通函数，然后想让它多长就多长。

更多关于Python编程的技巧，干货，资讯等内容，小编会持续更新。

③ python多线程全局变量和锁

1.python中数据类型，int,float,复数，字符，元组，做全局变量时需要在函数里面用global申明变量，才能对变量进行操作。

而，对象，列表，词典，不需要声明，直接就是全局的。

2.线程锁mutex=threading.Lock()

创建后就是全局的。线程调用函数可以直接在函数中使用。

mutex.acquire()开启锁

mutex=release()关闭锁

要注意，死锁的情况发生。

注意运行效率的变化:

正常1秒，完成56997921

加锁之后，1秒只运行了531187，相差10倍多。

3.继承.threading.Thread的类，无法调用__init__函数，无法在创建对象时初始化新建的属性。

4.线程在cpu的执行，有随机性

5. 新建线程时，需要传参数时，args是一个元组，如果只有一个参数，一定后面要加一个,符号。不能只有一个参数否则线程会报创建参数错误。threading.Thread(target=fuc,args=(arg,))

④ python multiprocessing问题,为什么输出结果和预期不一样

众所周知，由于python（Cpython）的全局锁（GIL）问题存在，导致Thread也就是线程的并行并不可实现。 multiprocessing 模块采用多进程而不是多线程的方式实现并行，解决了GIL的问题，一定程度上使状况得到了缓解。

然而，Multiprocess本身依然有一些功能上的瓶颈。其中一个重要的是：进程之间不能共享内存（线程间则可以共享内存）。这意味着在进程间交换数据的时候，需要把数据打包、传递，解包。在python的语境下就是：

"pickle from main process to the subprocess;

depickle from subprocess to an object in memory;

pickle and return to the main process;

depickle from main process and return to memory"

(具体详见这个问题下的吐槽)

因此， 在需要在进程间共享巨大的数据包的时候，多进程的表现还不如单进程。

除此之外，当需要运行的程序本身不是计算密集型而是是IO密集型，多进程所增加的读写会抵消掉运算速度的增益；如果程序复杂度根本不需要用并行来解决，那么建立进程（池）的时间很可能比运行程序本身还要慢；另外，在进程池 multiprocessing.Pool(n) 的 n 的选择上，如果选择了多于当前CPU的核心数目的数字（ multiprocessing.cpu_count() ），那么在进程之间切换的功夫会大大拉低效率。

建立对线程和进程关系的直观印象，可参考这篇文章。

快速而完整地了解python的全局锁（GIL）问题，参考这篇不错的博客。

为了解 multiprocess 的使用，我做了一些测试，测试环境是4核的Macbook Air。如下：

from multiprocessing import Process, Manager, Pool

1 def f(l):
2 l.reverse()
3
return
4
5 def main():
6
l1 = [random.randrange(0, 100000, 1) for i in range(0, 100000)]
7
l2 = [random.randrange(0, 100000, 1) for i in range(0, 100000)]
8
l3 = [random.randrange(0, 100000, 1) for i in range(0, 100000)]
9
l4 = [random.randrange(0, 100000, 1) for i in range(0, 100000)]
10
l5 = [random.randrange(0, 100000, 1) for i in range(0, 100000)]
11
l6 = [random.randrange(0, 100000, 1) for i in range(0, 100000)]
12
l7 = [random.randrange(0, 100000, 1) for i in range(0, 100000)]
13
s = time.time()
14
for l in [l1, l2, l3, l4, l5, l6, l7]:
15
f(l)
16
print "%s seconds" % (time.time() - s)
17
s = time.time()
18 map(f, [l1, l2, l3, l4, l5, l6, l7])
19
print "%s seconds" % (time.time() - s)
20
p = Pool(4)
21
s = time.time()
22 p.map(f, [l1, l2, l3, l4, l5, l6, l7])
23
print "%s seconds" % (time.time() - s)
24
return

也就是分别测试 f() 对 l1, l2, l3, l4, l5, l6, l7 7个列表的操作时间。先是循环的依次操作，再是python中非常好用的 map() 函数，最后是 multiprocessing 的进程池 multiprocessing.Pool.map() ——进程池中建立了4个 worker process , 也就是说，接下来的任务会被随机地分配给4个进程来完成。

每次操作之前都重新计时，得到了这样的结果：

>>> main()
0.00250101089478 seconds
0.000663995742798 seconds
0.907639980316 seconds

多进程出奇得慢。而 map() 相对于循环操作有很大的效率提升。

⑤ Python有什么缺点呢

1. - 运行速度慢，因为Python是解释型语言，是一种高级语言，代码会在执行的时候，一行一行的使用解释器翻译成底层代码，翻译成机器码，而这个过程非常耗时，所以他运行过程中，比很多语言的代码都慢了很多。
- 线程不能利用多CPU，这是Python最大的确定，GIL即全局解释器锁（Global Interpreter Lock），是计算机程序设计语言解释器用于同步线程的工具，使得任何时刻仅有一个线程在执行，Python的线程是操作系统的原生线程。在Linux上为pthread，在Windows上为Win thread，完全由操作系统调度线程的执行。一个python解释器进程内有一条主线程，以及多条用户程序的执行线程。即使在多核CPU平台上，由于GIL的存在，所以禁止多线程的并行执行。
Python的优缺点可以看看传智播客的社区，里面很多技术老师写的相关文章。并且有学习线路图适合小白学习，每个板块下面都有配套视频。