为了提升程序运行速度
2、有哪些程序提速的方法： 3、python对并发编程的支持：（1）多线程：threading，利用CPU和IO可以同时执行的原理，让CPU不会干巴巴等待IO完成
（2）多进程：multiprocessing，利用多核CPU的能力，真正的并行执行任务
（3）异步IO：asyncio，在单线程利用CPU和IO同时执行的原理，实现函数异步执行
（4）使用Lock对资源加锁，放置冲突访问
（5）使用Queue实现不同线程/进程之间的数据通信，实现生产者-消费者模式
（6）使用线程池Pool/进程池Pool,简化线程/进程的任务提交、等待结束、获取结果
（7）使用subprocess启动外部程序的进程，并进行输入输出的交互
（1）多线程Thread（2）多进程Process（3）多协程Coroutine
5、CPU密集型计算/IO密集型计算（1）CPU密集型计算（CPU-bound）：(bound指限制)
也叫计算密集型，是指I/O在很短的时间就可以完成，CPU需要大量的计算和处理，特点是CPU占用率高
例如 ：压缩解压缩、加密解密、正则表达式搜索
（2）IO密集型计算（I/O-bound）：
系统运行大部分的状况是CPU在I/O（硬盘/内存）的读/写操作，CPU占用率仍然很低
例如：文件处理程序、网络爬虫程序、读写数据库程序
（1）动态类型语言、边解释边执行
（2）GIL（全局解释器锁），无法利用多核CPU并发执行，单个时刻只能使用一个线程，所以慢。
是计算机程序设计语言解释器用于同步线程的一种机制，它使得任何时刻仅有一个线程在执行，即使在多核处理器上，使用GIL的解释器也只允许同一时间执行一个线程。
10、拥有GIL的python程序执行过程：(GIL锁遇到I/O操作会释放）thread1运行，此时拥有GIL锁，遇到I/O操作便释放GIL锁，此时thread2开始运行，加GIL锁，遇到I/O操作再释放GIL锁，thread3开始运行…
11、为什么设计GIL：为了解决多线程之间数据完整性和状态同步问题。简化了python对共享资源的管理。python中对象的管理，是使用引用计数器进行的，引用数为0则释放对象。
开始：线程A/B都引用了对象obj，obj.ref_num=2,线程A/B都想撤销对obj的引用。
（1）多线程threading机制用于IO密集型计算
因为在IO期间，线程会释放GIL，实现CPU和IO的并行，因此多线程用于IO密集型计算依然可以大幅提升速度
但是多线程用于CPU密集型计算时，只会更加拖慢速度。
（2）使用multiprocessing的多线程机制实现并行计算、利用多核CPU优势，为了应对GIL问题，python提供了multiprocessing。
（1）准备一个函数：
def my_func(a,b):
do_craw(a,b)
（2）怎样创建一个线程：
import threading
t=threading.Thread(target=my_func,args=(100,200)
#target是函数的名字，args里面是元组，是函数的参数
（3）启动线程：t.start（） 等待结束：t.join()
（1）导入类库：import queue
（2）创建Queue:q=queue.Queue
（3）添加元素：q.put(item)
（4）获取元素：item=q.get()
（5）查询状态
查看元素的多少 ：q.qsize()
判断是否为空：q.empty()
判断是否为满：q.full()
线程安全：某个函数、函数库在多线程环境中被调用时，能够正确地处理多个线程之间的共享变量，是程序功能正确完成
线程不安全：优于线程的执行随时会发生切换，就造成了不可预料的结果，出现线程不安全。
（1）try-finally模式
（2）with模式
（1）提升性能：因为减去了大量新建，终止线程的开销，重用了线程资源。
（2）使用场景：适合处理突发性大量请求或需要大量线程完成任务，但实际任务处理时间较短
（3）防御功能：能有效避免系统因为创建线程过多，而导致系统符合过大响应变慢等问题
（4）代码优势：使用线程池的语法吧自己新建线程执行线程更加简洁
