线程切换

条件对象允许一个线程 A 停下来，等待其他线程 B ，线程 B 满足某一条件后，通知（notify）线程 A 继续运行。线程首先获得条件变量锁。如果条件不足，线程将等待（wait）并释放条件变量锁。如果满足，执行线程也可以通知其他状态 wait 线程。其他地方 wait 接到通知后，状态线程将重新判断条件。

无论是多流程还是多线程，只要数量多，效率肯定不会提高。为什么？

我们举个例子，假设你不幸正在准备高中入学考试，你需要每晚做中文、数学、英语、物理和化学，每个作业需要1个小时。

如果你先花一个小时做语文作业，然后花一个小时做数学作业，这样你就可以依次完成它们，总共花5个小时。这种方法称为单任务模型或批处理任务模型。

假设你打算切换到多任务模型，你可以先做1分钟的汉语，然后切换到数学作业，做1分钟，然后切换到英语，等等，只要切换速度足够快，这样和单核CPU执行多任务是一样的，从幼儿园孩子的角度来看，你同时写5个家庭作业。

然而，切换操作是有成本的。例如，从汉语到数学，首先清理桌子上的中文书籍和笔（这被称为保存场地），然后打开数学教科书，找到一个圆形的尺子（这被称为准备一个新的环境），然后开始做数学作业。操作系统在切换过程或线程中也是如此。它需要保存当前的现场环境（CPU寄存器状态、内存页面等），然后准备新任务的执行环境（恢复最后一个寄存器状态、切换内存页面等）。开始执行。虽然切换过程非常快，但它也需要时间。如果同时执行数千项任务，操作系统可能主要忙于切换任务，没有太多时间执行任务。在这种情况下，最常见的是硬盘响应，点窗口没有响应，系统处于假死状态。

因此，一旦多个任务达到一定程度，系统的所有资源都将被消耗掉。因此，效率急剧下降，所有任务都做不好。

相关推荐:Python视频教程

以下是一个有趣的例子

importthreading
classBoy(threading.Thread):
def__init__(self,cond,name):
super(Boy,self).__init__()
self.cond=cond
self.name=name
defrun(self):
self.cond.acquire()
print(self.name+":嫁给我吧！？")
self.cond.notify()#唤醒挂起的线程，让hanmeimei表态
self.cond.wait()#释放内部占用的琐事，同时挂起线程，直到收到通知后醒来或加班，等待hanmeimei回答。
print(self.name+":我一个人跪下，送戒指！")
self.cond.notify()
self.cond.wait()
print(self.name+":Li太太，你的选择太明治了。")
self.cond.release()
classGirl(threading.Thread):
def__init__(self,cond,name):
super(Girl,self).__init__()
self.cond=cond
self.name=name
defrun(self):
self.cond.acquire()
self.cond.wait()#等待Lilei求婚
print(self.name+":没有情调，不够浪漫，不答应")
self.cond.notify()
self.cond.wait()
print(self.name+":好吧，答应你")
self.cond.notify()
self.cond.release()
cond=threading.Condition()
boy=Boy(cond,"LiLei")
girl=Girl(cond,"HanMeiMei")
girl.start()
boy.start()

运行结果如下：

LiLei:嫁给我吧！？？
HanMeiMei:没有情调，不够浪漫，不同意
LiLei:我一个人跪下，送戒指！
HanMeiMei:好吧，答应你
LiLei:Li太太，你的选择太明治了。

相关推荐：

什么是Python中的线程和多线程？