同时执行两个文件中的代码

基础概念

同时执行两个文件中的代码通常涉及并发编程或多线程编程。并发编程是指在同一时间段内执行多个任务，而多线程编程是指在一个进程中运行多个线程，每个线程执行不同的任务。

类型

多进程：每个进程独立运行，拥有独立的内存空间，进程间通信较为复杂。
多线程：同一进程内的多个线程共享内存空间，线程间通信较为简单。
协程：轻量级的线程，由用户态控制调度，适用于高并发场景。

应用场景

Web服务器：处理多个客户端请求，提高服务器的吞吐量。
数据处理：并行处理大量数据，如数据分析、图像处理等。
实时系统：如游戏服务器、实时通信系统等，需要快速响应用户操作。

遇到的问题及解决方法

问题1：线程安全

原因：多个线程同时访问和修改共享资源时，可能会导致数据不一致或程序崩溃。

解决方法：

锁机制：使用互斥锁（Mutex）或读写锁（ReadWriteLock）来保护共享资源。
原子操作：使用原子操作库来保证操作的原子性。

import threading

# 共享资源
counter = 0

# 互斥锁
lock = threading.Lock()

def increment():
    global counter
    for _ in range(100000):
        lock.acquire()
        counter += 1
        lock.release()

# 创建两个线程
t1 = threading.Thread(target=increment)
t2 = threading.Thread(target=increment)

# 启动线程
t1.start()
t2.start()

# 等待线程结束
t1.join()
t2.join()

print(counter)  # 输出应为200000

问题2：死锁

原因：两个或多个线程互相等待对方释放资源，导致程序无法继续执行。

解决方法：

避免嵌套锁：尽量避免在一个锁的保护范围内获取另一个锁。
使用超时机制：在获取锁时设置超时时间，避免无限等待。

import threading

lock1 = threading.Lock()
lock2 = threading.Lock()

def thread1():
    with lock1:
        with lock2:
            print("Thread 1")

def thread2():
    with lock2:
        with lock1:
            print("Thread 2")

t1 = threading.Thread(target=thread1)
t2 = threading.Thread(target=thread2)

t1.start()
t2.start()

t1.join()
t2.join()

问题3：资源竞争

原因：多个线程同时访问和修改同一资源，导致数据不一致。

解决方法：

线程池：使用线程池来管理线程，控制并发数量。
任务队列：使用任务队列来分配任务，避免资源竞争。

import concurrent.futures

def task(n):
    return n * n

with concurrent.futures.ThreadPoolExecutor(max_workers=5) as executor:
    futures = [executor.submit(task, i) for i in range(10)]
    results = [future.result() for future in concurrent.futures.as_completed(futures)]

print(results)