pythonrandom函數(shù)可以設(shè)置隨機(jī)多少個字符嗎？應(yīng)用pythonrandom標(biāo)準(zhǔn)庫是可以可以設(shè)置隨機(jī)結(jié)果不可以多個字符，也可以隨機(jī)生成數(shù)字，隨機(jī)生成字符python中random.random(

pythonrandom函數(shù)可以設(shè)置隨機(jī)多少個字符嗎？

應(yīng)用pythonrandom標(biāo)準(zhǔn)庫是可以可以設(shè)置隨機(jī)結(jié)果不可以多個字符，也可以隨機(jī)生成數(shù)字，隨機(jī)生成字符

python中random.random()和random.Random()的區(qū)別是什么？

Python是已經(jīng)面向過程的，而所有的數(shù)據(jù)都是對象random.random()化合0和1之間的隨機(jī)浮點數(shù)float，它不過是一個隱藏的random.Random類的實例的random方法。random.Random()生成random模塊里得Random類的一個實例，這個實例應(yīng)該不會和其他Random實例共享狀態(tài)，一般是在多線程處理的情況下不使用。

兩者的聯(lián)系：random.random()生成沉淀0和1之間的任務(wù)道具浮點數(shù)float，它其實是一個隱藏的random.Random類的實例的random方法。那就是說你就用random.random()的時候，反正有一個追蹤生成的random.Random類的實例，也就是random.Random()。random.random()和random.Random().random()作用是差不多的。

Python多進(jìn)程和多線程是雞肋嘛？

GIL的存在一直在是富有家庭爭議的，它會造成Python程序沒能真正的用來古代和現(xiàn)代操作系統(tǒng)的多進(jìn)程特性。需要注意的是，相對于I/O圖形處理、NumPy數(shù)學(xué)可以計算這樣的工程浩大操作都發(fā)生了什么在GIL之外，只不過基本上不受影響，唯一受影響的都是Python字節(jié)碼的執(zhí)行，GIL會會造成性能瓶頸的出現(xiàn)。其實，只有在不使用純Python做CPU密密麻麻的的多線程運(yùn)算時GIL會是問題。

GIL是什么Python的代碼執(zhí)行由Python虛擬機(jī)（也叫請解釋器主循環(huán)，CPython版本）來再控制，Python在怎么設(shè)計之初就判斷到在解釋器的主循環(huán)中，而僅有一個線程在運(yùn)行。即每個CPU在任意時刻只能一個線程在解釋器中運(yùn)行。對Python虛擬機(jī)ftp訪問的控制由全局解釋什么鎖GIL壓制，正是我這個鎖來壓制同一時刻唯有一個線程也能運(yùn)行。——在單核CPU下的多線程不過都只不過是并發(fā)性，也不是聯(lián)成一體。

并發(fā)與右行區(qū)別

并發(fā)：兩個或多個事件在同一時間間隔發(fā)生，或是說輪流交替做完全不同事件的能力，也可以說有所不同的代碼塊交替負(fù)責(zé)執(zhí)行。右行：兩個或是多個事件在同一時刻不可能發(fā)生，的或說而做不同事件的能力，也可以說差別的代碼塊同樣負(fù)責(zé)執(zhí)行。

并發(fā)和并行的意義

并發(fā)和并行都這個可以全面處理“多任務(wù)”，二者的比較多區(qū)別在于是否需要是“同時并且”多個的任務(wù)。不過比較復(fù)雜到工作任務(wù)分解（有陸續(xù)依賴感直接耦合度高的任務(wù)難以可以做到并行）、任務(wù)運(yùn)行（可能要考慮互斥、鎖、共享等）、而單獨(dú)設(shè)置。

Python下的多線程在Python多線程下，每個線程的執(zhí)行，:：

資源GIL切換到這個線程去先執(zhí)行運(yùn)行代碼，這里有兩種機(jī)制：指定你數(shù)量的字節(jié)碼指令（100個）單獨(dú)計算時間15ms線程主動一條道控制把線程設(shè)置中為睡眠狀態(tài)釋放GIL再度亂詞左右吧步驟在Python2中，在解釋器請解釋執(zhí)行任何Python代碼時，都不需要先完成任務(wù)這把鎖才行（不同時間只會有一個完成了GIL的線程在跑，其它的線程都處于靜靜的等待狀態(tài)等一會兒GIL的釋放），在碰到I/O操作時會釋放者這把鎖。如果沒有是純換算的程序，沒有I/O能操作，請解釋器會每隔100次操作就施放這把鎖，讓別的線程有機(jī)會先執(zhí)行（這個次數(shù)可以是從來根據(jù)情況）也顯然這種設(shè)定，是的多線程的CPU密集型換算非常沒啥用處，下面會一講又為什么會如此。

而在python3中，GIL不使用ticks計數(shù)寄存器(100次，釋放者GIL)，中改不使用計時器（執(zhí)行時間達(dá)到15ms閾值后，當(dāng)前線程施放GIL），讓不能執(zhí)行可以計算的次數(shù)一些，釋放次數(shù)減少，這樣的話對CPU密集型程序極其敵視，但依舊就沒解決的辦法GIL可能導(dǎo)致的同一時間不能不能執(zhí)行一個線程的問題，因此效率始終不不盡人意。

這樣是不是Python的多線程是雞肋嘛？CPU密集型(各種循環(huán)處理、計數(shù)等等)，在那種情況下，ticks計數(shù)法一下子可能會達(dá)到閾值，然后把觸發(fā)時GIL的釋放與再競爭（多個線程來回直接切換是是需要能量消耗資源的），因為python下的多線程對CPU密集型代碼當(dāng)然不敵視，會觸發(fā)也很不穩(wěn)定的線程切換。

IO密集型(文件處理、網(wǎng)絡(luò)爬蟲等)，多線程能夠最有效提升效率(單線程下有IO操作會參與IO等待，造成不必要的時間浪費(fèi)，而再開啟多線程能在線程A等待時，自動選擇到線程B，可以不又不浪費(fèi)CPU的資源，最終達(dá)到能進(jìn)階程序負(fù)責(zé)執(zhí)行效率，一個線程額外GIL發(fā)送消息，然后再等待直接返回消息（阻塞），Python此時釋放出GIL,其他線程換取GIL發(fā)送消息，接著同時等待返回消息（阻塞）......，這樣的絕對的保證了IO傳輸過程時間的合理利用，會減少了IO再等待導(dǎo)致的資源浪費(fèi)，提高IO傳輸效率)。所以我python的多線程對IO密集型代碼都很客氣禮貌。

有哪些結(jié)論？I/O密集型建議使用多線程并發(fā)先執(zhí)行提高效率、換算密集型可以使用多進(jìn)程（multiprocessing）左行不能執(zhí)行提高效率。大多程序既中有IO操作又中有算出你的操作,這樣這個下，在又開始并發(fā)任務(wù)之前，是可以先參與測試，測量多線程、多進(jìn)程哪個效率高就是用哪種。

請?zhí)貏e注意：多核多線程比單核多線程更差，多核多進(jìn)程下，CPU1釋放者GIL后，其他CPU上的線程都會接受競爭，但GIL可能會會馬上被CPU1取得，CPU2施放GIL后……，導(dǎo)致其他幾個CPU上被呼醒后的線程會醒著等待到快速切換時間后又再次進(jìn)入待調(diào)度狀態(tài)，這樣的話會導(dǎo)致線程起伏顛簸(thrashing)，會造成效率微低。

多線程下的CPU密集型計算出也并非藥可醫(yī)，可以不依靠ctypes越過GIL，ctypes這個可以使py直接內(nèi)部函數(shù)橫豎斜的C動態(tài)庫的導(dǎo)出函數(shù)。所要做的只是把重要部分用C/C可以寫成Python擴(kuò)展。但，ctypes會在動態(tài)鏈接庫C函數(shù)前釋放者GIL。

另外，也可以了解下協(xié)程，又稱微線程。

協(xié)程大的的優(yōu)勢那就是協(xié)程極高的執(zhí)行效率。而且子程序可以切換并非線程切換，反而由程序自身完全控制，所以，沒有線程切換到的開銷，和多線程比，線程數(shù)量一定，協(xié)程的性能優(yōu)勢就越明顯。

第二大優(yōu)勢那是不需要多線程的鎖機(jī)制，只不過僅有一個線程，也不未知同樣寫變量，在協(xié)程中操縱共享資源不加鎖，只必須可以確定狀態(tài)就再說，因此想執(zhí)行效率比多線程高大部分。

只不過協(xié)程是一個線程先執(zhí)行，那怎摸借用多核CPU呢？最簡單的方法是多進(jìn)程協(xié)程，既充分利用資源多核，又充分發(fā)揮協(xié)程的高效率，可獲得極高的性能。