re6热在线视频精品66,国产综合成人

主頁 > 知識庫 > Python一些線程的玩法總結(jié)

Python一些線程的玩法總結(jié)

一、線程基礎(chǔ)以及守護進程

線程是CPU調(diào)度的最小單位

全局解釋器鎖

全局解釋器鎖GIL（global interpreter lock）

全局解釋器鎖的出現(xiàn)主要是為了完成垃圾回收機制的回收機制，對不同線程的引用計數(shù)的變化記錄的更加精準。

全局解釋器鎖導(dǎo)致了同一個進程中的多個線程只能有一個線程真正被CPU執(zhí)行。

GIL鎖每執(zhí)行700條指令才會進行一次（輪轉(zhuǎn)）切換（從一個線程切換到另外一個線程）

節(jié)省的是IO操作（不占用CPU）的時間，而不是CPU計算的時間，因為CPU的計算速度非常快，大多數(shù)情況下，我們沒有辦法把一條進程中所有的IO操作都規(guī)避掉。

threading模塊

import time
from threading import Thread, current_thread, enumerate, active_count


def func(i):
    print('start%s' % i, current_thread().ident)  # 函數(shù)中獲取當(dāng)前線程id
    time.sleep(1)
    print('end%s' % i)


if __name__ == '__main__':
    t1 = []
    for i in range(3):
        t = Thread(target=func, args=(i,))
        t.start()
        print(t.ident)  # 查看當(dāng)前線程id
        t1.append(t)
    print(enumerate(), active_count())
    for t in t1:
        t.join()
print('所有線程執(zhí)行完畢')

線程是不能從外部強制終止（terminate），所有的子線程只能是自己執(zhí)行完代碼之后就關(guān)閉。

current_thread 獲取當(dāng)前的線程對象

current_thread().ident 或者 線程對象.ident 獲取當(dāng)前線程id。

enumerate返回一個列表，存儲了所有活著的線程對象，包括主線程。

active_count返回一個數(shù)字，存儲了所有活著的線程個數(shù)。

【注意】enumerate導(dǎo)入之后，會和內(nèi)置函數(shù)enumerate重名，需要做特殊的處理

from threading import enumerate as en
import threading

threading.enumerate()

面向?qū)ο蠓绞介_啟一個線程

from threading import Thread


class MyThread(Thread):
    def __init__(self, a, b):
        super(MyThread, self).__init__()
        self.a = a
        self.b = b

    def run(self):
        print(self.ident)


t = MyThread(1, 3)
t.start()  # 開啟線程，才在線程中執(zhí)行run方法
print(t.ident)

線程之間的數(shù)據(jù)是共享的

from threading import Thread

n = 100


def func():
    global n
    n -= 1


t_li = []
for i in range(100):
    t = Thread(target=func)
    t.start()
    t_li.append(t)
for t in t_li:
    t.join()
print(n)

結(jié)果是：0

守護線程

主線程會等待子線程結(jié)束之后才結(jié)束，為什么？

因為主線程結(jié)束，進程就會結(jié)束。

守護線程隨著主線程的結(jié)束而結(jié)束
守護進程會隨著主進程的代碼結(jié)束而結(jié)束，如果主進程代碼之后還有其他子進程在運行，守護進程不守護。
守護線程會隨著主線程的結(jié)束而結(jié)束，如果主線程代碼結(jié)束之后還有其他子線程在運行，守護線程也守護。

import time
from threading import Thread


def son():
    while True:
        print('in son')
        time.sleep(1)


def son2():
    for i in range(3):
        print('in son2...')
        time.sleep(1)


# flag a
t = Thread(target=son)
t.daemon = True
t.start()
# flag b a-->b用時0s
Thread(target=son2).start()

為什么守護線程會在主線程的代碼結(jié)束之后繼續(xù)守護其他子線程？

答：因為守護進程和守護線程的結(jié)束原理不同。守護進程需要主進程來回收資源，守護線程是隨著主線程的結(jié)束而結(jié)束，其他子線程–>主線程結(jié)束–>主進程結(jié)束–>整個進程中所有的資源都被回收，守護線程也會被回收。

二、線程鎖（互斥鎖）

線程之間也存在數(shù)據(jù)不安全

import dis

a = 0


def func():
    global a
    a += 1


dis.dis(func)  # 得到func方法中的代碼翻譯成CPU指令
"""
結(jié)果
0 LOAD_GLOBAL              0 (a)
2 LOAD_CONST               1 (1)
4 INPLACE_ADD
6 STORE_GLOBAL             0 (a)
8 LOAD_CONST               0 (None)
10 RETURN_VALUE
"""

+=、-=、*=、/=、while、if、帶返回值的方法（都是先計算后賦值，前提要涉及到全局變量或靜態(tài)變量）等都是數(shù)據(jù)不安全的，append、pop、queue、logging模塊等都是數(shù)據(jù)安全的。

列表中的方法或者字典中的方法去操作全局變量的時候，數(shù)據(jù)是安全的。

只有一個線程，永遠不會出現(xiàn)線程不安全現(xiàn)象。

采用加鎖的方式來保證數(shù)據(jù)安全。

from threading import Thread, Lock

n = 0


def add(lock):
    for i in range(500000):
        global n
        with lock:
            n += 1


def sub(lock):
    for i in range(500000):
        global n
        with lock:
            n -= 1


t_li = []
lock = Lock()
for i in range(2):
    t1 = Thread(target=add, args=(lock,))
    t1.start()
    t2 = Thread(target=sub, args=(lock,))
    t2.start()
    t_li.append(t1)
    t_li.append(t2)
for t in t_li:
    t.join()
print(n)

線程安全的單例模式

import time
from threading import Thread, Lock


class A:
    __instance = None
    lock = Lock()

    def __new__(cls, *args, **kwargs):
        with cls.lock:
            if not cls.__instance:
                time.sleep(0.00001)
                cls.__instance = super().__new__(cls)
        return cls.__instance


def func():
    a = A()
    print(a)


for i in range(10):
    Thread(target=func).start()

不用考慮加鎖的小技巧

不要操作全局變量
不要在類中操作靜態(tài)變量

因為多個線程同時操作全局變量/靜態(tài)變量，會產(chǎn)生數(shù)據(jù)不安全現(xiàn)象。

三、線程鎖（遞歸鎖）

from threading import Lock, RLock

# Lock 互斥鎖
# RLock 遞歸（recursion）鎖

l = Lock()
l.acquire()
print('希望被鎖住的代碼')
l.release()

rl = RLock()  # 在同一個線程中可以被acquire多次
rl.acquire()
rl.acquire()
rl.acquire()
print('希望被鎖住的代碼')
rl.release()

from threading import Thread, RLock


def func(i, lock):
    lock.acquire()
    lock.acquire()
    print(i, ':start')
    lock.release()
    lock.release()
    print(i, ':end')


lock = RLock()
for i in range(5):
    Thread(target=func, args=(i, lock)).start()

互斥鎖與遞歸鎖

遞歸鎖在同一個線程中可以被acquire多次，而互斥鎖不行

互斥鎖效率高，遞歸鎖效率相對低

多把互斥鎖容易產(chǎn)生死鎖現(xiàn)象，遞歸鎖可以快速解決死鎖

四、死鎖

死鎖：指兩個或兩個以上的進程或線程在執(zhí)行過程中，因爭奪資源而造成的一種互相等待的現(xiàn)象。

死鎖現(xiàn)象是怎么產(chǎn)生的？

答：有多把鎖，并且在多個線程中交叉使用。與互斥鎖、遞歸鎖無關(guān)，都會發(fā)生死鎖。如果是互斥鎖，出現(xiàn)了死鎖現(xiàn)象，最快速的解決方案是把所有的互斥鎖都改成一把遞歸鎖（noodle_lock = fork_lock = RLock()），程序的效率會降低。

from threading import Thread, Lock
import time
noodle_lock = Lock()
fork_lock = Lock()


def eat1(name):
    noodle_lock.acquire()
    print(name, '搶到面了')
    fork_lock.acquire()
    print(name, '搶到叉子了')
    print(name, '吃面')
    time.sleep(0.0001)
    fork_lock.release()
    print(name, '放下叉子了')
    noodle_lock.release()
    print(name, '放下面了')


def eat2(name):
    fork_lock.acquire()
    print(name, '搶到叉子了')
    noodle_lock.acquire()
    print(name, '搶到面了')
    print(name, '吃面')
    noodle_lock.release()
    print(name, '放下面了')
    fork_lock.release()
    print(name, '放下叉子了')


Thread(target=eat1, args=('lucy',)).start()
Thread(target=eat2, args=('jack',)).start()
Thread(target=eat1, args=('rose',)).start()
Thread(target=eat2, args=('disen',)).start()

五、隊列

隊列：線程之間數(shù)據(jù)安全的容器

線程隊列：數(shù)據(jù)安全，先進先出

原理：加鎖 + 鏈表

Queue

fifo 先進先出的隊列

get和put

import queue


q = queue.Queue(3)  # fifo 先進先出的隊列

q.put(1)
q.put(2)
print(q.get())
print(q.get())

1
2

get_nowait

import queue

# from queue import Empty  # 不是內(nèi)置的錯誤類型，而是queue模塊中的錯誤
q = queue.Queue()  # fifo 先進先出的隊列
try:
    q.get_nowait()
except queue.Empty:
    pass
print('隊列為空，繼續(xù)執(zhí)行其他代碼')

put_nowait

用的很少，因為隊列滿時，拋異常，數(shù)據(jù)放不進去，丟失了。

LifoQueue

后進先出的隊列，也就是棧。last in first out

from queue import LifoQueue
lq = LifoQueue()
lq.put(1)
lq.put(2)
print(lq.get())
print(lq.get())

2
1

PriorityQueue

優(yōu)先級隊列，按照放入數(shù)據(jù)的第一位數(shù)值從小到大輸出

from queue import PriorityQueue

priq = PriorityQueue()
priq.put((2, 'lucy'))
priq.put((0, 'rose'))
priq.put((1, 'jack'))
print(priq.get())
print(priq.get())
print(priq.get())

(0, 'rose')
(1, 'jack')
(2, 'lucy')

三種隊列使用場景

先進先出：用于處理服務(wù)類任務(wù)（買票任務(wù)）

后進先出：算法中用的比較多

優(yōu)先級隊列：比如，VIP制度，VIP用戶優(yōu)先；

六、相關(guān)面試題

請聊聊進程隊列的特點和實現(xiàn)原理

特點：實現(xiàn)進程之間的通信；數(shù)據(jù)安全；先進先出。

實現(xiàn)原理：基于管道 + 鎖實現(xiàn)的，管道是基于文件級別的socket + pickle 實現(xiàn)的。

你了解生產(chǎn)者消費者模型嗎，如何實現(xiàn)

了解

為什么了解？工作經(jīng)驗

采集圖片/爬取音樂：由于要爬取大量的數(shù)據(jù)，想提高爬取效率

	有用過一個生產(chǎn)者消費者模型，這個模型是我自己寫的，消息中間件，用的是xxx（redis），我獲取網(wǎng)頁的過程作為生產(chǎn)者，分析網(wǎng)頁，獲取所有歌曲歌曲鏈接的過程作為消費者。

	自己寫監(jiān)控，或者是自己寫郵件報警系統(tǒng)，監(jiān)控程序作為生產(chǎn)者，一旦發(fā)現(xiàn)有問題的程序，就需要把要發(fā)送的郵件信息交給消息中間件redis，消費者就從中間件中取值，然后來處理發(fā)郵件的邏輯。

什么時候用過？

項目 或者 例子，結(jié)合上面一起

在python中實現(xiàn)生產(chǎn)者消費者模型可以用哪些機制

消息中間件

	celery（分布式框架）：定時發(fā)短信的任務(wù)

從你的角度說說進程在計算機中扮演什么角色

進程用來管理一個運行中的程序的資源，是資源分配的最小單位

進程與進程之間內(nèi)存是隔離的

進程是由操作系統(tǒng)負責(zé)調(diào)度的，并且多個進程之間是一種競爭關(guān)系，所以我們應(yīng)該對進程的三狀態(tài)時刻關(guān)注，盡量減少進程中的IO操作，或者在進程里面開線程來規(guī)避IO，讓我們寫的程序在運行的時候能夠更多的占用CPU資源。

為什么線程之間的數(shù)據(jù)不安全

線程之間數(shù)據(jù)共享

多線程的情況下，

如果在計算某一個變量的時候，還要進行賦值操作，這個過程不是由一條完整的CPU指令完成的；

	如果在判斷某個bool表達式之后，再做某些操作，這個過程也不是由一條完整的CPU指令完成的；

	在中間發(fā)生了GIL鎖的切換（時間片的輪轉(zhuǎn)），可能會導(dǎo)致數(shù)據(jù)不安全。

讀程序，請確認執(zhí)行到最后number的長度是否一定為 1

import threading
import time

# loop = 1E7  # 10000000.
loop = int(1E7)  # 10000000


def _add(loop: int = 1):
    global numbers
    for _ in range(loop):
        numbers.append(0)


def _sub(loop: int = 1):
    global numbers
    for _ in range(loop):
        while not numbers:
            time.sleep(1E-8)
        numbers.pop()


numbers = [0]
ta = threading.Thread(target=_add, args=(loop,))
ts = threading.Thread(target=_sub, args=(loop,))
# ts1 = threading.Thread(target=_sub, args=(loop,))

ta.start()
ts.start()
# ts1.start()

ta.join()
ts.join()
# ts1.join()

因為只開啟了一個進行pop操作的線程，如果開啟多個pop操作的線程，必須在while前面加鎖，因為可能有兩個線程，一個執(zhí)行了while not numbers，發(fā)生了GIL的切換，另外一個線程執(zhí)行完了代碼，numbers剛好沒有了數(shù)據(jù)，導(dǎo)致結(jié)果一個pop成功，一個pop不成功。

所以number長度一定為1，如果把注釋去了，不一定為1

讀程序，請確認執(zhí)行到最后number的長度是否一定為 1

import threading
import time

loop = int(1E7)


def _add(loop: int = 1):
    global numbers
    for _ in range(loop):
        numbers.append(0)


def _sub(loop: int = 1):
    global numbers
    for _ in range(loop):
        while not numbers:
            time.sleep(1E-8)
        numbers.pop()


numbers = [0]
ta = threading.Thread(target=_add, args=(loop,))
ts = threading.Thread(target=_sub, args=(loop,))

ta.start()
ta.join()
ts.start()
ts.join()

一定為1，因為是同步的。

讀程序，請確認執(zhí)行到最后number是否一定為 0

import threading

loop = int(1E7)


def _add(loop: int = 1):
    global numbers
    for _ in range(loop):
        numbers += 1


def _sub(loop: int = 1):
    global numbers
    for _ in range(loop):
        numbers -= 1


numbers = 0
ta = threading.Thread(target=_add, args=(loop,))
ts = threading.Thread(target=_sub, args=(loop,))

ta.start()
ta.join()
ts.start()
ts.join()

一定等于0，因為是同步的。

讀程序，請確認執(zhí)行到最后number是否一定為 0

import threading

loop = int(1E7)


def _add(loop: int = 1):
    global numbers
    for _ in range(loop):
        numbers += 1


def _sub(loop: int = 1):
    global numbers
    for _ in range(loop):
        numbers -= 1


numbers = 0
ta = threading.Thread(target=_add, args=(loop,))
ts = threading.Thread(target=_sub, args=(loop,))

ta.start()
ts.start()
ta.join()
ts.join()

不一定為0，因為是異步的且存在 += 操作

七、判斷數(shù)據(jù)是否安全

是否數(shù)據(jù)共享，是同步還是異步（數(shù)據(jù)共享并且異步的情況下）

+=、-=、*=、/=、a = 計算之后賦值給變量
if、while 條件，這兩個判斷是由多個線程完成的

這兩種情況下，數(shù)據(jù)不安全。

八、進程池線程池

以前，有多少個任務(wù)就開多少個進程或線程。

什么是池

要在程序開始的時候，還沒有提交任務(wù)，先創(chuàng)建幾個線程或者進程，放在一個池子里，這就是池

為什么要用池

如果先開好進程/線程，那么有任務(wù)之后就可以直接使用這個池中的數(shù)據(jù)了；并且開好的進程/線程會一直存在在池中，可以被多個任務(wù)反復(fù)利用，這樣極大的減少了開啟/關(guān)閉/調(diào)度進程/調(diào)度線程的時間開銷。

池中的線程/進程個數(shù)控制了操作系統(tǒng)需要調(diào)用的任務(wù)個數(shù)，控制池中的單位，有利于提高操作系統(tǒng)的效率，減輕操作系統(tǒng)的負擔(dān)。

from concurrent.futures import ThreadPoolExecutor, ProcessPoolExecutor

# threading模塊 沒有提供池
# multiprocessing模塊 仿照threading增加了Pool（逐漸被淘汰）
# concurrent.futures模塊 線程池，進程池都能夠用相似的方式開啟/使用
ThreadPoolExecutor()  # 參數(shù)代表開啟多少個線程，線程的個數(shù)一般起cpu個數(shù)*4（或者*5）
ProcessPoolExecutor()  # 參數(shù)代表開啟多少個進程，進程的個數(shù)一般起cpu個數(shù)+1

創(chuàng)建線程池并提交任務(wù)

from concurrent.futures import ThreadPoolExecutor
from threading import current_thread
import time


def func(a, b):
    print(current_thread().ident, a, b)
    time.sleep(1)


tp = ThreadPoolExecutor(4)  # 創(chuàng)建線程池對象
for i in range(20):
    # tp.submit(func, i, i + 1)
    # 向池中提交任務(wù)
    tp.submit(func, a=i, b=i + 1)  # 位置傳參，關(guān)鍵字傳參都可以

創(chuàng)建進程池并提交任務(wù)

from concurrent.futures import ProcessPoolExecutor
import os
import time


def func(a, b):
    print(os.getpid(), 'start', a, b)
    time.sleep(1)
    print(os.getpid(), 'end', a, b)


if __name__ == '__main__':
    tp = ProcessPoolExecutor(4)  # 創(chuàng)建進程池對象
    for i in range(20):
        # tp.submit(func, i, i + 1)
        # 向池中提交任務(wù)
        tp.submit(func, a=i, b=i + 1)  # 位置傳參，關(guān)鍵字傳參都可以

獲取任務(wù)結(jié)果

from concurrent.futures import ProcessPoolExecutor
import os
import time


def func(a, b):
    print(os.getpid(), 'start', a, b)
    time.sleep(1)
    print(os.getpid(), 'end', a, b)
    return a * b


if __name__ == '__main__':
    tp = ProcessPoolExecutor(4)  # 創(chuàng)建進程池對象
    future_d = {}
    for i in range(20):  # 異步非阻塞的
        ret = tp.submit(func, a=i, b=i + 1)  # future未來對象
        # print(ret)  # Future at 0x1ad918e1148 state=running>
        # print(ret.result())  # 這樣需要等待，同步的
        future_d[i] = ret
    for key in future_d:  # 同步阻塞的
        print(key, future_d[key].result())

tp對象的map

map 只適合傳遞簡單的參數(shù)，并且必須是一個可迭代的類型

from concurrent.futures import ProcessPoolExecutor
import os
import time


def func(a):
    print(os.getpid(), 'start', a[0], a[1])
    time.sleep(1)
    print(os.getpid(), 'end', a[0], a[1])
    return a[0] * a[1]


if __name__ == '__main__':
    tp = ProcessPoolExecutor(4)
    ret = tp.map(func, ((i, i + 1) for i in range(20)))  # 一般函數(shù)只接收一個參數(shù)，要想傳入多個，使用元組方式
    for r in ret:
        print(r)

回調(diào)函數(shù)

當(dāng)有一個結(jié)果需要進行處理時，都會綁定一個回調(diào)函數(shù)來處理，除非是得到所有結(jié)果之后才做處理，我們使用把結(jié)果存入列表遍歷列表的方式。

回調(diào)函數(shù)效率最高的。

from concurrent.futures import ThreadPoolExecutor
from threading import current_thread
import time


def func(a, b):
    print(current_thread().ident, 'start', a, b)
    time.sleep(1)
    print(current_thread().ident, 'end', a)
    return a * b


if __name__ == '__main__':
    tp = ThreadPoolExecutor(4)
    future_d = {}
    for i in range(20):  # 異步非阻塞的
        ret = tp.submit(func, a=i, b=i + 1)
        future_d[i] = ret
    for key in future_d:  # 同步阻塞的
        print(key, future_d[key].result())

上述代碼，打印結(jié)果是按照順序（0,1,2,3……），并不是誰先結(jié)束就打印誰。

使用回調(diào)函數(shù)以后，誰先執(zhí)行完就打印誰，代碼如下：

from concurrent.futures import ThreadPoolExecutor
from threading import current_thread
import time


def func(a, b):
    print(current_thread().ident, 'start', a, b)
    time.sleep(1)
    print(current_thread().ident, 'end', a)
    return a, a * b


def print_func(ret):  # 異步阻塞 每個任務(wù)都是各自阻塞各自，誰先執(zhí)行完誰先打印
    print(ret.result())


if __name__ == '__main__':
    tp = ThreadPoolExecutor(4)
    for i in range(20):  # 異步非阻塞的
        ret = tp.submit(func, a=i, b=i + 1)  # [ret0, ret1, ..., ret19]
        ret.add_done_callback(print_func)  # 異步阻塞 [print_func, print_func,...,print_func]
        # 回調(diào)機制
        # 回調(diào)函數(shù) 給ret對象綁定一個回調(diào)函數(shù)，等待ret對應(yīng)的任務(wù)有了結(jié)果之后立即調(diào)用print_func函數(shù)
        # 就可以對結(jié)果立即進行處理，而不用按照順序接收結(jié)果處理結(jié)果

ret這個任務(wù)會在執(zhí)行完畢的瞬間立即觸發(fā)print_func函數(shù)，并且把任務(wù)的返回值對象傳遞到print_func做參數(shù)。

回調(diào)函數(shù)的例子

from concurrent.futures import ThreadPoolExecutor
import requests


def get_page(url):  # 訪問網(wǎng)頁，獲取網(wǎng)頁源代碼，用線程池中的線程來操作
    respone = requests.get(url)
    if respone.status_code == 200:
        return {'url': url, 'text': respone.text}


def parse_page(res):  # 獲取到字典結(jié)果之后，計算網(wǎng)頁源代碼的長度，把'https://www.baidu.com : 長度值'寫到文件里，線程任務(wù)執(zhí)行完畢之后綁定回調(diào)函數(shù)
    res = res.result()
    parse_res = 'url:%s> size:[%s]\n' % (res['url'], len(res['text']))
    with open('db.txt', 'a') as f:
        f.write(parse_res)


if __name__ == '__main__':
    urls = [
        'https://www.baidu.com',
        'https://www.python.org',
        'https://www.openstack.org',
        'https://www.tencent.com/zh-cn',
        'http://www.sina.com.cn/'
    ]
    tp = ThreadPoolExecutor(4)
    for url in urls:
        ret = tp.submit(get_page, url)
        ret.add_done_callback(parse_page)  # 誰先回來誰就先把結(jié)果寫進文件

# 不用回調(diào)函數(shù)：
    # 按照順序獲取網(wǎng)頁，baidu python openstack tencent sina
    # 也只能按照順序?qū)?
# 用上了回調(diào)函數(shù)
    # 按照順序獲取網(wǎng)頁，baidu python openstack tencent sina
    # 哪一個網(wǎng)頁先返回結(jié)果，就先執(zhí)行哪個網(wǎng)頁對應(yīng)的回調(diào)函數(shù)（parse_page）

進程池線程池的應(yīng)用場景進程池：

場景：高計算的場景，沒有IO操作（沒有文件操作，沒有數(shù)據(jù)庫操作，沒有網(wǎng)絡(luò)操作，沒有input）；

進程的個數(shù)：[cpu_count*1, cpu_count*2]

線程池：

場景：爬蟲

線程的個數(shù)：一般根據(jù)IO的比例定制，cpu_count*5

到此這篇關(guān)于Python一些線程的玩法總結(jié)的文章就介紹到這了,更多相關(guān)Python線程的玩法內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章:

分析Python感知線程狀態(tài)的解決方案之Event與信號量
像線程一樣管理進程的Python multiprocessing庫
Python爬蟲之線程池的使用
Python多線程編程之threading模塊詳解
深入理解python多線程編程

標簽：清遠洛陽怒江泉州岳陽安慶吉林長春

巨人網(wǎng)絡(luò)通訊聲明：本文標題《Python一些線程的玩法總結(jié)》，本文關(guān)鍵詞 Python,一些,線程,的,玩法,；如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問題，煩請?zhí)峁┫嚓P(guān)信息告之我們，我們將及時溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò)，涉及言論、版權(quán)與本站無關(guān)。