python多线程学习一，python多线程学习, 本文希望达到

python多线程学习一，python多线程学习, 本文希望达到

本文希望达到的目标:

多线程的基本认识多线程编程的模块和类的使用Cpython的全局解释器锁GIL

一、多线程的基本认识

多线程编程的目的：并行处理子任务，大幅度地提升整个任务的效率。

同一个进程中的线程，共享相同的运行环境，共享同一片数据空间，所以线程间的通讯笔进程间的通信更简单，但是这样的共享是会有危险的，如果多线程共同访问同一数据，因为访问顺序的不同，可能会导致结果不一致。

二、多线程编程的模块和类的使用

为了更好说明多线程的优点以及多个标准库使用的差异性，以模拟“一个程序完成2个独立任务时间总和”为例子。

0、单进程单线程运行两个独立的任务：顺序执行，完成第一个任务后，再完成第二个任务。总时间是各个循环 运行时间之和，实际两个任务是完全独立的，如果并行执行，是可以减少运行时间的。

import threadfrom time import sleep,ctimedef loop0():    print ‘start loop0‘,‘at:‘,ctime()    sleep(4)    print ‘loop0‘,‘done at:‘,ctime()def loop1():    print ‘start loop1‘,‘at:‘,ctime()    sleep(3)    print ‘loop1‘,‘done at:‘,ctime()def main():    print ‘starting at:‘,ctime()    loop0()    loop1()     print ‘all done at:‘,ctime()if __name__==‘__main__‘:    main()

1、thread模块

python提供了两个标准库用于多线程编程，thread模块提供了基本的线程和锁的支持，而 threading 提供了更高级别，功能更强的线程管理的功能。一般都建议使用threading模块，毕竟功能更强大，更好管理。

thread模块和对象：（官网：https://docs.python.org/2/library/thread.html）

使用多线程编程，创建两个线程同时执行两个独立的任务，需要考虑，主线程执行时间和子线程执行时间的关系，如果单纯的创建线程去运行这2个任务，主线程执行完成时间必然比子线程快，子线程未运行完，主线程就已经退出了，在thread模块使用锁对象lock来管理，为每个线程创建一个锁对象，在线程执行完成后释放锁，而主线程判断所有的锁都释放后才能结束，进程间的通讯机制就这样简单的建立起来。

import threadfrom time import sleep,ctimeloops =[4,3]def loop(nloop,nsec,lock):    print ‘start loop‘,nloop,‘at:‘,ctime()    sleep(nsec)    print ‘loop‘,nloop,‘done at:‘,ctime()    lock.release()def main():    print ‘starting at:‘,ctime()    locks = []    nloops = range(len(loops))    for i in nloops:        lock = thread.allocate_lock()        lock.acquire()        locks.append(lock)    for i in nloops:        thread.start_new_thread(loop,(i,loops[i],locks[i]))    for i in nloops:        print ‘check lock‘        while locks[i].locked():            pass    print ‘all done at:‘,ctime()if __name__==‘__main__‘:    main()

运行时间为4s，单进程耗时7s，运行时间有减少。为什么不在创建锁的循环里创建线程呢？有以下几个原因：(1) 我 们想到实现线程的同步，所以要让“所有的马同时冲出栅栏”。(2) 获取锁要花一些时间，如果线程退出得“太快”，可能会导致还没有获得锁，线程就已经结束了的情况。

注意：

A：子线程开始：创建对象调用start_new_thread函数时，该函数不是在主线程里运行， 而是产生一个新的线程来运行这个函数。一旦调用该函数，子线程已经开始运行。

B：子线程退出：它不支持守护线程。当主线程退出时，所有的子线程不论它们是否还在工作，都会被强行退出。

2、threading模块 ：创建一个 Thread 的实例，传给它一个函数

它不仅提供了 Thread 类，还提供了各 种非常好用的同步机制。

threading模块和对象：（官网：https://docs.python.org/2/library/threading.html）

import threadingfrom time import sleep,ctimeloops =[4,3]def loop(nloop,nsec):    print ‘start loop‘,nloop,‘at:‘,ctime()    sleep(nsec)    print ‘loop‘,nloop,‘done at:‘,ctime()def main():    print ‘starting at:‘,ctime()    threads = []    nloops = range(len(loops))    for i in nloops:        t = threading.Thread(target=loop,args=(i,loops[i]))        threads.append(t)    for i in nloops:        print ‘thread‘,i,‘start‘        threads[i].start()    for i in nloops:        print ‘thread‘,i,‘join‘        threads[i].join()    print ‘all done at:‘,ctime()if __name__==‘__main__‘:    main()

注意：

A、子线程开始：调用start函数。所有的线程都创建了之后，再一起调用 start()函数启动，而不是创建一个启动一个。而且， 不用再管理一堆锁（分配锁，获得锁，释放锁，检查锁的状态等）

B、子线程结束：可以控制子线程和主线程结束的顺序，调用join(timeout=None) 程序挂起，直到线程结束；

C、守护线程一般是一个等待客户请求的服务器， 如果没有客户提出请求，它就在那等着。如果设定一个线程为守护线程，就表示这个线程 是不重要的，在进程退出的时候，不用等待这个线程退出。

3、thread类 ：Thread 派生出一个子类，创建一个这个子类的实例

import threadingfrom time import sleep,ctimeloops =(4,3)class MyThread(threading.Thread):    def __init__(self,func,args,name=‘‘):        threading.Thread.__init__(self)        self.name = name        self.func = func        self.args = args    def run(self):        self.func(*self.args)def loop(nloop,nsec):    print ‘start loop‘,nloop,‘at:‘,ctime()    sleep(nsec)    print ‘loop‘,nloop,‘done at:‘,ctime()def main():    print ‘starting at:‘,ctime()    threads = []    nloops = range(len(loops))    for i in nloops:        t = MyThread(loop,(i,loops[i]),loop.__name__)        threads.append(t)    for i in nloops:        print ‘thread‘,i,‘start‘        threads[i].start()    for i in nloops:        print ‘thread‘,i,‘join‘        threads[i].join()    print ‘all done at:‘,ctime()if __name__==‘__main__‘:    main()

4、threading模块中的thread类部分源码解析

thread模块提供了一系列基础函数，其实不是不能用，书本上写着的是不建议使用，但是如果用于底层开发是可以的。threading模块与之相比，最大的不同就是，threading模块中的thread类的属性特别多，

包含了对多线程的各自管理上的纬度属性，所以特别方便使用，实际上threading模块就是在thread模块上开发的，做了进一步的集成化和封装以便于用户更轻便的管理。

A ：threadding模块有引用thread模块：

try:    import threadexcept ImportError:    del _sys.modules[__name__]    raise

B： thread类的初始化函数部分截图如下：初始化的过程，其实就是多线程的属性的初始化的过程。把其中需要的资源，入参，thread管理的各自对象都初始化。

def __init__(self, group=None, target=None, name=None,                 args=(), kwargs=None, verbose=None):              assert group is None, "group argument must be None for now"        _Verbose.__init__(self, verbose)        if kwargs is None:            kwargs = {}        self.__target = target        self.__name = str(name or _newname())        self.__args = args        self.__kwargs = kwargs        self.__daemonic = self._set_daemon()        self.__ident = None        self.__started = Event()        self.__stopped = False        self.__block = Condition(Lock())        self.__initialized = True        # sys.stderr is not stored in the class like        # sys.exc_info since it can be changed between instances        self.__stderr = _sys.stderr

C：thread类的start函数，看到调用底层的_start_new_thread函数，就明白了，为啥thread类是调用start函数来启动线程,还调用了self.__started.wait()，__started对象实际是_Condition类的实例，这是一个对

线程锁管理的实例，调用这个类的wait方法就是在获取一把锁。

 def start(self):        if not self.__initialized:            raise RuntimeError("thread.__init__() not called")        if self.__started.is_set():            raise RuntimeError("threads can only be started once")        if __debug__:            self._note("%s.start(): starting thread", self)        with _active_limbo_lock:            _limbo[self] = self        try:            _start_new_thread(self.__bootstrap, ())        except Exception:            with _active_limbo_lock:                del _limbo[self]            raise        self.__started.wait()

 def wait(self, timeout=None):        if not self._is_owned():            raise RuntimeError("cannot wait on un-acquired lock")        waiter = _allocate_lock()        waiter.acquire()        self.__waiters.append(waiter)        saved_state = self._release_save()        try:    # restore state no matter what (e.g., KeyboardInterrupt)            if timeout is None:                waiter.acquire()                if __debug__:                    self._note("%s.wait(): got it", self)            else:                # Balancing act:  We can‘t afford a pure busy loop, so we                # have to sleep; but if we sleep the whole timeout time,                # we‘ll be unresponsive.  The scheme here sleeps very                # little at first, longer as time goes on, but never longer                # than 20 times per second (or the timeout time remaining).                endtime = _time() + timeout                delay = 0.0005 # 500 us -> initial delay of 1 ms                while True:                    gotit = waiter.acquire(0)                    if gotit:                        break                    remaining = endtime - _time()                    if remaining <= 0:                        break                    delay = min(delay * 2, remaining, .05)                    _sleep(delay)                if not gotit:                    if __debug__:                        self._note("%s.wait(%s): timed out", self, timeout)                    try:                        self.__waiters.remove(waiter)                    except ValueError:                        pass                else:                    if __debug__:                        self._note("%s.wait(%s): got it", self, timeout)        finally:            self._acquire_restore(saved_state)

D：而调用join方法，实际也是调用_Condition类的实例，判断当前锁的状态，在线程运行完毕后，释放锁。

    def join(self, timeout=None):        if not self.__initialized:            raise RuntimeError("Thread.__init__() not called")        if not self.__started.is_set():            raise RuntimeError("cannot join thread before it is started")        if self is current_thread():            raise RuntimeError("cannot join current thread")        if __debug__:            if not self.__stopped:                self._note("%s.join(): waiting until thread stops", self)        self.__block.acquire()        try:            if timeout is None:                while not self.__stopped:                    self.__block.wait()                if __debug__:                    self._note("%s.join(): thread stopped", self)            else:                deadline = _time() + timeout                while not self.__stopped:                    delay = deadline - _time()                    if delay <= 0:                        if __debug__:                            self._note("%s.join(): timed out", self)                        break                    self.__block.wait(delay)                else:                    if __debug__:                        self._note("%s.join(): thread stopped", self)        finally:            self.__block.release()

三、Cpython的全局解释器锁GIL

推荐一篇更全面介绍的博客：https://www.cnblogs.com/frchen/p/5740606.html

GIL全称Global Interpreter Lock，GIL并不是Python的特性，它是在实现Python解析器(CPython)时所引入的一个概念。实际现在一般使用的解析器都是基于CPython的，如果是Jpython（基于java），可能就不存在这个问题。像单 CPU 的系统中运行多个进程那样，内存中可以存放多个程序，但任意时刻，只有一个程序在 CPU 中运行。 在CPython 解释器中可以“运行” 多个线程，但在任意时刻，只有一个线程在解释器中运行。而对 Python 虚拟机的访问由全局解释器锁（GIL）来控制，正是这个锁能保证同一时刻只有一个线程在运行。

对所有面向 I/O 的(会调用内建的操作系统 C 代码的)程序来说，GIL 会在这个 I/O 调用之前被释放，以允许其它的线程在这个线程等待 I/O 的时候运行。如果某线程并未使用很多 I/O 操作， 它会在自己的时间片内一直占用处理器（和 GIL）。也就是说，I/O 密集型的 Python 程序比计算密集型的程序更能充分利用多线程环境的好处。

简单的总结下就是：Python的多线程在多核CPU上，只对于IO密集型计算产生积极效果；而当有至少有一个CPU密集型线程存在，那么多线程效率会由于GIL而大幅下降。

python多线程学习一