Python多线程总结，,threading
Python多线程总结，,threading
threading 线程是操作系统能够进行运算调度的最小单位。若干个线程组成一个进程，一个进程至少有一个线程。
Python的标准库提供了两个模块：_thread和threading，后者是对前者的高级封闭。绝大多数情况下我们只需要使用threading这个高级模块。
threading模块提供的类：
Thread，Event
threading模块的常用方法和属性：
threading.current_thread().name：返回当前线程的线程名。
threading.activeCount()：返回活动的线程数量。
Thread类
有两种方法来使用thread类创建线程。
import threading,time#方法一：将要执行的方法作为参数传给Thread的构造方法def run(arg): print(‘thread %s is running...‘%arg) time.sleep(1)for i in range(5): t = threading.Thread(target=run,args=(i,)) t.start()print(‘thread %s is end!‘ %threading.current_thread().name)
import threading,time#方法二：从Thread继承，并重写run()class MyThread(threading.Thread): def __init__(self,arg): super(MyThread,self).__init__() self.arg = arg def run(self):#重写run(),定义要运行的函数 print(‘thread %s is running...‘%self.arg) time.sleep(1)for i in range(5): t = MyThread(i) t.start()print(‘thread %s is end!‘ %threading.current_thread().name)
构造方法：
Thread(self, group=None, target=None, name=None,args=(), kwargs=None, *, daemon=None):
target：要执行的方法，比如方法一中的run。此处不用加（），因为不执行方法只传方法名；
args/kwargs：方法的参数；
name：线程名 就是 threading.current_thread().name 的值
实例方法：
start()：启动线程
join(timeout=None)：阻塞当前上下文环境的线程，直到调用此方法的线程终止或到达指定的timeout（可选参数）；
setDaemon(bool)：设置为守护进程。注意：需要在start()之前设置。
设置为守护进程：主线程结束，守护进程自动结束，无论当时守护进程为何执行状态。
不为守护进程：主线程等待此线程结束后方可结束。
守护进程例子：
例一：默认情况下不设置为守护进程
import threading,timedef run(arg): time.sleep(2) print(‘thread %s is running...%s‘%(arg,time.ctime()))for i in range(5): t = threading.Thread(target=run,args=(i,)) # t.setDaemon(True) t.start()print(‘thread %s is end!‘ %threading.current_thread().name)
#可看到系统同时启动了5个子线程，等待全部执行结束后，才结束主线程。
例一：设置为守护进程
import threading,timedef run(arg): time.sleep(2) print(‘thread %s is running...%s‘%(arg,time.ctime()))for i in range(5): t = threading.Thread(target=run,args=(i,)) t.setDaemon(True) t.start()print(‘thread %s is end!‘ %threading.current_thread().name)
#可看到只打印出‘thread MainThread is end!’，子线程未执行完成，主结束已完成结束。
join()使用
import threading,timedef run(arg): time.sleep(3) print(‘thread %s is running...%s‘%(arg,time.ctime()))thread_list = []for i in range(5): t = threading.Thread(target=run,args=(i,)) t.setDaemon(True) t.start() thread_list.append(t) #为了不阻塞后面的线程的启动，不在这里join,先放到一个列表里for res in thread_list: #循环线程实例列表，等待所有线程执行完毕 res.join()print(‘thread %s is end!‘ %threading.current_thread().name)
线程间交换数据
方法一：通过一个全局变量
import threadingdef run(): global sum #申明使用全局变量sum（并非生成一个全局变量sum） sum += 1sum = 0thread_list = []for i in range(50): t = threading.Thread(target=run,args=()) t.start()for res in thread_list: res.join()print(‘all threads has done...‘,threading.current_thread().name,threading.active_count())print(‘sum:‘,sum)
以上代码块中，对全局变量并没有加上线程锁。在Python3中，一般不会出什么问题，但官方也并没有明确表示会默认在后台加上锁，所以还是推荐手动加上锁。但在Python2中，极有可能会出现计算的值比理想中的值小的情况。为什么会出现这种情况呢，详情请见下图：（图来自金角大王）
一个加锁后的代码：
import threadinglock = threading.Lock() #创建一个锁实例def run(): lock.acquire() #加锁 global sum sum += 1 lock.release() #解锁sum = 0thread_list = []for i in range(50): t = threading.Thread(target=run,args=()) t.start()for res in thread_list: res.join()print(‘all threads has done...‘,threading.current_thread().name,threading.active_count())print(‘sum:‘,sum)
值得注意的是，在很少的情况下，锁中套锁，多道锁的情况下一定要使用递归锁，可避免程序被自己锁死。方法很简单：
lock = threading.RLock() #生成一个递归锁实例，即可
方法二：队列
队列是一个容器，类似于列表。但与列表有明显的区别！从列表中读取数据后，列表中的数据不会消失。但从队列中读取数据，此数据会从原队列中被取走，不再存在于队列中。
作用：
解耦，使程序之间实现松耦合（一个模块修改了不影响另一个调用此模块的模块） 提高处理效率队列类型：
先入先出 class queue.Queue(maxsize=0)
后入先出 class queue.LifoQueue(maxsize=0) #last in first out
自定义顺序 class queue.PriorityQueue()
三种队列举例：
import queue#先入先出队列q = queue.Queue() #默认不限制队列大小，也可指定maxsize=q.put(‘d1‘) #向队列中放入数据q.put(‘d2‘)q.put(‘d3‘)b = q.qsize() #大小要在这里先得到，如果放在while中，q.qsize会不断变小，取出一个小一个i = 0while i < b: print(q.get()) i += 1#创建一个后进先出队列q = queue.LifoQueue()q.put(1)q.put(2)q.put(3)print(q.get())print(q.get())print(q.get())#创建一个优先级队列q = queue.PriorityQueue()q.put((10,‘lyj‘))q.put((-1,‘mxi‘))q.put((3,‘ww‘))q.put((11,‘aa‘))print(q.get())print(q.get())print(q.get())print(q.get())
信号量
与锁功能相同，只不过信号量规定了多把锁的存在，规定了最多同时执行的线程数。
作用：像数据库这类应用，规定只有100个客户端可同时连接执行操作，超过此量会引起性能衰减。就可以使用信号量来规定最大放行数量。
import threading,timedef run(n): semaphore.acquire() #信号量加锁 time.sleep(1) print(‘run the thread:%s‘ %n) semaphore.release() #信号量解锁if __name__ == ‘__main__‘: semaphore = threading.BoundedSemaphore(5) #最多允许5个线程同时运行 for i in range(22): t = threading.Thread(target=run,args=(i,)) t.start()while threading.active_count() != 1: passelse: print(‘----all threads done---‘)#注意：程序执行效果可能为5个同时结束，同时开始，实际上并非同时开始，只是总量为5个，先进先出执行。
Event类
Event（事件）是最简单的线程通信机制之一：一个线程通知事件，其他线程等待事件。Event内置了一个初始为False的标志，当调用set()时设为True，调用clear()时重置为 False。wait()将阻塞线程至等待阻塞状态。
构造方法：
Event()
实例方法：
set()：将标志位设置为True，阻塞线程转为放行状态（绿灯）
clear()：将标志位设置为False，放行状态转为阻塞状态（红灯）
is_set()：检测标志位是否为True，返回True，否则返回False
wait([timeout])：如果标志为True将立即返回，否则阻塞线程至等待阻塞状态，等待其他线程调用set()。
代码实例：红绿灯
import time,threadingevent = threading.Event()event.set()def lighter(): count = 0 while True: if count > 20 and count < 30: #改成红灯 event.clear() #把标志位清除 print(‘\033[41;1mred light is on...\033[0m‘) elif count > 30: event.set() #变绿灯 count = 0 else: print(‘\033[42;1mgreen light is on...\033[0m‘) time.sleep(1) count += 1def car(name): while True: if event.is_set(): #代表绿灯 print(‘[%s] running...‘ % name) time.sleep(1) else: print(‘waiting...‘) event.wait() #阻塞线程
lighter = threading.Thread(target=lighter,)lighter.start()car1 = threading.Thread(target=car,args=(‘TOYOTO‘,))car1.start()
生产者消费者模型
生产者负责向容器（如队列）内投放数据，消费者从容器中取数据使用。达到生产者与消费者彼此之间不直接通讯的目的。容器就相当于一个缓冲区，平衡了生产者和消费者的处理能力。
生产者消费者模型实现了程序的解耦（一个模块进行了修改，不影响另一个调用它的模块）
举例：
import threading,time,queueq = queue.Queue(maxsize=10)def producer(name): count = 0 while True: q.put(‘骨头%s‘%count) print(‘%s生产了第%s块骨头‘ %(name,count)) count += 1 time.sleep(1)def consumer(name): while True: print(‘%s吃了%s‘%(name,q.get())) time.sleep(1)p = threading.Thread(target=producer,args=(‘lyj‘,))c1 = threading.Thread(target=consumer,args=(‘dog‘,))c2 = threading.Thread(target=consumer,args=(‘meixi‘,))p.start()c1.start()c2.start()
参考文章：https://www.cnblogs.com/tkqasn/p/5700281.html
Python多线程总结
评论关闭