Python多线程教程

最新推荐文章于 2023-03-10 10:20:45 发布

辞.九门回忆

最新推荐文章于 2023-03-10 10:20:45 发布

阅读量1.6k

点赞数

分类专栏： Python记录文章标签： python windows 开发语言算法开源

本文链接：https://blog.csdn.net/Jimmy_wei_2010/article/details/127637239

版权

Python记录专栏收录该内容

10 篇文章 0 订阅

订阅专栏

多线程介绍

什么是线程

线程（Thread）也叫轻量级进程，是操作系统能够进行运算调度的最小单位，它被包涵在进程之中，是进程中的实际运作单位。

个线程可以创建和撤消另一个线程，同一进程中的多个线程之间可以并发执行。

为什么需要多线程

进程之间不能共享内存，但线程之间共享内存非常容易。
使用多线程来实现多任务并发执行比使用多进程的效率高。
多个线程需要并发处理，并共享处理结果。

多线程实现方法

创建线程

1.普通创建线程方法

调用threading模块：

import threading，time

def run(input):
    for i in range(10):
        print('sub task:%s'%input)
        time.sleep(1)

if __name__ == '__main__':
    t = threading.Thread(target=run, args=("hello world",))
    t.start()
    for i in range(10):
        print('main task')
        time.sleep(1)

2.Thread类继承方法

新建类，继承自threading.Thread类：

import threading
import time

class MyThread(threading.Thread):
    def __init__(self, input):
        super(MyThread, self).__init__()  # 重构run函数必须要写
        self.input = input

    def run(self):
      	for i in range(10):
            print("task", self.input)
            time.sleep(1)

if __name__ == "__main__":
    t1 = MyThread("hello world 1")
    t2 = MyThread("hello world 2")
    t1.start()
    t2.start()

守护线程

1.设置子线程为守护线程

使用setDaemon(True)把所有的子线程都变成了主线程的守护线程，因此当主进程结束后，子线程也会随之结束。

import threading
import time

def run(n):
    for i in range(10):
        print("task", self.input)
        time.sleep(1)

if __name__ == '__main__':
    t = threading.Thread(target=run, args=("hello world",))
    t.setDaemon(True)   # 主线程kill，子线程自动kill
    t.start()
    print("end")

2.主线程等待子线程结束后执行下一步

为了让守护线程执行结束之后，主线程再结束，我们可以使用join方法，让主线程等待子线程执行。

import threading
import time

def run(n):
    for i in range(10):
        print('sub task')
        time.sleep(1)

if __name__ == '__main__':
    t = threading.Thread(target=run, args=("t1",))
    t.setDaemon(True)   # 主线程kill，子线程自动kill
    t.start()
    t.join()  # 主线程停止等待子线程执行完毕后，再继续执行！
              # 注释掉之后，就是子线程、主线程同时跑!

3.多线程共享全局变量

线程是进程的执行单元，进程是系统分配资源的最小单位，所以在同一个进程中的多线程是共享资源的。

import threading
import time
g_num = 100

def run(n):
    global g_num
    for i in range(10):
        print('sub task')
        g_num += 1
        time.sleep(1)

if __name__ == '__main__':
    t = threading.Thread(target=run, args=("t1",))
    t.setDaemon(True)   # 主线程kill，子线程自动kill
    t.start()
    # t.join()  # 主线程停止等待子线程执行完毕后，再继续执行！
                # 注释掉之后，就是子线程、主线程同时跑！
    for i in range(10):
        print('main task:%d'%g_num)
        time.sleep(1)

4.互斥锁

当多个线程同时修改同一条数据时可能会出现脏数据，所以，出现了线程锁，即同一时刻允许一个线程执行操作。
如果有多个线程同时操作一个对象，如果没有很好地保护该对象，会造成程序结果的不可预期，我们也称此为**“线程不安全”**。

线程锁用于锁定资源，你可以定义多个锁, 像下面的代码, 当你需要独占某一资源时，任何一个锁都可以锁这个资源，就好比你用不同的锁都可以把相同的一个门锁住是一个道理。

from threading import Thread,Lock
import os,time,threading
reg = 0

def work1():
    global reg

    lock.acquire()
    for i in range(10):
        reg = i
        print(reg)
        time.sleep(0.5)
    lock.release()

def work2():
    global reg

    lock.acquire()
    for i in range(10):
        reg = i * 10
        print(reg)
        time.sleep(0.5)
    lock.release()


if __name__ == '__main__':
    lock=Lock()
    t1 = threading.Thread(target=work1)
    t2 = threading.Thread(target=work2)
    t1.start()
    t2.start()
    t1.join() # hold on ,wait for this thread
    t2.join() # hold on ,wait for this thread

5.递归锁

RLcok类的用法和Lock类一模一样，但它支持嵌套，在多个锁没有释放的时候一般会使用RLcok类。

import threading
import time

def Func(lock):
    global gl_num
    lock.acquire()
    gl_num += 1
    time.sleep(1)
    print(gl_num)
    lock.release()

if __name__ == '__main__':
    gl_num = 0
    lock = threading.RLock()
    for i in range(10):
        t = threading.Thread(target=Func, args=(lock,))
        t.start()

6.信号量

互斥锁同时只允许一个线程更改数据，而Semaphore是同时允许一定数量的线程更改数据，比如厕所有3个坑，那最多只允许3个人上厕所，后面的人只能等里面有人出来了才能再进去。

import threading
import time

def run(n, semaphore):
    semaphore.acquire()   #加锁
    time.sleep(1)
    print("run the thread:%s\n" % n)
    semaphore.release()     #释放

if __name__ == '__main__':
    num = 0
    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=("t-%s" % i, semaphore))
        t.start()
    while threading.active_count() != 1:
        pass  # print threading.active_count()
    else:
        print('-----all threads done-----')

7.事件（Event类）

python线程的事件用于主线程控制其他线程的执行，事件是一个简单的线程同步对象，其主要提供以下几个方法：
- clear 将flag设置为“False”
- set 将flag设置为“True”
- is_set 判断是否设置了flag
- wait 会一直监听flag，如果没有检测到flag就一直处于阻塞状态

事件处理的机制：全局定义了一个“Flag”，当flag值为“False”，那么event.wait()就会阻塞，当flag值为“True”，那么event.wait()便不再阻塞。

#利用Event类模拟红绿灯
import threading
import time

event = threading.Event()

# 前5秒是绿灯，5~10秒是红灯。
def lighter():
    count = 0
    event.set()     #初始值为绿灯
    while True:
        if 5 < count <=10 :
            event.clear()  # 红灯，清除标志位
            print("\33[41;1mred light is on...\033[0m")
        elif count > 10:
            event.set()  # 绿灯，设置标志位
            count = 0
        else:
            print("\33[42;1mgreen light is on...\033[0m")

        time.sleep(1)
        count += 1

def car(name):
    while True:
        if event.is_set():      #判断是否设置了标志位
            print("[%s] running..."%name)
            time.sleep(1)
        else:
            print("[%s] sees red light,waiting..."%name)
            event.wait()
            print("[%s] green light is on,start going..."%name)

light = threading.Thread(target=lighter,)
light.start()

car = threading.Thread(target=car,args=("MINI",))
car.start()

Python多线程内在逻

在非python环境中，单核情况下，同时只能有一个任务执行。多核时可以支持多个线程同时执行**。但是在python中，无论有多少核，同时只能执行一个线程。**
GIL的全称是Global Interpreter Lock(全局解释器锁)，来源是python设计之初的考虑，为了数据安全所做的决定。某个线程想要执行，必须先拿到GIL，我们可以把GIL看作是“通行证”，并且在一个python进程中，GIL只有一个。拿不到通行证的线程，就不允许进入CPU执行。
Python多线程的工作过程：(python在使用多线程的时候，调用的是c语言的原生线程)
- 拿到公共数据
- 申请gil
- python解释器调用os原生线程
- os操作cpu执行运算
- 当该线程执行时间到后，无论运算是否已经执行完，gil都被要求释放
- 进而由其他进程重复上面的过程
- 等其他进程执行完后，又会切换到之前的线程（从他记录的上下文继续执行），整个过程是每个线程执行自己的运算，当执行时间到就进行切换（context switch）。