threading
CPU密集型与I/O密集型
- 计算密集型：CPU密集型也叫计算密集型，要进行大量的计算，消耗CPU资源（CPU占用率高）。
- I/O密集型：CPU占用率低，任务的大部分时间都在等待IO操作完成（因为IO的速度远远低于CPU和内存的速度）。
GIL
CPython下，因为 Global Interpreter Lock（GIL），一个时刻只有一个线程可以执行Python代码（尽管如此，某些性能导向的库可能会克服这个限制）。如果你想让你的应用更好的利用多核计算机的计算性能，推荐你使用 multiprocessing 或者 concurrent.futures.ProcessPoolExecutor。但是如果你想同时运行多个I/O绑定任务，线程仍然是一个合适的模型。
由于GIL的存在，CPython不能有效的利用多核处理器，表现为任意时间一个进程只有一个线程在跑；而IO密集型运算，多数是在IO读写将线程堵塞掉了，这个时候线程切换是很合理的，反正线程只是单纯地等待，在这个等待的时候去做其他的事情，资源利用率就上去了。
因为GIL锁，Python的多线程只能使用一个CPU核心；如果是CPU密集型应该用多进程模型（大量的计算），如果是IO密集型应该用多线程模型（数据的读取写入、网络IO数据传输等）。
函数
-
threading.active_count()返回当前活动的threading.Thread对象数——threading.enumerate()返回的列表的长度。
-
threading.current_thread()返回当前线程的Thread对象。
-
threading.get_ident()返回当前线程的标识。
-
threading.enumerate()返回当前活动线程Thread对象的列表。
-
threading.main_thread()返回主线程main Thread对象：一般情况下，主线程是Python解释器开始时创建的线程。
-
etc.
线程对象
class threading.Thread(group=None, target=None, name=None, args=(), kwargs={}, *, daemon=None)
创建线程对象后，使用start()方法可将其激活，这会在独立的线程控制中调用run方法。
当线程活动后，该线程总会被认为是alive；如果run()方法结束了，该线程就不是存活的；可使用is_alive()方法检查线程是否存活。
name属性是线程的名称，可以通过构造函数传递或者属性访问方式访问或修改。
注意：
- 如果需要重写Thread类的方法，子类只应该重写Thread类的
__init__和run方法。 - 如果子类型重载了构造函数，它一定要确保在做任何事前，先发起调用基类构造器(
Thread.__init__())
Thread对象属性/方法：
-
start()：激活线程。
-
run()：代表线程活动的方法。
-
join(timeout=None)：等待该线程结束。
注意：join()方法只有在你需要等待线程完成的时候才是有用的。
例子1：不使用join。添加一个线程，输出“Job start.”和“Job end.”标记线程的开始和结束。线程create_thread和线程main同时运行，其中create_thread消耗较长的时间（通过time.sleep模拟）。mian执行结束后，added_thread才执行完毕。
import threading import time def job(): print('Job start.') time.sleep(1) print('Job end.') def main(): create_thread = threading.Thread(target=job) create_thread.start() print("All Worker Done.") if __name__ == '__main__': main()Job start. All Worker Done. >>> Job end.例子2：使用join，join使得线程main等待create_thread执行完毕后才结束。
import threading import time def job(): print('Job start.') time.sleep(1) print('Job end.') def main(): create_thread = threading.Thread(target=job) create_thread.start() create_thread.join() print("All Worker Done.") if __name__ == '__main__': main()Job start. Job end. All Worker Done. -
is_alive()：返回线程是否存活。
-
name：线程的名称。
-
ident：线程的标识。
-
daemon：判断线程是（True）否（False）守护线程。
线程锁
每个线程互相独立，相互之间没有任何关系，但是在同一个进程中的资源，线程是共享的，如果不进行资源的合理分配，对数据造成破坏，使得线程运行的结果不可预期。这种现象称为“线程不安全”。
class threading.Lock
- acquire(blocking=True, timeout=-1)：可以阻塞或非阻塞地获得锁（或称为加锁）。
- 无参数调用：如果这个线程已经拥有锁，递归级别增加一，并立即返回。否则，如果其他线程拥有该锁，则阻塞至该锁解锁。一旦锁被解锁(不属于任何线程)，则抢夺所有权，设置递归等级为一，并返回。如果多个线程被阻塞，等待锁被解锁，一次只有一个线程能抢到锁的所有权。在这种情况下，没有返回值。
- blocking=True：阻塞直到锁被释放，然后将锁锁定并返回
True; - blocking=True， timeout=2：允许等待2秒，等了2s也获得不了锁，返回False，否则返回True。
- blocking=False：非阻塞方式获得锁。如果已被锁定，直接返回False，不等待；如果未被锁定，则返回Ture。
- release()：释放锁（或称为解锁）。
注意：join()方法也被称为自旋锁。
例子：
import time
import threading
counter_lock = threading.Lock()
counter = 0
class Thread(threading.Thread):
def __init__(self, name):
super().__init__()
self.name = "Thread-"+name
def run(self):
global counter, counter_lock
counter_lock.acquire()
try:
time.sleep(1)
counter += 1
print("I'm {}, set counter:{}".format(self.name, counter))
finally:
counter_lock.release()
def main():
for i in range(1,10):
t = Thread(str(i))
t.start()
if __name__ == '__main__':
main()
运行结果：
I'm Thread-1, set counter:1
I'm Thread-2, set counter:2
I'm Thread-3, set counter:3
I'm Thread-4, set counter:4
I'm Thread-5, set counter:5
I'm Thread-6, set counter:6
I'm Thread-7, set counter:7
I'm Thread-8, set counter:8
I'm Thread-9, set counter:9
如果不加锁，那么结果可能会是如下情况：
I'm Thread-2, set counter:1
I'm Thread-1, set counter:2
I'm Thread-4, set counter:3
I'm Thread-3, set counter:4
I'm Thread-6, set counter:5
I'm Thread-7, set counter:7
I'm Thread-9, set counter:9
I'm Thread-8, set counter:8
I'm Thread-5, set counter:6
信号量
class threading.Semaphore(value=1)
信号量是计算机科学史上最古老的同步原语之一，早期的荷兰科学家 Edsger W. Dijkstra 发明了它。（他使用名称 P()和 V() 而不是 acquire()和 release()）。
一个信号量管理一个内部计数器，该计数器因 acquire()方法的调用而递减，因 release()方法的调用而递增。 计数器的值永远不会小于零；当 acquire()方法发现计数器为零时，将会阻塞，直到其它线程调用 release()方法。
-
acquire()：获取一个信号量。
不带参数时调用：
- 如果在进入时，内部计数器的值大于0，将其减1并立即返回True。
- 如果在进入时，内部计数器的值为0，将会阻塞直到被
release()方法的调用唤醒。一旦被唤醒（并且计数器值大于0），将计数器值减少1并返回True。线程会被每次release()方法的调用唤醒。线程被唤醒的次序是不确定的。
blocking为False时：不会发生阻塞；如果不带参数的调用会发生阻塞（内部计数器的值为0）的话，带参数的调用在相同情况下将会立即返回False。否则，执行和不带参数的调用一样的操作并返回True。
当参数 timeout 不为
None时，将最多阻塞 timeout 秒。如果未能在时间间隔内成功获取信号量，将返回False，否则返回True。 -
release()：释放一个信号量，将内部计数器的值增加1；当计数器原先的值为0且有其它线程正在等待它再次大于0时，唤醒正在等待的线程。
信号量主要作用是保护有限的资源。以数据库连接数为例说明，假设当前数据库支持最大连接数为3，将信号量初始值设为3，那么同时最大可以有三个线程连接数据库，其他线程若再想连接数据库，则只有等待，直到某一个线程释放数据库连接。
import threading
import time
semaphore=threading.Semaphore(3)
def connect_db():
semaphore.acquire()
try:
print(threading.current_thread().name + " connecting to db...")
time.sleep(2)
finally:
semaphore.release()
print(threading.current_thread().name + " released to db...")
def main():
for i in range(4):
t = threading.Thread(target=connect_db)
t.start()
if __name__ == '__main__':
main()
Thread-1 connecting to db...
Thread-2 connecting to db...
Thread-3 connecting to db...
Thread-1 released to db...
Thread-4 connecting to db...
Thread-2 released to db...
Thread-3 released to db...
Thread-4 released to db...
注意：建议在With语句（try-finally）中使用线程锁、信号量、条件。
条件对象
class threading.Condition(lock=None)
Condition应用场景
线程A需要等某个条件成立才能继续往下执行，现在这个条件不成立，线程A就阻塞等待，而线程B在执行过程中使这个条件成立了，就唤醒线程A继续执行。
通俗的讲，生产者，消费者的模型。 condition很适合那种主动休眠，被动唤醒的场景。 condition使用难度要高于mutex，一不注意就会被死锁。
属性/方法：
-
acquire(*args)：请求底层锁。
-
release()：释放底层锁。
-
wait(timeout=None)：等待直到被通知(notify)或发生超。此操作会释放底层锁，然后阻塞，直到在另外一个线程中调用同一个条件变量的
notify()或notify_all()唤醒它，或者直到可选的超时发生。一旦被唤醒或者超时，它重新获得锁并返回。 -
wait_for(predicate, timeout=None)：等待，直到条件计算为真。这个实用方法会重复地调用
wait()直到满足判断式或者发生超时。返回值是判断式最后一个返回值，而且如果方法发生超时会返回False。忽略timeout，大致于如下代码：
while not predicate(): cv.wait() -
notify(n=1)：默认唤醒一个等待这个条件的线程；这个方法唤醒最多 n 个正在等待这个条件变量的线程；如果没有线程在等待，这是一个空操作。
-
notify_all()：唤醒所有正在等待这个条件的线程。
生产者-消费者——对话示例
import threading
import time
condition = threading.Condition()
class Producer(threading.Thread):
def __init__(self, condition, name):
super().__init__()
self.condition = condition
self.name = name
def run(self):
self.condition.acquire()#获得锁
print("{name}: {msg}".format(name=self.name, msg="山无棱，天地合，乃敢与君绝！"))
self.condition.notify()#通知等待线程
self.condition.wait()#释放对琐的占用，同时线程挂起在这里，直到被notify并重新占有琐。
print("{name}: {msg}".format(name=self.name, msg="紫薇！！！"))
self.condition.notify()
self.condition.wait()
print("{name}: {msg}".format(name=self.name, msg="是你"))
self.condition.notify()
self.condition.wait()
print("{name}: {msg}".format(name=self.name, msg="有钱吗？ 借点"))
self.condition.notify()
self.condition.release()
class Consumer(threading.Thread):
def __init__(self, condition, name):
super().__init__()
self.condition = condition
self.name = name
def run(self):
time.sleep(1)#等待1s，让Producer先获得锁
self.condition.acquire()
print("{name}: {msg}".format(name=self.name, msg="海可枯，石可烂，激情永不散！"))
self.condition.notify()
self.condition.wait()
print("{name}: {msg}".format(name=self.name, msg="尔康！！！"))
self.condition.notify()
self.condition.wait()
print("{name}: {msg}".format(name=self.name, msg="是我"))
self.condition.notify()
self.condition.wait()
print("{name}: {msg}".format(name=self.name, msg="滚！"))
self.condition.release()
def main():
producer = Producer(condition, "尔康")
consumer = Consumer(condition, "紫薇")
producer.start()
consumer.start()
if __name__ == '__main__':
main()
对话结果：
尔康: 山无棱，天地合，乃敢与君绝！
紫薇: 海可枯，石可烂，激情永不散！
尔康: 紫薇！！！
紫薇: 尔康！！！
尔康: 是你
紫薇: 是我
尔康: 有钱吗？ 借点
紫薇: 滚！
事件
class threading.Event
事件对象管理一个内部标志，调用 set()方法可将其设置为True。调用 clear()方法可将其设置为False。调用 wait()方法将进入阻塞直到标志为True。这个标志初始时为False。
Event其实就是一个简化版的 Condition。Event没有锁，无法使线程进入同步阻塞状态。
例子：小明交女朋友了，高兴，就打算请室友出去吃吨饭；饭馆已经定好，小明和女朋友正等他室友，人到齐了就开吃。
import threading
event = threading.Event()
class Friend(threading.Thread):
def __init__(self, event, name):
super().__init__()
self.event = event
self.name = name
def run(self):
print("{} 到达饭馆.".format(self.name))
self.event.wait()
print("{} 开吃咯.".format(self.name))
def main():
for name in ['小华', '小刚', '小王']:
t = Friend(event, name)
t.start()
print("小明：兄弟们开吃了.")
event.set()
if __name__ == '__main__':
main()
小华 到达饭馆.
小刚 到达饭馆.
小王 到达饭馆.
小明：兄弟们开吃了.
小刚 开吃咯.
小王 开吃咯.
小华 开吃咯.
838
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
