Python中5个多线程技巧

Python中的多线程

在Python中，我们可以使用threading模块来实现多线程。下面我们先来看一个简单的例子，看看如何创建和启动线程。

简单的多线程例子

import threading
import time

def worker(name):
    print(f'线程 {name} 开始工作')
    time.sleep(2)
    print(f'线程 {name} 工作结束')

# 创建两个线程
thread1 = threading.Thread(target=worker, args=('A',))
thread2 = threading.Thread(target=worker, args=('B',))

# 启动线程
thread1.start()
thread2.start()

# 等待所有线程完成
thread1.join()
thread2.join()

print('所有线程完成')

在这个例子中，我们创建了两个线程，每个线程都执行worker函数，并传入不同的参数。start()方法启动线程，join()方法等待线程完成。

多线程最佳实践

理解了基本概念后，我们再来看看一些多线程的最佳实践，确保你的多线程代码高效且不会出问题。

1. 使用锁保护共享数据

多个线程访问共享数据时，可能会导致数据不一致。我们可以使用Lock来确保同一时间只有一个线程能访问共享数据。

import threading

counter = 0
lock = threading.Lock()

def increment():
    global counter
    for _ in range(100000):
        with lock:
            counter += 1

threads = []
for _ in range(5):
    thread = threading.Thread(target=increment)
    threads.append(thread)
    thread.start()

for thread in threads:
    thread.join()

print(f'最终计数值: {counter}')

在这个例子中，我们用lock来保护对counter的访问，确保每次只有一个线程能修改它。

2. 使用线程池提高效率

手动管理线程可能会很麻烦，特别是当你需要创建很多线程时。Python提供了concurrent.futures模块，可以方便地使用线程池来管理多个线程。

from concurrent.futures import ThreadPoolExecutor
import time

def worker(name):
    print(f'线程 {name} 开始工作')
    time.sleep(2)
    print(f'线程 {name} 工作结束')

with ThreadPoolExecutor(max_workers=3) as executor:
    names = ['A', 'B', 'C', 'D', 'E']
    executor.map(worker, names)

print('所有线程完成')

在这个例子中，我们使用线程池来管理5个线程，并限制同时运行的线程数为3。

3. 避免全局变量

尽量避免在多线程程序中使用全局变量，因为全局变量会导致线程之间的数据共享和竞争。如果需要共享数据，尽量使用线程安全的队列或者其他同步机制。

import threading
import queue

def worker(q):
    while not q.empty():
        item = q.get()
        print(f'处理项目: {item}')
        q.task_done()

q = queue.Queue()
for item in range(10):
    q.put(item)

threads = []
for _ in range(3):
    thread = threading.Thread(target=worker, args=(q,))
    threads.append(thread)
    thread.start()

q.join()

for thread in threads:
    thread.join()

print('所有项目处理完毕')

在这个例子中，我们使用queue.Queue来管理任务队列，避免了全局变量的使用。