小猪的Python学习之旅 —— 7.Python并发之threading模块(1)

最新推荐文章于 2024-03-19 09:11:22 发布

hong2511

最新推荐文章于 2024-03-19 09:11:22 发布

阅读量354

点赞数

文章标签：并发 python thread 模块 Python学习

原文地址为：小猪的Python学习之旅 —— 7.Python并发之threading模块(1)

小猪的Python学习之旅 —— 7.Python并发之threading模块(1)

标签：Python

引言：

从本节开始的连续几节我们都会围绕着Python并发进行学习，
本节学习的是 threading 这个线程相关模块，附上官方文档：
https://docs.python.org/3/library/threading.html
跟官方文档走最稳健，网上的文章都是某一时期的产物，IT更新
换代那么快，过了一段时间可能就改得面目全非了，然后你看了
小猪现在的文章然后写代码，这不行那不行就开始喷起我来了，我表示

另外，在查阅相关资料的时候发现很多文章还是用的 thread模块，
在高版本中已经使用threading来替代thread了！！！如果你在
Python 2.x版本想使用threading的话，可以使用dummy_threading
话不多说开始本节内容～

1.threaing模块提供的可直接调用函数

active_count()：获取当前活跃(alive)线程的个数；
current_thread()：获取当前的线程对象；
get_ident()：返回当前线程的索引，一个非零的整数；(3.3新增)
enumerate()：获取当前所有活跃线程的列表；
main_thread()：返回主线程对象，(3.4新增)；
settrace(func)：设置一个回调函数，在run()执行之前被调用；
setprofile(func)：设置一个回调函数，在run()执行完毕之后调用；
stack_size()：返回创建新线程时使用的线程堆栈大小；
threading.TIMEOUT_MAX：堵塞线程时间最大值，超过这个值会栈溢出！

2.线程局部变量(Thread-Local Data)

先说个知识点：

在一个进程内所有的线程共享进程的全局变量，线程间共享数据很方便
但是每个线程都可以随意修改全局变量，可能会引起线程安全问题，
这个时候，可以对全局变量进行加锁来解决。对于线程私有数据可以
通过使用局部变量，只有线程自身可以访问，其他线程无法访问，
除此之外，Python还给我们提供了ThreadLocal变量，本身是一个全局
变量，但是线程们却可以使用它来保存私有数据。

用法也很简单，定义一个全局变量：data = thread.local()，然后就可以
往里面存数据啦，比如data.num = xxx，写个简单例子来验证下：
注：如果data没有设置对应的属性，直接取会报AttributeError异常，
使用时可以捕获这个异常，或者先调用hasattr(对象，属性)判断对象中
是否有该属性！

输出结果：

厉害了，不同线程访问果然是返回的不同值，小猪这种求知欲
旺盛的人肯定是要扒一波看看是怎么实现的啦，跟源码会比较
枯燥，先简单说下实现套路：

threading.local()实例化一个全局对象，这个全局对象里有
一个大字典，键值为两个弱引用对象 {线程对象，字典对象}，
然后可以通过current_thread()获得当前的线程对象，然后根据
这个对象可以拿到对应的字典对象，然后进行参数的读或者写。

是的大概套路就是这样，接下来就是剖析源码环节了，挺枯燥的，
可以不看，看的话，相信你会收获非常多，小猪昨天下午开始看
_threading_local.py这个模块的源码，仅仅246行，却看到了晚上
十点才舍得回家，收益颇丰，Get了N多知识点，至少在那些什么
Python教程里没看到过，每弄懂一个都会忍不出发出：

这样的感叹！快上老司机小猪的车吧，上车只需五个滑稽币：

*3._threading_local源码解析

按住ctrl点local()方法，会进到threading.py模块，会定位到这一行：

_thread 模块上节也说了threading模块的基础模块，应该尽量使用
threading 模块替代，而我们代码里也没导入这个模块，所以会走
_threading_local ，点进去看下这个模块，246行代码，不多，嘿嘿，
点击PyCharm左侧的Structure看看代码结构

关注点在_localimpl和local两个类上，我们先把这个模块的源码
全选，然后新建一个Python文件，把内容粘贴到里面，为什么要
这样做呢？

答：因为这样方便我们进行代码执行跟踪啊，Debug调试
或打Log跟踪方法运行顺序，或者查看某个时刻某些变量的值！

很多小伙伴可能只会print不会使用Debug调试，这里顺道简单
介绍下怎么用，掌握这个对跟源码非常有用，务必掌握！！！

1.PyCharm调试速成

点击左侧边栏可以下断点，在调试模式下运行的话，运行到
这一行的时候会暂时挂起，并激活调试器窗口：

点击顶部的小虫子标记即可进入调试模式：
运行到我们埋下断点的这一行后，就会挂起并激活下面这个
调试器窗口：

MainThread这个表示当前断点上的线程，下面是该线程的堆栈帧
右侧Variables是变量调试窗口，可以查看此时的变量情况！
接着就来一一说下一些调试技巧吧：

单步调试，，Step Over(F8)，程序向下执行一行，如果该行
函数被调用，直接执行完返回，然后执行下一行；

当单步调试执行到某一个函数，如果你不想直接运行完，切到下
一行而是想看进去这个函数的运行过程的话，可以点击
Step Into(F7) ；

上面这一步，遇到官方类库的函数也会进去，如果只想在碰到
自己定义函数才进去的话，可以点击
Step Into My Code(Alt + Shift + F7)

进入函数后确定没什么问题了，可以点击 Step Out(Shift + F8)
跳出这个函数，返回该函数被调用处的下一行语句。

如果想快速执行到下一个断点的位置，可以点击
Run to Cursor(Alt + F9)

跨断点调试，点击左侧栏的：，直接跳过当前断点，
进入下一个断点。

监视变量，有时右侧Variables，显示的变量有很多时，而你
想关注某一个变量而已，可以点击这个小眼镜：，然后
输入你想监视的变量名，如果名字太长或者懒，可以直接右键
变量，Add To Watches即可！不想监视时可右键Remove Watch。

停止调试，点击左侧红色按钮即可跳过调试，不是停止程序！：

断点设置，点击左侧：，可以打开断点设置窗口，可以在此
看到所有的断点，设置条件断点(满足某个条件时，暂停程序执行)，
删除断点，或者临时禁用断点等。

好的，关于PyCharm调试就先说这么多，基本够用了，
回到我们的源码，我们使用了threading.local()初始化了实例，
按照我们第一节学的类内容，类会走构造函数__init__()对吧？
然而，在local类里，并没有发现这个函数，只有一个__new__(cls, *args, **kw)，
这又是一个新的知识点了！

2.Python中的经典类和新式类

在Python 2.x中默认都是经典类，除非显式继承object才是新式类；
而在Python 3.x中默认都是新式类，不用显式继承object；
新式类相比经典类增加了很多内置属性，比如__class__
获得自身类型(type)，__slots__内置属性，还有这里的
_new_()函数等。

3.`new()` 函数

在调用_init_()方法前，_new_(cls, *args, **kw)可决定是否使用该
_init_()方法，可以调用其他类的构造方法或者直接返回别的对象
来作为本类的实例。cls表示需要实例化的类，该参数在实例化时由
Python解释器自动提供。另外还要注意一点，_new_必须有返回值，
可以返回父类_new_()出来的实例 或 object的_new_()出来的实例
如果new()没有成功返回cls类型的对象，是不会调用_init_()
来对对象进行初始化的！！！

卧槽，骚气，代码里也刚好这样做了，返回的是一个_localimpl()对象：

直接实例化的_localimpl()，然后设置了localargs，locallock
以及调用了create_dict()方法。先定位到_localimpl类的localargs

又触发新知识点：黑魔法_slots_

4.Python黑魔法`slots`内置属性

作用是阻止在实例化类时为实例分配dict，使用这个东西会带来：
更快的属性访问速度 和 减少内存消耗。此话怎么说？

默认情况下，Python的类实例都会有一个_dict_来存储实例的属性，
注意：只保存实例的变量，不会保存类属性！！！
可以调用内置属性_dict_进行访问，比如下面的例子：

输出结果：

看上去是挺灵活的，在程序里可以随意设置新属性，只是每次
实例化类对象的时候，都需要去分配一个新的dict，如果是对于
拥有固定属性的class来说，这就有点浪费内存了，特别是在需要
创建大量实例的时候，这个问题就尤为突出了。Python在新式类中给
我们提供了_slots_属性来帮助我们解决这个问题。
_slots_是一个元组，包括了当前能访问到的属性，定义后
slots中定义的变量变成了类的描述符，相当于java里的成员变量
声明，不能再增加新的变量。还有一点要注意：
定义定义了_slots_后，就不再有_dict_！！！可以写个例子验证下：

输出结果：

Python内置的dict(字典) 本质是一个哈希表，通过空间换时间，
在实例化对象达到万级，和_slots_用元组对比耗费的内存就不是
一点半点了！另外属性访问速度也是比dict快的，相关对比以及
更多内容可见：https://www.cnblogs.com/rainfd/p/slots.html
和：Saving 9 GB of RAM with Python’s _slots_

了解完_slots_后，我们回到我们的源码，回到localimpl的__init_()

设置了一个key，规则是：_threading_local._localimpl. 拼接上对象所在的内存地址
这里的id()函数作用是获得对象的内存地址。接着初始化了一个dicts，大词典，
拿来存放键值对的：(弱引用的线程对象，该线程在_localimpl对象里对应的数据字典)
就是每个线程对象，对应_localimp里不同的字典对象，这些字典对象都放在
大字典里。

接着回到local类的_new_() 函数，这里是一个设置属性的方法：

local__impl属性在上面通过__slots_定义了

简单点理解就是为local设置了一个_localimpl对象，后面
可以根据根据这个name = _local__impl拿到对应的_localimpl对象！

而且这里没那么简单，local类里对这个函数进行了重写：

这里前面判断name是否为dict，猜测是权限控制，不允许
外部通过_setattr_或_delattr_来操作字典，只允许通过
_patch()方法来修改操作字典！

接着继续来跟下_patch()方法：

@contextmanager 又是什么东西？？？

又是新的知识点～

5.@contextmanager

这就涉及到我们以前学习的with结构了，在爬虫写入文件那里用过，
不用自己写finally，然后在里面去close()文件，以避免不必要的错误，
不知道你还记不记得，不记得的话回头翻翻吧。

对于类似于文件关闭这种不想遗忘的重要操作，我们可以自己封装
一个with结构来进行处理，封装也很简单，再定义你那个类的时候
重写_enter_方法和_exit_方法，比如文件关闭那个可以自定义
成这样的：

如果觉得上面这种实现起来比较麻烦的话，就可以用
@contextmanager啦，直接就一个方法，比定义类简单多了～

知道@contextmanager之后，继续来分析_patch()方法，先根据
_local__impl这个值拿到了local里的_localimpl对象，然后
调用impl的get_dict()想获得一个数据字典：

current_thread()获得当前线程，然后获得线程的内存地址，查找dicts里
此线程对应的字典，此时，如果dicts里没有这个线程对应的数据字典，
会引发KeyError异常，执行：

调用create_dict()方法创建字典：

创建空字典，设置key，获得当前线程，获得当前线程的内存地址；
就是做一些准备工作，接着看到定义了两个方法，先跳过，往下看：

然后又是新的知识点：Python弱引用函数ref()！

6.Python弱引用函数ref()

ref()这个函数是weakref模块 提供的用于创建一个弱引用的函数，
参数异常是想建立弱引用的对象，当弱引用的对象被删除后的回调函数
为什么要用弱引用？

Python和其他高级语言一样，使用垃圾回收器来自动销毁不再使用的对象，
每个对象都有一个引用计数，当这个计数为0时，Python才能够安全地销毁
这个对象，当对象只剩下弱引用时也会回收！

这里的local_deleted()和thread_deleted() 这两个回调参数
就是在_localimpl对象和线程对象被回收时触发：

localimpl对象被回收时把线程里持有localimpl对象的弱引用删除掉，
线程对象对象被回收时，弹出大字典中该线程对应的数据字典；

剩下的三句就是保存localimpl对象的弱引用到thread的__dict_里，
localimpl对象添加键值对(线程弱引用，线程对应的数据字典)到
大字典中，然后返回线程对应的数据字典。

又回到patch()方法，拿到参数，然后又调用__init_函数
然后调用了_init_函数，这里不是很明白动机，猜测是如果
另外重写了local的_init_函数，可以调用一些其他的操作吧。

再接着又有一个知识点了，操作数据字典时的加锁，正常来说
私用Lock或RLock，需要自己去调用acquire()和release(),
而使用with关键字，就无需你自己去操心了，原因是RLock
类里重写了_enter_和_exit_函数。

最后yield返回一个生成器对象。

到此，_threading_local模块的完整的源码实现套路就浮出水面了，
不错，Get了很多新的姿势，如果你还有些疑惑的话，可以自己Debug，
跟跟方法的调用顺序，慢慢体会。

4.线程对象(threading.Thread)

使用threading.Thread创建线程：

可以通过下面两种方法创建新线程：

1.直接创建threading.Thread对象，并把调用对象作为参数传入；
2.继承threading.Thread类，重写run()方法；

这里写代码测试个东西：到底使用多线程快还是单线程快～

两次运行结果采集：

测试环境：Ubuntu 14.04 为了尽量公平，把单线程运行那个也另外放到
一个线程中，结果发现，多线程并没有比单线程快，反而还慢了一些。
出现这个原因是以为Python中的：全局解释器锁（GIL），上一节已经
介绍过了，这里就不再复述了。

Thread类构造函数

参数依次是：

group：线程组
target：要执行的函数
name：线程名字
args/kwargs：要传入的函数的参数
daemon：是否为守护线程

相关属性与函数：

start()：启动线程，只能调用一次；
run()：线程执行的操作，可继承Thread重写，参数可从args和kwargs获取；
join([timeout])：堵塞调用线程，直到被调用线程运行结束或超时；如果
没设置超时时间会一直堵塞到被调用线程结束。
name/getName()：获得线程名；
setName()：设置线程名；
ident：线程是已经启动，未启动会返回一个非零整数；
is_alive()：判断是否在运行，启动后，终止前；
daemon/isDaemon()：线程是否为守护线程；
setDaemon()：设置线程为守护线程；

3.Lock(指令锁)与RLock(可重入锁)

上节就说过了，多个线程并发地去访问临界资源可能会引起线程同步
安全问题，这里写个简单的例子，多线程写入同一个文件：

打开test.txt，发现结果并没有按照我们预想的1-20那样顺序打印，而是乱的。

在threading模块中提供了两个类来确保多线程共享资源的访问：
Lock 和 RLock

Lock：指令锁，有两种状态(锁定与非锁定)，以及两个基本函数：
使用acquire()设置为locked状态，使用release()设置为unlocked状态。
acquire()有两个可选参数：blocking=True：是否堵塞当前线程等待；
timeout=None：堵塞等待时间。如果成功获得lock，acquire返回True，
否则返回False，超时也是返回False。
使用起来也很简单，在访问共享资源的地方acquire一下，用完release就好：