【Python】python threading多线程实例

感知项目需要在sort中夹杂其他任务,跟踪结点的消息发送频率在15Hz以上,如果采用单线程的话会大大拖累sort的速度,因此采用 threading 实现双线程,本贴用一个例子来简述该过程。直接上代码:

import rospy
import threading
import time

'''
job()是子任务,
在主任务中一直循环检测,
当子任务的任务队列有任务时就执行
'''
def job():
    while True:
        if len(tasks)>0:
        	# 线程锁加锁
            lock1.acquire()
            # 修改共享变量
            id = tasks.pop(0)
            # 解除线程锁
            lock1.release()
            print(50*'-')
            print(id)
            print(tasks)
        	# 休眠1s,用来模拟子任务的计算耗时
        	time.sleep(1)
       	# 休眠,防止一直循环占用计算资源,也可不加  
        time.sleep(0.02)

def main():
	# 启动结点,模拟sort跟踪结点
    rospy.init_node('init', anonymous=True)
    rate = rospy.Rate(15)
    # lock是线程锁,防止一个线程在使用共享变量时被另一个线程更改
    global lock1
    lock1 = threading.Lock()
    # 另一个线程,用来做子任务
    thread1 = threading.Thread(target = job)
    # tasks用来表示子任务队列,任务可以是车牌识别等等
    global tasks
    tasks = []
    # k没啥用,只是控制一下循环次数,防止打印太多
    k = 0
    while k<4:
    	# 主任务
    	'''
    	主任务模拟sort.update,
    	当满足要求时,
    	将其添加到任务队列
    	'''
        for i in range(21):
            if i%5==0:
				# 线程锁加锁
                lock1.acquire()
                # 修改共享变量
                tasks.append(i)
                # 解除线程锁
                lock1.release()
        if k<=0:
        	# 只启动一次,实际使用过程中需要设计一下启动条件
            thread1.start()
        # 打印结果
        rospy.loginfo(tasks)
        k += 1
        rate.sleep()

if __name__ == '__main__':
    
    main()
    

打印结果如下:

zxc@zxc-MSI:~/catkin_ws$ rosrun plumbing_server_client test.py 
--------------------------------------------------
[INFO] [1664782453.415831]: [5, 10, 15, 20]
0
[5, 10, 15, 20]
[INFO] [1664782453.482819]: [5, 10, 15, 20, 0, 5, 10, 15, 20]
[INFO] [1664782453.549604]: [5, 10, 15, 20, 0, 5, 10, 15, 20, 0, 5, 10, 15, 20]
[INFO] [1664782453.616296]: [5, 10, 15, 20, 0, 5, 10, 15, 20, 0, 5, 10, 15, 20, 0, 5, 10, 15, 20]
--------------------------------------------------
5
[10, 15, 20, 0, 5, 10, 15, 20, 0, 5, 10, 15, 20, 0, 5, 10, 15, 20]
--------------------------------------------------
10
[15, 20, 0, 5, 10, 15, 20, 0, 5, 10, 15, 20, 0, 5, 10, 15, 20]
--------------------------------------------------
15
[20, 0, 5, 10, 15, 20, 0, 5, 10, 15, 20, 0, 5, 10, 15, 20]
--------------------------------------------------
20
[0, 5, 10, 15, 20, 0, 5, 10, 15, 20, 0, 5, 10, 15, 20]
--------------------------------------------------
0
[5, 10, 15, 20, 0, 5, 10, 15, 20, 0, 5, 10, 15, 20]
--------------------------------------------------
5
[10, 15, 20, 0, 5, 10, 15, 20, 0, 5, 10, 15, 20]
--------------------------------------------------
10
[15, 20, 0, 5, 10, 15, 20, 0, 5, 10, 15, 20]
--------------------------------------------------
15
[20, 0, 5, 10, 15, 20, 0, 5, 10, 15, 20]
--------------------------------------------------
20
[0, 5, 10, 15, 20, 0, 5, 10, 15, 20]
--------------------------------------------------
0
[5, 10, 15, 20, 0, 5, 10, 15, 20]
--------------------------------------------------
5
[10, 15, 20, 0, 5, 10, 15, 20]
--------------------------------------------------
10
[15, 20, 0, 5, 10, 15, 20]
--------------------------------------------------
15
[20, 0, 5, 10, 15, 20]
--------------------------------------------------
20
[0, 5, 10, 15, 20]
--------------------------------------------------
0
[5, 10, 15, 20]
--------------------------------------------------
5
[10, 15, 20]
--------------------------------------------------
10
[15, 20]
--------------------------------------------------
15
[20]
--------------------------------------------------
20
[]

主任务是从0-20遍历,当i是5的倍数时加入任务队列,此时子任务检测到任务队列并行执行任务。从结果来看,由于主任务的频率更高,因此很快执行完,子任务在之后会继续执行。

线程锁是为了防止各个线程同时修改内存,使得结果发生异常,因此在对共享变量进行操作时需要加锁,此时有且只有一个加锁的线程有权对内存进行修改,其他线程都被阻塞。

简单地说,各线程除了在线程锁加锁时是串行执行,其他时间都是并行执行。

参考

多线程解决rospy.spin()语句之后,程序不再往下执行问题

Python Lock acquire()实例讲解

  • 1
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 很抱歉,我之前回答的还是这个问题。以下是一个稍微复杂一点的 Python线实例,可以用来计算一个矩阵的乘积: ```python import threading import numpy as np # 定义矩阵的大小 MATRIX_SIZE = 1000 # 初始化两个随机矩阵 matrix_a = np.random.rand(MATRIX_SIZE, MATRIX_SIZE) matrix_b = np.random.rand(MATRIX_SIZE, MATRIX_SIZE) # 初始化结果矩阵 result_matrix = np.zeros((MATRIX_SIZE, MATRIX_SIZE)) # 定义一个函数,用来计算矩阵的乘积 def multiply(start, end): for i in range(start, end): for j in range(MATRIX_SIZE): for k in range(MATRIX_SIZE): result_matrix[i][j] += matrix_a[i][k] * matrix_b[k][j] # 定义线程数量 NUM_THREADS = 4 # 计算每个线程需要计算的行数 rows_per_thread = MATRIX_SIZE // NUM_THREADS # 创建线程列表 threads = [] # 启动线程 for i in range(NUM_THREADS): start = i * rows_per_thread end = (i + 1) * rows_per_thread t = threading.Thread(target=multiply, args=(start, end)) threads.append(t) t.start() # 等待所有线程结束 for t in threads: t.join() # 检查结果是否正确 expected_result = np.dot(matrix_a, matrix_b) assert np.array_equal(result_matrix, expected_result) # 输出 Done 表示程序执行完毕 print("Done") ``` 这个例子首先初始化两个随机矩阵,然后定义一个函数 multiply,用来计算这两个矩阵的乘积。然后,它将矩阵分成若干个部分,每个部分分配给一个线程来计算。最后,它等待所有线程结束,检查结果是否正确,并输出 Done 表示程序执行完毕。 希望这个例子能够帮助您更好地理解 Python线程的使用方法。 ### 回答2: Python线实例是指在Python编程语言中使用多线程进行并发编程的实例。在Python中,可以使用内置的threading模块来创建和管理多线程。 通过创建多线程,可以在程序中同时执行多个任务。这对于需要同时处理多个任务的情况非常有用。例如,在下载大文件时,可以使用多线程同时下载多个文件,加快下载速度。此外,多线程还可以用于处理网络请求、图像处理、数据处理等耗时操作,提高程序的运行效率。 使用Python线程的主要步骤如下: 1. 导入threading模块。 ``` import threading ``` 2. 创建一个线程对象,可以通过继承threading.Thread类或使用threading.Thread()函数创建。 ``` class MyThread(threading.Thread): def __init__(self, name): super().__init__() self.name = name def run(self): # 线程执行的代码 print("Hello, " + self.name) thread1 = MyThread("Thread 1") thread2 = threading.Thread(target=func, args=("Thread 2",)) ``` 3. 启动线程。 ``` thread1.start() thread2.start() ``` 4. 等待线程结束。 ``` thread1.join() thread2.join() ``` 以上代码演示了两种创建多线程的方法:1)继承threading.Thread类,重写run方法;2)使用函数作为线程的执行内容。线程的启动调用start()方法,等待线程结束使用join()方法。 需要注意的是,Python线程的并发程度受到全局解释器锁(GIL)的限制,因此对于计算密集型的任务,多线程并不能发挥出多核的优势。如果需要发挥多核性能,可以考虑使用多进程编程。 总之,Python线实例能够提高程序的并发处理能力,适用于需要同时处理多个任务的场景。通过合理设计线程的数量和任务分配,可以提高程序的性能和效率。 ### 回答3: Python线实例是指通过使用多线程的技术来提高Python程序的运行效率和性能。在Python中,我们可以使用threading模块来实现多线程。 多线程技术可以同时执行多个任务,提高程序的运行速度。在Python中,我们可以通过创建Thread对象并调用start()方法来启动一个线程。下面是一个简单的例子: import threading def print_numbers(): for i in range(1, 11): print(i) def print_letters(): for letter in ['A', 'B', 'C', 'D', 'E']: print(letter) # 创建两个线程 t1 = threading.Thread(target=print_numbers) t2 = threading.Thread(target=print_letters) # 启动两个线程 t1.start() t2.start() # 等待两个线程结束 t1.join() t2.join() # 主线程继续执行 print("主线程结束") 以上代码中,我们创建了两个线程,分别执行print_numbers()和print_letters()函数。通过调用start()方法启动线程,并通过join()方法等待两个线程执行完毕。最后,主线程继续执行并打印出一段文字。 需要注意的是,多线程并不一定能提高程序的运行速度,因为在Python中,全局解释器锁(Global Interpreter Lock,GIL)会限制同一时间只能有一个线程执行Python字节码。因此,在CPU密集型任务中,多线程并不能真正实现并行计算。但是,在IO密集型任务中,多线程能够提高程序的运行效率。 总结起来,Python的多线实例可以通过使用threading模块来实现。多线程能够提高IO密集型任务的运行效率,但在CPU密集型任务中并不能真正实现并行计算。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值