Python进阶丨进程和线程 —— 多线程

多线程

- 描述

多线程类似于同时执行多个不同程序

- 优点

a.使用线程可以把占据长时间的程序中的任务放到后台去处理
b.用户界面可以更加吸引人，比如用户点击一个按钮去触发某些事件的处理，可以弹出一个进度条来显示处理的进度
c.程序的运行速度可能加快
d.在一些等待的任务实现上如用户输入。文件读写和网络收发数据等，线程就比较有用。

- 线程种类

内核线程：由操作系统内核创建和撤销

用户线程：不需要内核支持而在程序中实现的线程

- 线程模块

_thread：低级模块

threading：高级模块（推荐使用）

- threading方法

run()：用以表示线程活动的方法

start()：启动线程活动

join([time])：等待至线程中止。这堵塞调用线程直至线程的join()方法被调用中止-正常退出或者抛出未处理的异常-或者是可选的超时发生

isAlive()：返回线程是否活动的

getName()：返回线程名

setName()：设置线程名

例

import time
import threading

# 新线程执行的代码
def loop():
    print('thread {} is running...'.format(threading.current_thread().name))
    n = 0
    while n < 5:
        n = n + 1
        print('thread {} >>> {}'.format(threading.current_thread().name, n))
        time.sleep(1)
    print('thread {} ended'.format(threading.current_thread().name))

print('thread {} is running...'.format(threading.current_thread().name))

t = threading.Thread(target=loop, name='LoopThread')
t.start()
t.join()
print('thread {} ended.'.format(threading.current_thread().name))

输出结果

thread MainThread is running...
thread LoopThread is running...
thread LoopThread >>> 1
thread LoopThread >>> 2
thread LoopThread >>> 3
thread LoopThread >>> 4
thread LoopThread >>> 5
thread LoopThread ended
thread MainThread ended.

由于任何进程默认就会启动一个线程，我们把该线程称为主线程，主线程又可以启动新的线程。

Python的threading模块有个current_thread()函数，他永远返回当前线程的实例。

主线程实例的名字叫MainThread，子线程的名字在创建时指定，用LoopThread命名子线程。名字仅仅在打印时用来显示，没有其他意义。

- 线程同步

多进程中，同一个变量，各自有一份拷贝存在于每个进程中，互不影响，而多线程中，所有变量都由所有线程共享。

为了保证数据的正确性，需要对多个线程进行同步

多线程该乱变量案例

import time
import threading

# 假定银行存款
balance = 0

def change_it(n):
    # 先存后取，结果应该为0
    global balance
    balance = balance + n 
    balance = balance - n 

def run_thread(n):
    for i in range(100000):
        change_it(n)

t1 = threading.Thread(target=run_thread, args=(5,))
t2 = threading.Thread(target=run_thread, args=(8,))
t1.start()
t2.start()
t1.join()
t2.join()
print(balance)

共享变量balance，初始值为0，启动两个线程，先存后取，理论结果应该为0，但由于线程的调度是由操作系统决定的，当t1、t2交替执行时，只要循环次数足够多，balance的结果不一定为0

高级语言的一条语句在CPU执行时时若干条语句

balance = balance + n 

分为两部
1.计算balance + n ，存入临时变量中
2.将临时变量的值赋给balance

相当于

x = balance + n
balance = x

由于x是局部变量，两个线程各自都有自己的x

代码正常执行时

初始值 balance = 0

t1 : x1 = balance + 5  # x1 = 0 + 5 = 5
t1 : balance = x1      # balance = 5
t1 : x1 = balance - 5  # x1 = 5 - 5 = 9
t1 : balance = x1      # balance = 0

t2 : x2 = banlance + 8 
t2 : balance = x2
t2 : x2 = balance - 8
t2 : balance = x2

结果：balance = 0

但t1和t2诗交替运行的，如果操作系统以下面的顺序执行t1、t2

初始值 balance = 0

t1 : x1 = balance + 5  # x1 = 0 + 5 = 5

t2 : x2 = balance + 8  # x2 = 0 + 8 = 8
t2 : balance = x2      # balance = 8

t1 : balance = x1      # balance = 5
t1 : x1 = balance - 5  # x1 = 5 - 5 = 0
t1 : balance = x1      # balance = 0

t2 : t2 = balance - 8  # x2 = 0 - 8 = -8
t2 : banlance = x2     # balance = -8

结果：balance = -8

因为修改balance需要多条语句，而执行官这条语句时，线程可能中断，从而导致多个线程把一同一个对象的内容改乱了。

为了确保balance计算正确，需要给change_it()上一把锁，当线程开始执行change_it()时，该线程获得了锁，其他线程便不能同时执行change_it()，只能等待，直到锁被释放后，获得该锁以后才能修改。

通过threading.Lock()来创建锁

balance = 0
lock = threading.Lock()

def run_thread(n):
    for i in range(1000000):
        # 先要获取锁
        lock.acquire()
        try:
            # 放心地修改吧
            change_it(n)
        finally:
            # 改完了一定要释放锁
            lock.release()

当多个线程同时执行lock.acquire()时，只有一个线程能成功获取锁，然后继续执行代码，其他线程就继续等待直到获取锁为止。

获得锁的线程用完后一定要释放锁，否则等待锁的线程将永远等待下去，成为死线程。用try...finally来确保锁一定会被释放。

- GIL全局锁（Global Interpreter Lock）

任何Python线程执行前，必须先获得GIL锁，然后，每执行100条字节码，解释器就自动释放GIL锁，让别的线程有机会执行。

由于GIL全局锁的存在，多线程在Python中只能交替执行，在多核CPU上，也只能用到1个核