11. 多线程

python多线程

首先需要明确的是：多线程模式下，同时仍然仅有一个计算任务在电脑中运行，只是在当前任务需要进行IO操作时，替换到下一个计算任务到线程上进行计算，唯一节省的时间仅仅只是IO操作时间

1. 创建一个线程

import threading
def job(data):
    pass

add_thread = threading.Thread(target = job, args=(data,), name='thread' )
add_thread.start()

• target: 用于指定创建的线程的目标函数，在多线程中，每个线程的任务必须打包成一个功能。
• args: 给线程指定的函数传入参数，参数值一定是一个元组类型数据
• name: 用于定义线程的名称
• 线程创建后，要使用 start() 方法启动该线程

**2. job()：**区分多线程和主线程

import threading
def job(data):
    pass

add_thread = threading.Thread(target = job, args=(data,), name='thread' )
add_thread.start()
add_thread.join() # 当且仅当多线程运行完毕后，才会继续执行后续主线程任务
print("final")

• join(): 方法将多线程与主线程进行分割，可以让python项目在处理完需要使用多线程处理的作业后再回复到主线程

3. Queue(): 保存多线程制定函数的计算结果

• 由于多线程指定的函数计算到的最终结果，不能想普通函数一样通过return方法直接返回，所以要借助Queue()实现计算结果的保存和读取

  from queue import Queue
  
  def job(data, q):
      # 一系列处理
      q.put(data)
  
  q = Queue() # 定义一个q实例
  # q传入线程中
  add_thread = threading.Thread(target=job, args=(data, q), name='thread') 
  add_thread.start()
  add_thread.join() # 一定要保证线程结束，确保put方法完成
  print(q.get()) # 使用get方法读取数据
  

  • q=Queue()：定义了一个用于保存数据的Queue()实例，该实例要作为参数传入要多线程执行的功能函数中
  • 在函数中使用 put() 方法保存处理好的数据，**一次只能传入一个数据，**多个数据可以使用列表、字典、元组等形式储存
  • get():方法用于从队列中取出数据，一次只取一个数据

• Queue更倾向于一次只保存一个线程的数据结果，但同样支持同时传入多个线程中保存多个数据，但是由于线程的随机性，往往很难区分哪个数据是由哪个线程传入的，可以设置线程名用来描述和区分

  from queue import Queue
  
  def job(data, q, ID):
      # 一系列处理
      q.put({ID:data}) # 保存数据时，记录数据来自的线程ID
      
  
  q = Queue() # 定义一个q实例
  # q传入线程中
  add_thread = threading.Thread(target=job, 
                                args=(data, q, "add_thread"), 
                                name='thread') 
  add1_thread = threading.Thread(target=job, 
                                args=(data, q, "add_thread1"), 
                                name='thread') 
  add_thread.start()
  add1_thread.start()
  add_thread.join() # 一定要保证线程结束，确保put方法完成
  add1_thread.join() # 一定要保证线程结束，确保put方法完成