【Python】多线程及threading模块介绍

小地瓜重新去华容道工作

已于 2022-09-01 17:16:11 修改

阅读量1.7k

点赞数 4

文章标签： python

于 2022-08-09 10:39:10 首次发布

本文链接：https://blog.csdn.net/sinat_41752325/article/details/126239942

版权

python 专栏收录该内容

44 篇文章 3 订阅

订阅专栏

2.2.1 使用构造函数传递可调用对象的方法创建线程

2.2.2 继承threading.Thread类

活动地址：CSDN21天学习挑战赛

学习日记 Day8

1. 多线程简单介绍

多线程，或者说多任务，指的是操作系统同时运行多个任务。例如，听歌、洗衣服、看视频可以同时进行，这种就是多任务。

单核CPU执行多任务：操作系统轮流让各个任务交替执行，任务1执行t1时间，切换到任务2，任务2执行t2时间，再切换到任务3，执行t3时间...如此反复执行，表面上看，每个任务交替执行，但是由于CPU的执行速度很快，在人看来就好像所有任务同时执行。

这里需要注意并发和并行的概念：

并发，指任务数多于COU核数，通过操作系统的各种任务调度算法，实现用多个任务一起执行（实际上有一些任务没有在执行，但因为切换任务的速度相当快，看上去一起执行）。
并行，指的是任务数小于或等于CPU核数，任务是同时执行的。

2. threading模块介绍

python中提供了thread和threading模块对线程进行操作，其中thread模块是比较底层的模块，threading模块对thread做了一些包装，使用更方便。

2.1 threading模块常用方法

threading.active_count() 返回当前处于active状态的Thread对象的个数
threading.current_thread() 返回当前Thread对象
threading.get_ident() 返回当前线程的线程标识
threading.enumerate() 返回当前处于active状态的所有Thread对象列表
threading.main_thread() 返回主线程对象，启动python解释器的线程对象
threading.stack_size() 返回创建线程时使用的栈的大小，如果指定 size参数，则用来指定后续创建的线程使用的栈大小，size必须是0（标识使用系统默认值）或大于32K的正整数

注：线程标识是一个非负整数，并无特殊含义，只是用来标识线程，该整数可能会被循环利用，python3.3及以后版本支持该方法。

threading模块提供了Thread、Lock、RLock、Condition、Event、Timer和Semaphore等类支持多线程。

2.2 Thread类使用

Thread是threading提供的最重要也是最基本的类，可以通过该类创建线程并控制线程的运行。

使用Thread创建线程，有两种方式：

为构造函数传递一个可调用对象
继承Thread类并在子类中重写__init__()和run()

threading.Thread类常用的方法和属性如下

常用方法

方法名	说明
start()	启动线程
run()	线程代码，用来实现线程的功能和业务逻辑，可以在子类中重写该方法自定义线程的行为
init(self,group=None,target=None,name=None,args=(),kwargs=None,daemon=None)	构造函数
is_alive()	判断线程是否存货
getName()	返回线程名
setName()	设置线程名
isDaemon()	判断线程是否为守护线程
setDaemon()	设置线程是否为守护线程

常用属性

属性名	说明
name	读取或设置线程的名字
ident	线程标识，用非0数字或None(线程未被启动)
daemon	标识线程是否为守护线程，默认为False
join(timeout=None)	当timeout=None时，会等待至线程结束；否则，会等待至timeout时间结束，单位为秒

2.2.1 使用构造函数传递可调用对象的方法创建线程

threading.Thread类的构造函数声明如下：

threading.Thread(group=None,
    target=None,
    name=None,
    args=(),
    kwargs={},
    *,
    daemon=None)

参数 group 通常默认，作为扩展ThreadGroup类保留。
参数 target 用于run()方法调用的可调用对象，默认为None，标识run()不调用任何对象。
参数 name 线程名称，默认是Thread-N格式狗策划给你的唯一名称，N是十进制数。
参数 args 用于调用目标函数的参数元组，默认是()。
参数 kwargs 用于调用目标函数的关键字参数字典，默认为{}。
参数 daemon 设置线程是否为守护模式，默认为None。

示例1 ：使用threading模块创建单线程

import threading
import time

def sing():
    print("正在唱歌...")
    time.sleep(1)

if __name__ == "__main__":
    print("======================调用函数======================")
    print("开始时间：%s"%time.ctime())
    for i in range(10):
        sing()
    print("结束时间：%s"%time.ctime())

    print("==========threading.Thread.start()开启单线程==========")

    print("开始时间：%s"%time.ctime())
    for i in range(10):
        t = threading.Thread(target=sing)
        t.start()
    print("结束时间：%s"%time.ctime())

显示结果，可以看出来使用threading.Thread启动线程时，使用的时间要短很多。

当调用start()时，才开始真正的创建线程，并开始执行。

示例2：使用threading.Thread创建多线程，并查看当前处于active状态的线程的数量。

import threading
from time import ctime,sleep


def sing():
    for i in range(3):
        print("singing...%d"%i)
        sleep(1)


def dance():
    for i in range(3):
        print("dancing...%d"%i)
        sleep(1)


if __name__ == "__main__":
    print("---start---:%s"%ctime())

    t1 = threading.Thread(target=sing)
    t2 = threading.Thread(target=dance)

    t1.start()
    t2.start()

    while True:
        length = len(threading.enumerate())
        print("current thread has %d"%length)
        if length <= 1:
            break

        sleep(0.5)


    print("---end---:%s"%ctime())

显示结果：

2.2.2 继承threading.Thread类

在使用threading模块时，也可以定义一个新的类class，继承threading.Thread，然后重写run()。

threading.Thread类中的run方法，用于定义线程的功能函数，可以在自己的线程类中覆盖该方法。创建自己的线程实例后，通过Thread类的start方法，可以启动该线程。

示例1：创建一个继承自threading.Thread类的子类

import threading
import time


class MyThread(threading.Thread):
    def run(self):
        for i in range(3):
            time.sleep(1)
            msg = "I'm " + self.name + " @ " + str(i)  # name保存当前线程的名字
            print(msg)


if __name__ == "__main__":
    t = MyThread()
    t.start()

显示结果：

示例2：观察线程执行的顺序

import threading
import time


class MyThread(threading.Thread):
    def run(self):
        for i in range(3):
            time.sleep(1)
            msg = "I'm " + self.name + " @ " + str(i)  # name保存当前线程的名字
            print(msg)


def test():
    for i in range(5):
        t = MyThread()
        t.start()

if __name__ == "__main__":
    test()

显示结果：

每次运行时显示的执行顺序是不确定的。当执行到sleep()的时候，当前线程被阻塞，sleep()结束后当前线程进入就绪状态，等待调度。

线程调度会自行选择一个线程执行。

如上代码只能保证每个线程都能运行完整个run函数，但线程的启动顺序、run函数中每次循环的执行顺序都不能确定。

综上总结：

每个线程默认有一个名字，没有指定，python会自动为线程指定一个名字/
当线程的run()方法结束时该线程完成；
无法控制线程调度程序，可以通过别的方式影响线程调度方式。

3. 多线程程序中使用(共享)全局变量

在一个进程中的所有线程共享全局变量，很方便在多个线程间共享数据；然而，线程对全局变量随意更改可能造成多线程之间对全局变量的混乱。

示例1：多线程共享全局变量

from threading import Thread
import time


g_num=100


def work1():
    global g_num
    for i in range(3):
        g_num += 1

    print("----in work1,g_num = %d"%g_num)


def work2():
    global g_num
    print("----in work2,g_num = %d"%g_num)


print("----线程创建之前g_num = %d"%g_num)

t1 = Thread(target=work1)
t1.start()

time.sleep(1)

t2 = Thread(target=work2)
t2.start()

显示结果，可以看到在work1()中改变了全局变量g_num的值，在work2中g_num也显示了变化。

示例2：列表当作实参传递到线程中

from threading import Thread
import threading
import time


def work1(nums):
    nums.append(44)
    print("----in work1----",nums)


def work2(nums):
    time.sleep(1)
    print("----in work2----",nums)


g_nums = [11,22,33]

t1 = threading.Thread(target=work1,args=(g_nums,))
t1.start()

t2 = threading.Thread(target=work2,args=(g_nums,))
t2.start()

显示结果：

----in work1---- [11, 22, 33, 44]
----in work2---- [11, 22, 33, 44]

4. 多线程共享全局变量遇到的问题

多线程开发可能遇到的问题：假设线程t1和t2都要对全局变量g_num（默认是0）进行加1运算，t1和t2都各对g_num加10次，g_num的最终结果应该为20。

现在测试下

import threading
import time

g_num = 0


def work1(num):
    global g_num
    for i in range(num):
        g_num += 1
    print("----in work1,g_num is %d---"%g_num)


def work2(num):
    global g_num
    for i in range(num):
        g_num += 1
    print("----in work2,g_num is %d---"%g_num)


print("---创建线程之前g_num is %d"%g_num)

t1 = threading.Thread(target=work1,args=(100000,))
t1.start()

t2 = threading.Thread(target=work2,args=(100000,))
t2.start()

while len(threading.enumerate()) != 1:
    time.sleep(1)

print("---两个线程对同一个全局变量操作之后的最终结果是：%d"%g_num)

显示结果，t1和t2都对g_num进行加1运算，各进行100000次，那么期待的最终结果应该是200000，然而实际测试的结果不是200000，很显然是有问题的。

---创建线程之前g_num is 0
----in work1,g_num is 100000---
----in work2,g_num is 155034---
---两个线程对同一个全局变量操作之后的最终结果是：155034

多线程同时操作时，会出现资源竞争问题，从而导致数据结果不正确。可能会出现如下情况：

g_num=0时，t1取得g_num=0，此时系统把t1调度为sleeping状态，把t2转换为running状态，t2也获得g_num=0
然后t2对得到的值进行加1并赋值给g_num，使得g_num=1
然后系统又把t2调度为sleeping，把t1转为running，此时t1得到的g_num=0，加1后g_num=1；
这样，t1和t2各对g_num加1，期望的结果是g_num=2，实际上此时g_num=1

5. 线程同步

同步标识按预定的先后次序进行运行。如果多个线程共同对某个数据修改，则可能出现不可预料的结果，为了保证数据的正确性，需要对多个线程进行同步。

使用Thread对象的Lock和RLock可以简单实现线程同步。这两个对象都有acquire方法和release方法，对于需要每次只允许一个线程操作的数据，可以将其操作放到acquire()和release()之间。

对于上述资源竞争导致的数据结果不正确的问题，可以通过线程同步解决，如下：

系统调用t1，获取到g_num=0，此时上一把锁，不允许其他线程操作g_num；
t1对g_num的值进行+1
t1解锁，此时g_num=1，其他线程可以使用g_num，此时g_num=1
同理，其他线程对g_num进行修改时，要先上所，处理完后再解锁，在上锁过程中不允许其他线程访问，就保证了数据的正确性

5.1 线程同步的解决机制：互斥锁

多个线程几乎同时修改某一个共享数据的时候，需要进行同步控制。线程同步能够保证多个线程安全访问竞争资源，最简单的同步机制是引入互斥锁。

互斥锁为资源引入一个状态：锁定/非锁定。

某个线程要更改共享数据时，先将其锁定，此时资源的状态为【锁定】，其它线程不能更改；直到该线程释放资源，将资源的状态编程【非锁定】，其它线程才能再次锁定该资源。互斥锁保证了每次只有一个线程进行写入操作，从而保证了多线程情况下数据的正确性。

threading模块定义了Lock类，处理锁/解锁很方便。

# 创建锁
mutex = threading.Lok()

# 加锁
mutex.acquire()

#解锁
mutex.release()

需要注意的是：

如果这个锁之前是没有上锁，acquire()不会堵塞
如果在调用acquire上锁前，它已经被其它线程上了锁，那么此时acquire会堵塞，直到这个锁被解锁为止。

使用示例：

import threading
import time

g_num = 0

def work1(num):
    global g_num
    for i in range(num):
        mutex.acquire()  # 上锁
        g_num += 1
        mutex.release()  # 解锁

    print("----in work1,g_num is %d---"%g_num)


def work2(num):
    global g_num
    for i in range(num):
        mutex.acquire()
        g_num += 1
        mutex.release()

    print("----in work2,g_num is %d---"%g_num)


print("---创建线程之前g_num is %d"%g_num)

# 创建互斥锁，默认是未上锁状态
mutex = threading.Lock()

t1 = threading.Thread(target=work1,args=(100000,))
t1.start()

t2 = threading.Thread(target=work2,args=(100000,))
t2.start()

while len(threading.enumerate()) != 1:
    time.sleep(1)

print("---两个线程对同一个全局变量操作之后的最终结果是：%d"%g_num)

显示结果，发现加入互斥锁后，其结果与预期相符。

---创建线程之前g_num is 0
----in work1,g_num is 183100---
----in work2,g_num is 200000---
---两个线程对同一个全局变量操作之后的最终结果是：200000

上锁解锁过程：

当一个线程嗲用锁的acquire()方法获得锁时，锁就进入【locked】状态；
每次只有一个线程可以获得锁。如果此时另一个线程试图获得这个锁，该线程就会变为【blocked】状态，称为阻塞。直到拥有锁的线程调用锁的release()方法释放锁之后，锁进入【unlock】状态；
线程调度程序从处于同步阻塞状态的线程中选择一个来获得锁，并使得该线程进入【running】状态。

使用锁可以确保某段关键代码只能由一个线程从头到尾完整地执行；但是使用锁终止了多线程并发执行，包含锁的某段代码实际上只能以单线程模式执行，效率就下降了，并且由于可以存在多个所，不同的线程持有不同的锁，并试图获取对方持有的锁时，可能会造成死锁。

5.2 互斥锁可能造成的问题--死锁

在线程间共享多个资源的时候，如果两个线程分别占有一部分资源并且同时等待对方的资源，就会造成死锁。

死锁一旦发生，就会造成应用停止响应。

如下演示了死锁：

import threading
import time


class MyThread1(threading.Thread):
    def run(self):
        # 对mutex1上锁
        mutex1.acquire()
        
        # mutex1上锁后延时，等待另一个线程对mutex2上锁
        print(self.name + "---do1---lock 1---")
        time.sleep(1)

        # 对mutex2上锁，此时会阻塞，因为mutex2已经被另外的线程上锁了
        mutex2.acquire()
        print(self.name + "---do1---lock 2---")
        mutex2.release()  # 解锁mutex2

        # 解锁mutex1
        mutex1.release()


class MyThread2(threading.Thread):
    def run(self):
        # 对mutex2上锁
        mutex2.acquire()
        
        # mutex2上锁后延时，等待另一个线程对mutex1上锁
        print(self.name + "---do2---lock 2---")
        time.sleep(1)

        # 对mutex1上锁，此时会阻塞，因为mutex1已经被另外的线程上锁了
        mutex1.acquire()
        print(self.name + "---do2---lock 1---")
        mutex1.release()  # 解锁mutex1

        # 解锁mutex2
        mutex2.release()


mutex1 = threading.Lock()
mutex2 = threading.Lock()

if __name__ == "__main__":
    t1 = MyThread1()
    t2 = MyThread2()
    t1.start()
    t2.start()

显示结果：