python高级编程(九)--多线程编程

多线程的概念:

简单地说,就是操作系统可以同时运行多个任务。比如:一边用浏览器上网,一边在听MP3,一边在用word赶着作业。

  • 并发:指的是任务数多余cpu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(实际上总有一些任务不在执行,因为切换任务的熟度相当快,看上去一起执行而已)
  • 并行:指的是任务数小于等于CPU核数,即任务真的是一起执行的。
线程概念:

线程是进程的一个实体,是cpu调度和分派的基本单位。

  • threading 模块:
    • 单线程执行:
# coding=utf-8
import time

def saySorry():
    print("亲爱的,我错了,我能吃饭了吗?")
    time.sleep(1)   # 时间停顿1秒
    
    
if  __name__ == "__main__":
    for i in range(5):
        saySorry()

在这里插入图片描述

  • 多线程执行:
# coding=utf-8
import threading
import time

def saySorry():
    print("亲爱的,我错了,我能吃饭了吗?")
    time.sleep(1)   # 时间停顿1秒
    
if __name__ == "__main__":
    for i in range(5):
        t = threading.Threading(target=saySorry)
        t.start()   # 启动线程,即让线程开始执行

在这里插入图片描述

  • 单线程与多线程比较:
    <1> 单线程要比多线程花费时间多
    <2> 在创建完线程,需要调用start()方法来启动

  • 查看线程数量:

# coding=uft-8
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 属性中保存的是当前线程的名字
            print(msg)
if __name__ == "__main__":
    t = MyThread()
    t.start()
# 通过带下标索引enumerate()方法
length = len(threading.enumerate())
print("当前运行的线程数为:%d"%length)
#通过带下标索引enumerate()方法
length = len(threading.enumerate())
print("当前运行的线程数为:%d"%length)
  • 线程执行代码的封装:

    思考:定义一个新的子类class,只有继承threading.Tread 就可以,然后重写run方法。

# coding=uft-8
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 属性中保存的是当前线程的名字
            print(msg)
if __name__ == "__main__":
    t = MyThread()
    t.start()

在这里插入图片描述

说明:threading.Thread类有一个run方法,用户定义线程的功能函数,可以在自己的线程类中覆盖该方法。而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,当该线程获得执行的机会时,就会调用run方法执行线程。

  • 线程的执行的顺序:
    • 多线程的执行顺序是不确定的。当执行到sleep语句时,线程将被阻塞,到sleep结束后,线程进入就绪状态,等待调度。而线程调度将自行选择一个线程执行。

当线程的run()方法结束时该线程完成。

  • 多线程–共享全局变量问题
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 is %d---"%g_num)


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


print("---线程创建之前g_num is %d---"%g_num)

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

#延时一会,保证t1线程中的事情做完
time.sleep(1)

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

运行结果:
—线程创建之前g_num is 100—
----in work1, g_num is 103—
----in work2, g_num is 103—

  • 在一个进程内的所有线程共享全局变量,很方便在多个线程间共享数据

  • 缺点就是,线程是对全局变量随意遂改可能造成多线程之间对全局变量的混乱(即线程非安全)

  • 如果多个线程同时对同一个全局变量操作,会出现资源竞争问题,从而数据结果会不正确

  • 解决方案:
    可以通过线程同步来进行解决线程同时修改全局变量的方式,在线程对全局变量进行修改时,都要先上锁,处理完后再解锁,在上锁的整个过程中不允许其他线程访问,就保证了数据的正确性。

  • 同步
    定义:协同步调,按预定的先后次序进行运行。

  • 互斥锁
    互斥锁为资源引入一个状态:锁定/非锁定
    互斥锁的作用: 保证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 模块中定义了Lock类,可以方便处理锁定:

#coding=utf-8
import threading
import time

class MyThread1(threading.Thread):
    def run(self):
        if mutexA.acquire():
            print(self.name+'----do1---up----')
            time.sleep(1)

            if mutexB.acquire():
                print(self.name+'----do1---down----')
                mutexB.release()
            mutexA.release()

class MyThread2(threading.Thread):
    def run(self):
        if mutexB.acquire():
            print(self.name+'----do2---up----')
            time.sleep(1)
            if mutexA.acquire():
                print(self.name+'----do2---down----')
                mutexA.release()
            mutexB.release()

mutexA = threading.Lock()
mutexB = threading.Lock()

if __name__ == '__main__':
    t1 = MyThread1()
    t2 = MyThread2()
    t1.start()
    t2.start()
# 创建锁
mutex = threading.Lock()

# 锁定
mutex.acquire([blocking])  # acquire 获得,取得,学到,捕获。

# 释放
mutex.release()

其中,锁定方法 acquirc 可以有一个 blocking 参数

  • 如果设定blocking为True,则当前线程会堵塞,直到获取到这个锁为止(如果没有指定,那么默认为True)

  • 如果设定blocking为False,则当前线程不会堵塞

  • 上锁解锁的过程

    • 当一个线程调用锁的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“unlocked”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,并使得该线程进入运行(running)状态。
  • 锁的好处:
    确保了某段关键代码只能由一个线程从头到尾完整地执行

  • 锁的坏处:
    阻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,效率就大大地下降了
    由于可以存在多个锁,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

  • 死锁
    定义: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。
    例子:

#coding=utf-8
import threading
import time

class MyThread1(threading.Thread):
    def run(self):
        if mutexA.acquire():
            print(self.name+'----do1---up----')
            time.sleep(1)

            if mutexB.acquire():
                print(self.name+'----do1---down----')
                mutexB.release()
            mutexA.release()

class MyThread2(threading.Thread):
    def run(self):
        if mutexB.acquire():
            print(self.name+'----do2---up----')
            time.sleep(1)
            if mutexA.acquire():
                print(self.name+'----do2---down----')
                mutexA.release()
            mutexB.release()

mutexA = threading.Lock()
mutexB = threading.Lock()

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

在这里插入图片描述

  • 避免死锁
    程序设计时要尽量避免(银行家算法)
    添加超时时间等

  • 进程以及状态
    定义:一个程序运行起来后,代码和用到的资源称之为进程。它是操作系统分配资源的基本单元。

进程的状态:

在这里插入图片描述
就绪态:运行的条件都已经慢去,正在等在cpu执行
执行态:cpu正在执行其功能
等待态:等待某些条件满足,例如一个程序sleep了,此时就处于等待态

  • 进程的创建
    multiprocessing模块是多跨平台版本的多进程模块,提供了一个Process类来代表一个进程对象,这个对象可以理解为是一个独立的进程,可以执行另外的事情。

进程的创建实现实例:


from multiprocessing import Process
import time

def run_proc():
    """子进程要执行的代码"""
    while True:
        print("----2----")
        time.sleep(1)

if __name__=='__main__':
    p = Process(target=run_proc)  #创建一个进程
    p.start()  #创建一个Process 实例,用start()方式启动。
    while True:
        print("----1----")
        time.sleep(1)

Process语法结构

  • Process([group [, target [, name [, args [, kwargs]]]]])
    target:如果传递了函数的引用,可以任务这个子进程就执行这里的代码
    args:给target指定的函数传递的参数,以元组的方式传递
    kwargs:给target指定的函数传递命名参数
    name:给进程设定一个名字,可以不设定
    group:指定进程组,大多数情况下用不到
  • Process创建的实例对象的常用方法:
    start():启动子进程实例(创建子进程)
    is_alive():判断进程子进程是否还在活着
    join([timeout]):是否等待子进程执行结束,或等待多少秒
    terminate():不管任务是否完成,立即终止子进程
  • Process创建的实例对象的常用属性:
    name:当前进程的别名,默认为Process-N,N为从1开始递增的整数
    pid:当前进程的pid(进程号)
  • 线程和进程的区别:

    • 定义的不同:
      进程是系统进行资源分配和调度的一个独立单位。
      线程是进程的一个实体,是CPU调度的基本单位。
  • 区别:
    一个程序至少有一个进程,一个进程至少有一个线程.
    线程的划分尺度小于进程(资源比进程少),使得多线程程序的并发性高。
    进程在执行过程中拥有独立的内存单元,而多个线程共享内存,从而极大地提高了程序的运行效率
    线线程不能够独立执行,必须依存在进程中

  • 进程间通信–Queue

Queue 的使用

from multiprocessing import Queue

q = Queue(3)   # 初始化一个Queue对象,最多可接收三条put消息
q.put("消息1")
q.put("消息2")
print(q.full())  # False
q.put("消息3")
print(q.full())  # True

# 因为消息队列已满下面的try 都会抛出异常, 第一个try 会等待2秒后再抛出异常,第二个Try会立刻抛出异常
try:
    q.put("消息4" True,2)
except:
    print("消息队列已满,现有消息数量:%s"%q.qsize())
    
try:
    q.put_nowait("消息4")
except:
    print("消息队列已满,现有消息数量:%s"%q.qsize())
    
# 推荐的方式,先判断消息队列是否已满,再写入
if not q.full():
    q.put_nowait("消息4")
    
# 读取消息时,先判断消息队列是否为空,再读取
if not q.empty():
    for i in range(q.qsize()):
        print(q.get_nowait())

运行的结果:
False
True
消息列队已满,现有消息数量:3
消息列队已满,现有消息数量:3
消息1
消息2
消息3

说明:
初始化Queue()对象时(例如:q=Queue()),若括号中没有指定最大可接收的消息数量,或数量为负值,那么就代表可接受的消息数量没有上限(直到内存的尽头);
Queue.qsize():返回当前队列包含的消息数量;
Queue.empty():如果队列为空,返回True,反之False ;
Queue.full():如果队列满了,返回True,反之False;
Queue.get([block[, timeout]]):获取队列中的一条消息,然后将其从列队中移除,block默认值为True;

1)如果block使用默认值,
且没有设置timeout(单位秒),消息列队如果为空,此时程序将被阻塞(停在读取状态),直到从消息列队读到消息为止,
如果设置了timeout,则会等待timeout秒,若还没读取到任何消息,则抛出"Queue.Empty"异常;

2)如果block值为False,消息列队如果为空,则会立刻抛出"Queue.Empty"异常;
Queue.get_nowait():相当Queue.get(False);
Queue.put(item,[block[, timeout]]):将item消息写入队列,block默认值为True;

1)如果block使用默认值,且没有设置timeout(单位秒),消息列队如果已经没有空间可写入,此时程序将被阻塞(停在写入状态),直到从消息列队腾出空间为止,如果设置了timeout,则会等待timeout秒,若还没空间,则抛出"Queue.Full"异常;

2)如果block值为False,消息列队如果没有空间可写入,则会立刻抛出"Queue.Full"异常;
Queue.put_nowait(item):相当Queue.put(item, False);

from multiprocessing import Process, Queue
import os, time, random

# 写数据进程执行的代码:
def write(q):
    for value in ['A', 'B', 'C']:
        print('Put %s to queue...' % value)
        q.put(value)
        time.sleep(random.random())

# 读数据进程执行的代码:
def read(q):
    while True:
        if not q.empty():
            value = q.get(True)
            print('Get %s from queue.' % value)
            time.sleep(random.random())
        else:
            break

if __name__=='__main__':
    # 父进程创建Queue,并传给各个子进程:
    q = Queue()
    pw = Process(target=write, args=(q,))
    pr = Process(target=read, args=(q,))
    # 启动子进程pw,写入:
    pw.start()    
    # 等待pw结束:
    pw.join()
    # 启动子进程pr,读取:
    pr.start()
    pr.join()
    # pr进程里是死循环,无法等待其结束,只能强行终止:
    print('')
    print('所有数据都写入并且读完')

  • 进程池Pool
    定义一个进程池, po = Pool(3)
    multiprocessing.Pool常用函数解析:

    • apply_async(func[, args[, kwds]]) :使用非阻塞方式调用func(并行执行,堵塞方式必须等待上一个进程退出才能执行下一个进程),args为传递给func的参数列表,kwds为传递给func的关键字参数列表;
    • close():关闭Pool,使其不再接受新的任务;
    • terminate():不管任务是否完成,立即终止;
    • join():主进程阻塞,等待子进程的退出, 必须在close或terminate之后使用;
  • 进程池中的Queue

    要使用Pool创建进程,就需要使用multiprocessing.Manager()中的Queue(),而不是multiprocesing.Queue(),否则会得到一条如下的错误信息:
    RuntimeError: Queue objects should only be shared between processes through inheritance.

  • 进程池中的进程通信


# 修改import中的Queue为Manager
from multiprocessing import Manager,Pool
import os,time,random

def reader(q):
    print("reader启动(%s),父进程为(%s)" % (os.getpid(), os.getppid()))
    for i in range(q.qsize()):
        print("reader从Queue获取到消息:%s" % q.get(True))

def writer(q):
    print("writer启动(%s),父进程为(%s)" % (os.getpid(), os.getppid()))
    for i in "itcast":
        q.put(i)

if __name__=="__main__":
    print("(%s) start" % os.getpid())
    q = Manager().Queue()  # 使用Manager中的Queue
    po = Pool()
    # 使用阻塞模式创建进程,这样就不需要在reader中使用死循环了,可以让writer完全执行完成后,再用reader去读取
    po.apply_async(writer, (q,))

    time.sleep(1)  # 先让上面的任务向Queue存入数据,然后再让下面的任务开始从中取数据

    po.apply_async(reader, (q,))
    po.close()
    po.join()
    print("(%s) End" % os.getpid())

运行结果:
(11095) start
writer启动(11097),父进程为(11095)
reader启动(11098),父进程为(11095)
reader从Queue获取到消息:i
reader从Queue获取到消息:t
reader从Queue获取到消息:c
reader从Queue获取到消息:a
reader从Queue获取到消息:s
reader从Queue获取到消息:t
(11095) End

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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