python大佬养成计划----线程与多线程

创建线程

一个进程必有一个线程，进程也可由多个线程组成，但有一个线程为主线程。
若一个任务需要花10Mins，当只有一个线程时，花费10Mins,当有十个线程时，可能就花费1Mins,所以多线程可以提升任务执行时间，提高工作效率。
python里与线程有关的模块：

• _thread 底层
• threading

查看当前运行的线程个数：threading.current_thread()
查看当前线程信息：threading.active_count()

import _thread
import threading

def job():

    print("当前线程个数：",threading.active_count())
    print("当前线程信息",threading.current_thread())

if __name__=='__main__':
    job()

_thread创建多线程

调用thread模块中的start_new_thread()函数来产生新线程。
thread.start_new_thread(function,args = ())

#_thread创建多线程
import _thread
import time

def job(name):
    print("name:%s,time:%s" %(name,time.ctime()))

if __name__=="__main__":
    # 创建多个线程, 但是没有开始执行任务
    _thread.start_new_thread(job,('thread1',))
    _thread.start_new_thread(job,('thread2',))
    while True: #盲等待
        pass

threading通过实例化Thread类创建多线程

_thread模块提供了低级别的、原始的线程以及一个简单的锁。
threading模块是对_thread再封装，对使用者更友好
通过实例化Thread对象创建线程，Thread的方法有：

• run() #Method representing the thread's activity.
• start() #Start the thread's activity.
• join() #Wait until the thread terminates.
• is_alive() #Return whether the thread is alive.

import threading

def job(name):
    print("当前执行的任务名：",name)
    print("当前线程个数：",threading.active_count())
    print("当前线程信息：",threading.current_thread())

if __name__=="__main__":
    t1 = threading.Thread(target=job,name='thread1',args=('job1',))
    t2 = threading.Thread(target=job,name='thread2',args=('job2',))
    t1.start()  #Start the thread's activity.
    t2.start()

使用多线程与不使用多线程的对比

不使用多线程执行任务，程序会一直等待sleep时间过去，在执行下一条命令。

#不使用多线程
import time

def music(name):
    for i in range(2):
        print("i am listening :",name)
        time.sleep(2)
def read(book):
    for i in range(2):
        print("i am reading :",book)
        time.sleep(1)
if __name__ == '__main__':
    start_time = time.time()
    music("空空如也")
    read('面纱')
    print("花费时间: %s" %(time.time()-start_time))

使用多线程执行任务，在遇到某一线程需要等待时，会执行其他线程
Thread.join()会等待当前线程执行结束，再执行主线程。

import threading
import time


def music(name):
    for i in range(2):
        print("i am listening :",name)
        time.sleep(2)
def read(book):
    for i in range(2):
        print("i am reading :",book)
        time.sleep(1)
if __name__=="__main__":
    start_time = time.time()
    t1 = threading.Thread(target=music,args=('空空如也',))
    t2 = threading.Thread(target=read,args=('面纱',))
    t1.start()
    t2.start()
    t1.join()   #等待线程执行结束，才执行主程序，防止主线程阻塞子线程
    t2.join()
    end_time = time.time()
    print("任务执行时间：",end_time-start_time)

守护线程setDeamon

当申明一个子线程为守护线程时，主线程结束时，子线程也结束。
申明守护线程需要在开启线程之前。

import threading
import time

def music(name):
    for i in range(2):
        print("listening music :",name)
        time.sleep(4)

def code(pro):
    for i in range(2):
        print('i am coding :',pro)
        time.sleep(5)

if __name__=='__main__':
    st_time = time.time()
    t1 = threading.Thread(target=music,args=('hello',))
    t2 = threading.Thread(target=code,args=('mydiff',))
    #将线程申明为守护线程，如果设置为True，当主线程结束，子线程也结束
    #必须在启动线程之前进行设置
    t1.setDaemon(True)
    t2.setDaemon(True)  #主线程执行结束之后，子线程还没来得及执行结束，整个程序就退出了
    t1.start()
    t2.start()
    end_time = time.time()
    print('运行时间:',end_time-st_time)

线程同步

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可以实现简单的线程同步，这两个对象都有acquire方法和release方法，对于那些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方法之间。

import threading

def add(lock):
    #操作变量之前加锁
    lock.acquire()
    global money
    for i in range(1389993):
        money+=1
    #变量操作完成之后，解锁
    lock.release()

def reduce(lock):
    #操作变量之前加锁
    lock.acquire()
    global money
    for i in range(4728937):
        money-=1
    #变量操作完成之后，解锁
    lock.release()

if __name__=="__main__":
    money = 0
    lock = threading.Lock() #示例化一个锁对象
    t1 = threading.Thread(target=add,args=(lock,))
    t2 = threading.Thread(target=reduce,args=(lock,))
    t1.start()
    t2.start()

    t1.join()
    t2.join()
    print('最终金额为：',money)

GIL全局解释器锁

Python 代码的执行由 Python 虚拟机(也叫解释器主循环)来控制。Python 在设计之初就考虑到要在主循环中，同时只有一个线程在执行，就像单 CPU 的系统中运行多个进程那样，内存中可以存放多个程序，但任意时刻，只有一个程序在 CPU 中运行。同样地，虽然 Python 解释器中可以“运行”，多个线程，但在任意时刻，只有一个线程在解释器中运行。

对 Python 虚拟机的访问由全局解释器锁（GIL）来控制，正是这个锁能保证同一时刻只有一个线程在运行。

执行过程:

1). 设置GIL
2). 切换到线程去运行对应的任务;
3). 运行
    - 执行完了
    - time.sleep()
    - 获取其他信息才能继续执行, eg: 从网络上获取网页信息等;
3. 把线程设置为睡眠状态
4. 解锁GIL
5.再次重复执行上述内容;

生产者消费者模型

在工作中，某些模块生成一些数据，由另一些模块负责处理。产生数据的模块，就形象地称为生产者；而处理数据的模块，就称为消费者。在生产者与消费者之间在加个缓冲区，我们形象的称之为仓库，生产者负责往仓库了进商品，而消费者负责从仓库里拿商品，这就构成了生产者消费者模式。
这里，我们用生产者消费者模型来实现多线程的网址访问，节省时间。

#多线程实现生产者消费者模型
#实现不同的网址或ip访问
import threading
from urllib.request import urlopen


def create_data():
    with open('ips.txt','w') as f:
        f.write("www.baidu.com\n")
        f.write("www.163.com\n")
        for i in range(100):
            f.write('172.25.254.%s\n' %(i+1))
def creat_url(filename='ips.txt'):
    ports=[80,443]
    with open(filename) as f:
        ips = [url_info.strip() for url_info in f.readlines()]
    urls = ['http://%s:%s' %(ip,port) for ip in ips for port in ports]
    return urls

def job(url):
    try:
        urlObj = urlopen(url)
    except Exception as e :
        print('Warnning!!!    %s不可访问' %(url))
    else:
        print("%s可以访问" %(url))

if __name__=="__main__":
    urls = creat_url()
    threads = []
    for url in urls:
        t = threading.Thread(target=job,args=(url,))
        threads.append(t)
        t.start()
    [thread.join() for thread in threads]
    print("任务执行结束")

再封装threading.Thread类

无参版

对threading.Thread类的再封装，执行时无需传递参数

from threading import Thread
class IpThread(Thread):
    def __init__(self):
        super(IpThread, self).__init__()
# 将多线程需要执行的任务重写到run方法中;
    def run(self):
        print("this is a JOB")
        print(type(self))

t = IpThread()
t.start()

含参版

实现访问Ip地址

import json
from threading import Thread
from urllib.request import urlopen

class IpThread(Thread):
    #重写构造方法，如果执行的任务需要传递参数，那将参数与self绑定
    def __init__(self,jobname,ip):
        super(IpThread, self).__init__()
        self.jobname = jobname
        self.ip = ip
    #将多线程需要执行的任务重写到run方法中
    def run(self):
        print('this is a %s job' %(self.jobname))
        #需要有一个参数，传递ip
        url = "http://ip.taobao.com/service/getIpInfo.php?ip=%s" % (self.ip)
        try :
            # 根据url获取网页的内容， 并且解码为utf-8格式， 识别中文;
            result = urlopen(url).read().decode('utf-8')
        except Exception as e:
            print("访问%s失败" %(self.ip))
        else:
             # 将获取的字符串类型转换为字典， 方便处理
            d = json.loads(result)['data']
            country = d['country']
            city = d['city']
        print("%s位于%s,城市为%s" %(self.ip,country,city))

if __name__=="__main__":
    ips = ['172.25.254.22','8.8.8.8','89.31.136.0']
    threads = []
    for ip in ips :
        t = IpThread(jobname='Clawer',ip=ip)
        threads.append(t)
        t.start()
    [thread.join() for thread in threads]
    print("程序执行结束")

线程池

线程池是一种多线程处理形式，处理过程中将任务添加到队列，然后在创建线程后自动启动这些任务。线程池线程都是后台线程。每个线程都使用默认的堆栈大小，以默认的优先级运行，并处于多线程单元中。

from concurrent.futures import ThreadPoolExecutor

import time
#需要执行的任务
def job():
    print("morning sheen")
    return 'new day'

if __name__=='__main__':
    #示例化对象，线程池里最多有10个线程
    pool = ThreadPoolExecutor(max_workers=10)
    #往线程池里扔需要执行的任务，返回一个对象 _base.Future()示例化出来的
    f1 = pool.submit(job)
    f2 = pool.submit(job)
    #判断任务是否执行结束
    print(f1.done())
    time.sleep(1)
    print(f2.done())    #判断是否释放了线程
    #获取执行任务的结果
    print(f1.result())
    print(f2.result())

线程池循环执行任务

略

线程池执行任务方式

concurrent.futures.ThreadPoolExecutor，在提交任务的时候，有两种方式，一种是submit（）函数，另一种是map（）函数，两者的主要区别在于：

• map可以保证输出的顺序, submit输出的顺序是乱的
• 如果你要提交的任务的函数是一样的，就可以简化成map。但是假如提交的任务函数是不一样的，或者执行的过程之可能出现异常（使用map执行过程中发现问题会直接抛出错误）就要用到submit（）
• submit和map的参数是不同的，submit每次都需要提交一个目标函数和对应的参数，map只需要提交一次目标函数，目标函数的参数放在一个迭代器（列表，字典）里就可以。

from urllib.error import HTTPError
from urllib.request import urlopen
from concurrent.futures import ThreadPoolExecutor,as_completed
import time

URLS = ['http://httpbin.org', 'http://example.com/',
        'https://api.github.com/']*3
def get_page(url,timeout = 0.3):   #爬取网页信息
    try:
        content = urlopen(url).read()
        return {'url':url, 'len':len(content)}
    except HTTPError as e:
        return {'url':url, 'len':0}

# 方法1： submit提交任务
start_time = time.time()
pool = ThreadPoolExecutor(max_workers=20)
#submit返回的是Future对象,对于Future对象可以简单地理解为一个在未来完成的操作
futuresObj = [pool.submit(get_page, url) for url in URLS]
# # 注意: 传递的是包含futures对象的序列, as_complete返回已经执行完任务的future对象，
# # 直到所有的future对应的任务执行完成， 循环结束;
for finish_fs in as_completed(futuresObj):
    print(finish_fs.result() )
#submit返回值Future的方法result(self, timeout=None)
"""Return the result of the call that the future represents.
Args:
    timeout: The number of seconds to wait for the result if the future
        isn't done. If None, then there is no limit on the wait time.
Returns:
    The result of the call that the future represents."""
print("执行时间:%s" %(time.time()-start_time))

# 方法2：通过map方式执行
start2_time = time.time()
pool2 = ThreadPoolExecutor(max_workers=20)
for res in pool2.map(get_page, URLS):
    print(res)
print("执行时间:%s" %(time.time()-start2_time))