python多线程框架_python 多线程处理框架

多线程处理框架

python2.7

python3.5

多线程通用任务处理型驱动框架

probe_type 探测类型rtsp或者http

task_queue 任务队列

task_handler 任务处理函数

thread_count 线程数数目

result_queue 结果存放队列

args,kwargs为可变参数列表,为扩展性考虑

2016-8-26

python3新增中断操作

#!/usr/bin/env python2

# coding=utf-8

import threading

import argparse

import Queue

class MultiThreadHandler(object):

"""

多线程通用任务处理型驱动框架

task_queue 任务队列

task_handler 任务处理函数

thread_count 线程数数目

result_queue 结果存放队列

args,kwargs为可变参数列表,为扩展性考虑

"""

def __init__(self, task_queue, task_handler, result_queue=None, thread_count=1, *args, **kwargs):

self.task_queue = task_queue

self.result_queue = result_queue

self.task_handler = task_handler

self.thread_count = thread_count

self.args = args

self.kwagrs = kwargs

def run(self, block_flag):

thread_pool = []

for i in range(self.thread_count):

t = _TaskHandler(self.task_queue, self.task_handler, self.result_queue, *self.args, **self.kwagrs)

thread_pool.append(t)

for th in thread_pool:

th.start()

# 阻塞等待所有线程结束

if block_flag:

for th in thread_pool:

threading.Thread.join(th)

class _TaskHandler(threading.Thread):

"""

一个任务处理器线程,task_queue任务队列,result_queue是结果队列,task_handler任务处理函数,args,kwargs可变控制参数

"""

def __init__(self, task_queue, task_handler, result_queue=None, *args, **kwargs):

threading.Thread.__init__(self)

self.task_queue = task_queue

self.task_handler = task_handler

self.result_queue = result_queue

self.args = args

self.kwargs = kwargs

def run(self):

while True:

try:

item = self.task_queue.get(False)

self.task_handler(item, self.result_queue, *self.args, **self.kwargs)

self.task_queue.task_done()

except Queue.Empty, e:

print "all task has done!"

break

except Exception, e:

print "error:", e

def out(item, result_queue): # 自行加载处理函数

host = item

result_queue.put(host)

if __name__ == '__main__':

# parse the command args

parse = argparse.ArgumentParser()

parse.add_argument("-f", "--file", help="the target file")

parse.add_argument("-th", "--thread", type=int, default=1, help="the thread number")

parse.add_argument("-o", "--outfile", help="the outputfile")

# 解析命令行

results = parse.parse_args()

filename = results.file

th = results.thread

outfile = results.outfile

task_queue = Queue.Queue()

out_queue = Queue.Queue()

with open(filename) as f:

for line in f:

line = line.rstrip()

if line:

task_queue.put(line)

MultiThreadHandler(task_queue, out, out_queue, th).run(True)

with open(outfile, "w+") as f:

while True:

f.write(out_queue.get() + '\n')

if out_queue.empty():

break

#! python3

# coding=utf-8

import queue

import argparse

import threading

import time

class MultiThreadHandler(object):

"""

多线程通用任务处理型驱动框架

task_queue 任务队列

task_handler 任务处理函数

thread_count 线程数数目

result_queue 结果存放队列

args,kwargs为可变参数列表,为扩展性考虑

"""

def __init__(self, task_queue, task_handler, result_queue=None, thread_count=1, *args, **kwargs):

self.task_queue = task_queue

self.task_handler = task_handler

self.result_queue = result_queue

self.thread_count = thread_count

self.args = args

self.kwagrs = kwargs

self.thread_pool = []

def run(self, block_flag):

for i in range(self.thread_count):

t = _TaskHandler(self.task_queue, self.task_handler, self.result_queue, *self.args, **self.kwagrs)

self.thread_pool.append(t)

for th in self.thread_pool:

th.setDaemon(True)

th.start()

'''

# 阻塞等待所有线程结束

if block_flag:

for th in thread_pool:

threading.Thread.join(th)

'''

# 阻塞等待所有线程结束

while self._check_stop():

try:

time.sleep(1)

except KeyboardInterrupt:

print('KeyboardInterruption')

self.stop_all()

break

print('>>>all Done')

def _check_stop(self):

"""检查线程池中所有线程是否全部运行完"""

finish_num = 0

for th in self.thread_pool:

if not th.isAlive():

finish_num += 1

return False if finish_num == len(self.thread_pool) else True

def stop_all(self):

"""掉用线程体stop方法,停止所有线程"""

for th in self.thread_pool:

th.stop()

class _TaskHandler(threading.Thread):

"""

一个任务处理器线程,task_queue任务队列,task_handler任务处理函数,result_queue是结果队列,args,kwargs可变控制参数

可外部中断

"""

def __init__(self, task_queue, task_handler, result_queue=None, *args, **kwargs):

threading.Thread.__init__(self)

self.task_queue = task_queue

self.task_handler = task_handler

self.result_queue = result_queue

self.args = args

self.kwargs = kwargs

self.is_stoped = True

def run(self):

while self.is_stoped:

try:

item = self.task_queue.get(False) # block= False

self.task_handler(item, self.result_queue, *self.args, **self.kwargs)

self.task_queue.task_done() # 退出queue

except queue.Empty as e:

print("all task has done!")

break

except Exception as e:

print("error:", e)

# time.sleep(1)

def stop(self):

self.is_stoped = False

def out(item, result_queue): # 加载处理函数

result_queue.put(item)

if __name__ == '__main__':

# parse the command args

start = time.time()

parse = argparse.ArgumentParser()

parse.add_argument("-f", "--file", help="the target file")

parse.add_argument("-th", "--thread", type=int, default=1, help="the thread number")

parse.add_argument("-o", "--outfile", help="the outputfile")

# 解析命令行

results = parse.parse_args()

filename = results.file

th = results.thread

outfile = results.outfile

task_queue = queue.Queue()

out_queue = queue.Queue()

with open(filename, "r+") as f:

for line in f:

line = line.rstrip()

if line:

task_queue.put(line)

MultiThreadHandler(task_queue, out, out_queue, th).run(True)

with open(outfile, "w+") as f:

while True:

f.write(out_queue.get() + '\n')

if out_queue.empty():

break

end = time.time()

print(end - start)

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 很抱歉,我之前回答的还是这个问题。以下是一个稍微复杂一点的 Python 多线程实例,可以用来计算一个矩阵的乘积: ```python import threading import numpy as np # 定义矩阵的大小 MATRIX_SIZE = 1000 # 初始化两个随机矩阵 matrix_a = np.random.rand(MATRIX_SIZE, MATRIX_SIZE) matrix_b = np.random.rand(MATRIX_SIZE, MATRIX_SIZE) # 初始化结果矩阵 result_matrix = np.zeros((MATRIX_SIZE, MATRIX_SIZE)) # 定义一个函数,用来计算矩阵的乘积 def multiply(start, end): for i in range(start, end): for j in range(MATRIX_SIZE): for k in range(MATRIX_SIZE): result_matrix[i][j] += matrix_a[i][k] * matrix_b[k][j] # 定义线程数量 NUM_THREADS = 4 # 计算每个线程需要计算的行数 rows_per_thread = MATRIX_SIZE // NUM_THREADS # 创建线程列表 threads = [] # 启动线程 for i in range(NUM_THREADS): start = i * rows_per_thread end = (i + 1) * rows_per_thread t = threading.Thread(target=multiply, args=(start, end)) threads.append(t) t.start() # 等待所有线程结束 for t in threads: t.join() # 检查结果是否正确 expected_result = np.dot(matrix_a, matrix_b) assert np.array_equal(result_matrix, expected_result) # 输出 Done 表示程序执行完毕 print("Done") ``` 这个例子首先初始化两个随机矩阵,然后定义一个函数 multiply,用来计算这两个矩阵的乘积。然后,它将矩阵分成若干个部分,每个部分分配给一个线程来计算。最后,它等待所有线程结束,检查结果是否正确,并输出 Done 表示程序执行完毕。 希望这个例子能够帮助您更好地理解 Python 多线程的使用方法。 ### 回答2: Python多线程实例是指在Python编程语言中使用多线程进行并发编程的实例。在Python中,可以使用内置的threading模块来创建和管理多线程。 通过创建多线程,可以在程序中同时执行多个任务。这对于需要同时处理多个任务的情况非常有用。例如,在下载大文件时,可以使用多线程同时下载多个文件,加快下载速度。此外,多线程还可以用于处理网络请求、图像处理、数据处理等耗时操作,提高程序的运行效率。 使用Python多线程的主要步骤如下: 1. 导入threading模块。 ``` import threading ``` 2. 创建一个线程对象,可以通过继承threading.Thread类或使用threading.Thread()函数创建。 ``` class MyThread(threading.Thread): def __init__(self, name): super().__init__() self.name = name def run(self): # 线程执行的代码 print("Hello, " + self.name) thread1 = MyThread("Thread 1") thread2 = threading.Thread(target=func, args=("Thread 2",)) ``` 3. 启动线程。 ``` thread1.start() thread2.start() ``` 4. 等待线程结束。 ``` thread1.join() thread2.join() ``` 以上代码演示了两种创建多线程的方法:1)继承threading.Thread类,重写run方法;2)使用函数作为线程的执行内容。线程的启动调用start()方法,等待线程结束使用join()方法。 需要注意的是,Python多线程的并发程度受到全局解释器锁(GIL)的限制,因此对于计算密集型的任务,多线程并不能发挥出多核的优势。如果需要发挥多核性能,可以考虑使用多进程编程。 总之,Python多线程实例能够提高程序的并发处理能力,适用于需要同时处理多个任务的场景。通过合理设计线程的数量和任务分配,可以提高程序的性能和效率。 ### 回答3: Python多线程实例是指通过使用多线程的技术来提高Python程序的运行效率和性能。在Python中,我们可以使用threading模块来实现多线程多线程技术可以同时执行多个任务,提高程序的运行速度。在Python中,我们可以通过创建Thread对象并调用start()方法来启动一个线程。下面是一个简单的例子: import threading def print_numbers(): for i in range(1, 11): print(i) def print_letters(): for letter in ['A', 'B', 'C', 'D', 'E']: print(letter) # 创建两个线程 t1 = threading.Thread(target=print_numbers) t2 = threading.Thread(target=print_letters) # 启动两个线程 t1.start() t2.start() # 等待两个线程结束 t1.join() t2.join() # 主线程继续执行 print("主线程结束") 以上代码中,我们创建了两个线程,分别执行print_numbers()和print_letters()函数。通过调用start()方法启动线程,并通过join()方法等待两个线程执行完毕。最后,主线程继续执行并打印出一段文字。 需要注意的是,多线程并不一定能提高程序的运行速度,因为在Python中,全局解释器锁(Global Interpreter Lock,GIL)会限制同一时间只能有一个线程执行Python字节码。因此,在CPU密集型任务中,多线程并不能真正实现并行计算。但是,在IO密集型任务中,多线程能够提高程序的运行效率。 总结起来,Python多线程实例可以通过使用threading模块来实现多线程能够提高IO密集型任务的运行效率,但在CPU密集型任务中并不能真正实现并行计算。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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