python如何使用多线程_python如何使用多线程

5d82f9a34cd30318.jpg

多线程(英语:multithreading),是指从软件或者硬件上实现多个线程并发执行的技术。具有多线程能力的计算机因有硬件支持而能够在同一时间执行多于一个线程,进而提升整体处理性能。具有这种能力的系统包括对称多处理机、多核心处理器以及芯片级多处理(Chip-level multithreading)或同时多线程(Simultaneous multithreading)处理器。在一个程序中,这些独立运行的程序片段叫作“线程”(Thread),利用它编程的概念就叫作“多线程处理(Multithreading)”。具有多线程能力的计算机因有硬件支持而能够在同一时间执行多于一个线程(台湾译作“执行绪”),进而提升整体处理性能。

Python 多线程之使用方法

Python 提供多线程编程的模块有以下几个:

- _thread

- threading

- Queue

- multiprocessing

下面一一介绍:

1. _thread 模块提供了低级别的基本功能来支持多线程功能,提供简单的锁来确保同步,推荐使用 threading 模块。

2. threading 模块对 _thread 进行了封装,提供了更高级别,功能更强,更易于使用的线程管理的功能,对线程的支持更为完善,绝大多数情况下,只需要使用 threading 这个高级模块就够了。

使用 threading 进行多线程操作:

方法一:是创建 threading.Thread 实例,调用其 start() 方法。import time

import threading

def task_thread(counter):

print(f'线程名称:{threading.current_thread().name} 参数:{counter} 开始时间:{time.strftime("%Y-%m-%d

%H:%M:%S")}')

num = counter

while num:

time.sleep(3)

num -= 1

print(f'线程名称:{threading.current_thread().name} 参数:{counter} 结束时间:{time.strftime("%Y-%m-%d

%H:%M:%S")}')

if __name__ == '__main__':

print(f'主线程开始时间:{time.strftime("%Y-%m-%d %H:%M:%S")}')

#初始化3个线程,传递不同的参数

t1 = threading.Thread(target=task_thread, args=(3,))

t2 = threading.Thread(target=task_thread, args=(2,))

t3 = threading.Thread(target=task_thread, args=(1,))

#开启三个线程

t1.start()

t2.start()

t3.start()

#等待运行结束

t1.join()

t2.join()

t3.join()

print(f'主线程结束时间:{time.strftime("%Y-%m-%d %H:%M:%S")}')

运行结果如下所示:主线程开始时间:2018-07-06 23:03:46

线程名称:Thread-1 参数:3 开始时间:2018-07-06 23:03:46

线程名称:Thread-2 参数:2 开始时间:2018-07-06 23:03:46

线程名称:Thread-3 参数:1 开始时间:2018-07-06 23:03:46

线程名称:Thread-3 参数:1 结束时间:2018-07-06 23:03:49

线程名称:Thread-2 参数:2 结束时间:2018-07-06 23:03:52

线程名称:Thread-1 参数:3 结束时间:2018-07-06 23:03:55

主线程结束时间:2018-07-06 23:03:55

方法二:继承 Thread 类,在子类中重写 run() 和 init() 方法。import time

import threading

class MyThread(threading.Thread):

def __init__(self, counter):

super().__init__()

self.counter = counter

def run(self):

print(

f'线程名称:{threading.current_thread().name} 参数:{self.counter} 开始时间:{time.strftime

("%Y-%m-%d %H:%M:%S")}'

)

counter = self.counter

while counter:

time.sleep(3)

counter -= 1

print(

f'线程名称:{threading.current_thread().name} 参数:{self.counter} 结束时间:{time.strftime

("%Y-%m-%d %H:%M:%S")}'

)

if __name__ == "__main__":

print(f'主线程开始时间:{time.strftime("%Y-%m-%d %H:%M:%S")}')

# 初始化3个线程,传递不同的参数

t1 = MyThread(3)

t2 = MyThread(2)

t3 = MyThread(1)

# 开启三个线程

t1.start()

t2.start()

t3.start()

# 等待运行结束

t1.join()

t2.join()

t3.join()

print(f'主线程结束时间:{time.strftime("%Y-%m-%d %H:%M:%S")}')

运行结果如下,与方法一的运行结果一致。主线程开始时间:2018-07-06 23:34:16

线程名称:Thread-1 参数:3 开始时间:2018-07-06 23:34:16

线程名称:Thread-2 参数:2 开始时间:2018-07-06 23:34:16

线程名称:Thread-3 参数:1 开始时间:2018-07-06 23:34:16

线程名称:Thread-3 参数:1 结束时间:2018-07-06 23:34:19

线程名称:Thread-2 参数:2 结束时间:2018-07-06 23:34:22

线程名称:Thread-1 参数:3 结束时间:2018-07-06 23:34:25

主线程结束时间:2018-07-06 23:34:25

如果继承 Thread 类,想调用外部传入函数,代码如下所示:import time

import threading

def task_thread(counter):

print(f'线程名称:{threading.current_thread().name} 参数:{counter} 开始时间:{time.strftime("%Y-%m-%d

%H:%M:%S")}')

num = counter

while num:

time.sleep(3)

num -= 1

print(f'线程名称:{threading.current_thread().name} 参数:{counter} 结束时间:{time.strftime("%Y-%m-%d

%H:%M:%S")}')

class MyThread(threading.Thread):

def __init__(self, target, args):

super().__init__()

self.target = target

self.args = args

def run(self):

self.target(*self.args)

if __name__ == "__main__":

print(f'主线程开始时间:{time.strftime("%Y-%m-%d %H:%M:%S")}')

# 初始化3个线程,传递不同的参数

t1 = MyThread(target=task_thread,args=(3,))

t2 = MyThread(target=task_thread,args=(2,))

t3 = MyThread(target=task_thread,args=(1,))

# 开启三个线程

t1.start()

t2.start()

t3.start()

# 等待运行结束

t1.join()

t2.join()

t3.join()

print(f'主线程结束时间:{time.strftime("%Y-%m-%d %H:%M:%S")}')

这样就和方法一是相通的,实例化自定义的线程类,运行结果不变。

  • 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