一、多线程
1.使用threading模块
-
import threading
-
t = threading.Thread(target=None, name=None, args=()…)
- target:调用函数
- name:线程命名
- args:传入target对应函数的参数,
-
Thread对象的方法:
- t.start():开启线程
- t.join():等待线程结束才会执行下一个线程
# coding=utf-8
import threading
import time
def saySorry():
print("亲爱的,我错了,我能吃饭了吗?")
time.sleep(5)
if __name__ == "__main__":
for i in range(5):
# 创建线程对象
t = threading.Thread(target=saySorry)
t.start() # 启动线程,即让线程开始执行
# t.join() # 等待该线程执行结束
2.线程的封装
- 调用Tread对象的start方法时会调用他的run方法,自定义一个多线程的类,只要继承threading.Thread类,并且重写run方法即可
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)
print(msg)
def test():
for i in range(5):
t = MyThread()
t.start()
if __name__ == '__main__':
test()
3.互斥锁
3.1多线程共享全局变量:
- 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
3.2解决:
- 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”,其他线程不能更改;直到该线程释放资源,将资源的状态变成“非锁定”,其他的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模块中定义了Lock类,可以方便的处理锁定:
#创建锁
mutex = threading.Lock()
#锁定
mutex.acquire()
#释放
mutex.release()
注意:
如果这个锁之前是没有上锁的,那么acquire不会堵塞
如果在调用acquire对这个锁上锁之前 它已经被 其他线程上了锁,那么此时acquire会堵塞,直到这个锁被解锁为止
import threading
import time
g_num = 0
def test1(num):
global g_num
for i in range(num):
mutex.acquire() # 上锁
g_num += 1
mutex.release() # 解锁
print("---test1---g_num=%d"%g_num)
def test2(num):
global g_num
for i in range(num):
mutex.acquire() # 上锁
g_num += 1
mutex.release() # 解锁
print("---test2---g_num=%d"%g_num)
# 创建一个互斥锁
# 默认是未上锁的状态
mutex = threading.Lock()
# 创建2个线程,让他们各自对g_num加1000000次
p1 = threading.Thread(target=test1, args=(1000000,))
p1.start()
p2 = threading.Thread(target=test2, args=(1000000,))
p2.start()
# 等待计算完成
while len(threading.enumerate()) != 1:
time.sleep(1)
print("2个线程对同一个全局变量操作之后的最终结果是:%s" % g_num)
运行结果:
—test1—g_num=1909909
—test2—g_num=2000000
2个线程对同一个全局变量操作之后的最终结果是:2000000
3.3上锁解锁过程
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。
总结
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
4.线程池
import time
#导入线程池模块对应的类
from multiprocessing.dummy import Pool
#实例化一个线程池对象
pool = Pool(processes=None)
#将iteravle中每一个元素传递给func进行处理。
pool.map(func, iterable) # 这里的map自带pool.close() 和 pool.join()方法
#关闭线程池
pool.close()
#等待线程池中所有线程执行结束
pool.join()
import time
# 导入线程池模块对应的类
from multiprocessing.dummy import Pool
# 使用线程池方式执行
start_time = time.time()
def get_page(a):
print("正在下载 :", a)
time.sleep(2)
print('下载成功:', a)
name_list =['xiaozi','aa','bb','cc']
# 实例化一个线程池对象
pool = Pool(4)
# 将列表中每一个列表元素传递给get_page进行处理。
pool.map(get_page, name_list)
# pool.close()
# pool.join()
end_time = time.time()
print(end_time-start_time)