python线程

 python的threading用于提供线程相关的操作，线程是应用程序中最小的单元。使用threading有两种方式来创建线程：一种是通过继承Thread类，重写它的run方法；另外一种是创建一个threading.Thread对象，在它的初始化函数中将可调用对象最为参数传入。下面分别举例来说明，先来看看通过继承threading.Thread类来创建线程的例子：

# coding=utf-8
import threading, time, random
count = 0
class Counter(threading.Thread):
    def __init__(self, lock, threadName):
        '''@summary: 初始化对象。
        @param lock: 琐对象。
        @param threadName: 线程名称。
        '''
        super(Counter, self).__init__(name=threadName)  # 注意：一定要显式的调用父类的初化函数。
        self.lock = lock

    def run(self):
        '''@summary: 重写父类run方法，在线程启动后执行该方法内的代码。
        '''
        global count
        self.lock.acquire()
        for i in range(10000):
            count = count + 1
        self.lock.release()

lock = threading.Lock()
threads = []
for i in range(5):
    t =Counter(lock, "thread-" + str(i))
    threads.append(t)
    t.start()
# 确保线程都执行完毕
for t in threads:
    t.join()
print(count)

 在代码中，我们创建了一个Counter类，它继承了threading.Thread类。初始化函数接收了两个参数，一个是所对象，一个是线程名称。在Counter中，重写了从父类继承的run方法(run方法是多线程逻辑代码执行的地方)，将在线程开启后执行，start()方法用于启动线程。
另外一种创建线程的方式：

import threading, time, random
count = 0
lock = threading.Lock()
def doAdd():
    '''@summary: 将全局变量count 逐一的增加10000。
    '''
    global count, lock
    lock.acquire()
    for i in range(10000):
        count = count + 1
    lock.release()
for i in range(5):
    threading.Thread(target = doAdd, args = (), name = 'thread-' + str(i)).start()
time.sleep(2)   #确保线程都执行完毕
print (count)

上面的代码中，我们把函数对象doAdd作为参数传递给了它的threading.Thread对象，再调用该对象的start方法，线程启动后执行doAdd函数。threading.Thread类的初始化函数原型：
def __init__(self, group=None, target=None, name=None, args=(), kwargs={})
- 参数group是预留的，用于将来拓展
- 参数target是一个可调用对象（也称为活动[activity]），在线程启动后执行
- 参数name是线程的名字。默认值为“Thread-N“，N是一个数字
- 参数args和kwargs分别表示调用target时的参数列表和关键字参数
threading模块提供的类：
　　Thread, Lock, Rlock, Condition, [Bounded]Semaphore, Event, Timer, local。
　　threading.TIMEOUT_MAX 设置threading全局超时时间。
Thread类还定义一下方法和属性：
 threading.currentThread(): 返回当前的线程变量。
 threading.enumerate(): 返回一个包含正在运行的线程的list。正在运行指线程启动后、结束前，不包括启动前和终止后的线程。
 threading.activeCount(): 返回正在运行的线程数量，与len(threading.enumerate())有相同的结果。
 Thread.getName()   Thread.setName()    Thread.name
用来获取和设置线程名称。
 Thread.ident
获取线程的标识符。线程标识符是一个非零整数，只有在调用了start()方法之后该属性才有效，否则它只返回None。
 Thread.is_alive()   Thread.isAlive()
判断线程是否是激活的（alive）。从调用start()方法启动线程，到run()方法执行完毕或遇到未处理异常而中断 这段时间内，线程是激活的。
 is/setDaemon(bool): 获取/设置是后台线程（默认前台线程（False））。（在start之前设置）如果是后台线程，主线程执行过程中，后台线程也在进行，主线程执行完毕后，后台线程不论成功与否，主线程和后台线程均停止如果是前台线程，主线程执行过程中，前台线程也在进行，主线程执行完毕后，等待前台线程也执行完成后，程序停止.
 Thread.join([timeout])
调用Thread.join将会使主调线程堵塞，直到被调用线程运行结束或超时。参数timeout是一个数值类型，表示超时时间，如果未提供该参数，那么主调线程将一直堵塞到被调线程结束。下面举个例子说明join()的使用：

import threading, time
def doWaiting():
    print 'start waiting:', time.strftime('%H:%M:%S')
    time.sleep(3)
    print 'stop waiting', time.strftime('%H:%M:%S')
thread1 = threading.Thread(target = doWaiting)
thread1.start()
time.sleep(1)  #确保线程thread1已经启动
print 'start join'
thread1.join()  #将一直堵塞，直到thread1运行结束。
print 'end join'

threading.RLock和threading.Lock
 在threading模块中，定义两种类型的琐：threading.Lock和threading.RLock。
acquire([timeout]): 尝试获得锁定。使线程进入同步阻塞状态。
release(): 释放锁。使用前线程必须已获得锁定，否则将抛出异常
它们之间有一点细微的区别，通过比较下面两段代码来说明：

import threading
lock = threading.Lock() #Lock对象
lock.acquire()
lock.acquire()  #产生了死琐。
lock.release()
lock.release()

import threading
rLock = threading.RLock()  #RLock对象
rLock.acquire()
rLock.acquire() #在同一线程内，程序不会堵塞。
rLock.release()
rLock.release()

 这两种琐的主要区别是：RLock允许在同一线程中被多次acquire。而Lock却不允许这种情况。注意：如果使用RLock，那么acquire和release必须成对出现，即调用了n次acquire，必须调用n次的release才能真正释放所占用的琐。Lock属于全局，Rlock属于线程。
Condition类
 Condition(条件变量)通常与一个锁关联。需要在多个Contidion中共享一个锁时，可以传递一个Lock/RLock实例给构造方法，否则它将自己生成一个RLock实例。
 可以认为，处理Lock带有的锁定池外，Condition还包含一个等待池，池中的线程处于阻塞状态，知道另外一个线程调用notify()/notifyAll()通知；得到通知后线程进入锁定池等待锁定。
构造方法：
Condition([Lock/RLock])
实例方法：
　　acquire([timeout])/release(): 调用关联的锁的相应方法。
　　wait([timeout]): 调用这个方法将使线程进入Condition的等待池等待通知，并释放锁。使用前线程必须已获得锁定，否则将抛出异常。
　　notify(): 调用这个方法将从等待池挑选一个线程并通知，收到通知的线程将自动调用acquire()尝试获得锁定（进入锁定池）；其他线程仍然在等待池中。调用这个方法不会释放锁定。使用前线程必须已获得锁定，否则将抛出异常。
　　notifyAll(): 调用这个方法将通知等待池中所有的线程，这些线程都将进入锁定池尝试获得锁定。调用这个方法不会释放锁定。使用前线程必须已获得锁定，否则将抛出异常。
如下是一个生产者与消费者的程序示例：

import threading
import time
condition = threading.Condition()
products = 0

class Producer(threading.Thread):
    def run(self):
        global products
        while True:
            if condition.acquire():
                if products < 10:
                    products += 1;
                    print ("Producer(%s):deliver one, now products:%s" %(self.name, products))
                    condition.notify()#不释放锁定，因此需要下面一句
                    condition.release()
                else:
                    print ("Producer(%s):already 10, stop deliver, now products:%s" %(self.name, products))
                    condition.wait();#自动释放锁定
                time.sleep(2)

class Consumer(threading.Thread):
    def run(self):
        global products
        while True:
            if condition.acquire():
                if products > 1:
                    products -= 1
                    print ("Consumer(%s):consume one, now products:%s" %(self.name, products))
                    condition.notify()
                    condition.release()
                else:
                    print ("Consumer(%s):only 1, stop consume, products:%s" %(self.name, products))
                    condition.wait();
                time.sleep(2)

if __name__ == "__main__":
    for p in range(0, 2):
        p = Producer()
        p.start()

    for c in range(0, 3):
        c = Consumer()
        c.start()

Event类
 Event（事件）是最简单的线程通信机制之一：一个线程通知事件，其他线程等待事件。Event内置了一个初始为False的标志，当调用set()时设为True，调用clear()时重置为 False。wait()将阻塞线程至等待阻塞状态。Event其实就是一个简化版的 Condition。Event没有锁，无法使线程进入同步阻塞状态。
构造方法：
Event()
实例方法：
isSet(): 当内置标志为True时返回True。
set(): 将标志设为True，并通知所有处于等待阻塞状态的线程恢复运行状态。
clear(): 将标志设为False。
wait([timeout]): 如果标志为True将立即返回，否则阻塞线程至等待阻塞状态，等待其他线程调用set()。
代码实例：

# encoding: UTF-8
import threading
import time
event = threading.Event()
def func():
    # 等待事件，进入等待阻塞状态
    print ('%s wait for event...' % threading.currentThread().getName())
    event.wait()

    # 收到事件后进入运行状态
    print ('%s recv event.' % threading.currentThread().getName())


t1 = threading.Thread(target=func)
t2 = threading.Thread(target=func)
t1.start()
t2.start()
time.sleep(2)
# 发送事件通知
print ('MainThread set event.')
event.set()

输出信息：
Thread-1 wait for event…
Thread-2 wait for event…
MainThread set event.
Thread-1 recv event.
Thread-2 recv event.

Timer类
 Timer(定时器)是Thread的派生类，用于在指定时间后调用一个方法。
构造方法：Timer(interval,function,args=[],kwargs={})
参数说明：
interval：指定的时间（秒为单位）
function: 要执行的方法
args/kwargs：方法的参数
代码示例：

# encoding: UTF-8
import threading
def func():
    print 'hello timer!'
timer = threading.Timer(5, func)
timer.start()

这段代码中的func函数在延迟5秒之后执行。

local类
 local是一个小写字母开头的类，用于管理thread-local(线程局部变量)，对于同一个local，线程无法访问其他线程设置的属性。线程设置的属性不会被其他线程设置的同名属性替换。
 可以把local看成是一个“线程-属性字典”的字典，local封装了从自身使用线程作为key检索对应的属性字典，再使用属性名作为key检索属性的细节。
代码示例：

# encoding: UTF-8
import threading

local = threading.local()
local.tname = 'main'
def func():
    local.tname = 'notmain'
    print local.tname

t1 = threading.Thread(target=func)
t1.start()
t1.join()

print local.tname

输出信息：
notmain
main

 在实际使用过程python过程中，使用线程的实例如何避免线程之间的竞争？
示例1 我们将要请求五个不同的url
单线程模式：

import time
import urllib.request

def get_responses():
    urls = [
        'http://www.baidu.com',
        'http://www.csdn.net/',
        'http://www.alibaba.com',
    ]
    start = time.time()
    for url in urls:
        print(url)
        resp = urllib.request.urlopen(url)
        print(resp.getcode())
    print ("Elapsed time: %s" % (time.time() - start))
get_responses()

输出信息：
http://www.baidu.com
200
http://www.csdn.net/
200
http://www.alibaba.com
200

多线程模式：

import time
import urllib.request
from threading import  Thread
class Worker(Thread):
    def __init__(self,url):
        self._url = url
        super(Worker,self).__init__()

    def run(self):
        print(self._url)
        resp = urllib.request.urlopen(self._url)
        print(resp.getcode())

def do_works():
    urls = [
        'http://www.baidu.com',
        'http://www.csdn.net/',
        'http://www.alibaba.com',
    ]
    start = time.time()
    threads = []
    for url in urls:
        w = Worker(url)
        threads.append(w)
        w.start()
    for w in threads:
        w.join()
    print("Elapsed time: %s" % (time.time() - start))
do_works()

输出信息：
http://www.baidu.com
http://www.csdn.net/
http://www.alibaba.com
200
200
200
Elapsed time: 0.2839999198913574

解释如下：
- 我们写了一个多线程程序来减少cpu的等待时间，当我们在等待一个线程内的网络请求返回时，这时cpu可以切换到其他线程去进行其他线程内的网络请求。
- 我们期望一个线程处理一个url，所以实例化线程类的时候我们传了一个url。
- 线程运行意味着执行类里的run()方法。
- 无论如何我们想每个线程必须执行run()。
- 为每个url创建一个线程并且调用start()方法，这告诉了cpu可以执行线程中的run()方法了。
- 我们希望所有的线程执行完毕的时候再计算花费的时间，所以调用了join()方法。
- join()可以通知主线程等待这个线程结束后，才可以执行下一条指令。
- 每个线程我们都调用了join()方法，所以我们是在所有线程执行完毕后计算的运行时间。

关于线程：
- cpu可能不会在调用start()后马上执行run()方法。
- 你不能确定run()在不同线程建间的执行顺序。
- 对于单独的一个线程，可以保证run()方法里的语句是按照顺序执行的。
- 这就是因为线程内的url会首先被请求，然后打印出返回的结果。

演示多线程间的资源竞争，并且修复这个问题。

from threading import Thread

some_var  = 0
class IncrementThead(Thread):
    def run(self):
        global some_var
        read_value = some_var
        print('some_var in %s is %d'% (self.name,read_value))
        some_var = read_value +1
        print('some_var in %s after increment is %d'%(self.name,some_var))

def use_increment_thread():
    threads = []
    for i in range(50):
        t = IncrementThead()
        threads.append(t)
        t.start()
    for t in threads:
        t.join()
    print('after 50 modifications, some_var is %d' % (some_var,))

use_increment_thread()

反复运行上面的代码，每次的some_var最终结果都有可能不一样，为什么会这样？
- 假设在some_var是15的时候，线程t1读取了some_var，这个时刻cpu将控制权给了另一个线程t2。
- t2线程读到的some_var也是15
- t1和t2都把some_var加到16
- 当时我们期望的是t1 t2两个线程使some_var + 2变成17
- 在这里就有了资源竞争。相同的情况也可能发生在其它的线程间，所以出现了最后的结果小于50的情况。

解决资源竞争，加锁。

from threading import Thread,Lock
lock = Lock()
some_var  = 0
class IncrementThead(Thread):
    def run(self):
        global some_var
        lock.acquire()
        read_value = some_var
        print('some_var in %s is %d'% (self.name,read_value))
        some_var = read_value +1
        print('some_var in %s after increment is %d'%(self.name,some_var))
        lock.release()

def use_increment_thread():
    threads = []
    for i in range(50):
        t = IncrementThead()
        threads.append(t)
        t.start()
    for t in threads:
        t.join()
    print('after 50 modifications, some_var is %d' % (some_var,))

use_increment_thread()