Python多线程学习

2024-05-23 12:46:05 118

本文内容纲要：

一、Python中的线程使用：

Python中使用线程有两种方式：函数或者用类来包装线程对象。

1、函数式：调用thread模块中的start_new_thread()函数来产生新线程。如下例：

viewplaincopytoclipboardprint?

importtime
importthread
deftimer(no,interval):
cnt=0
whilecnt<10:
print'Thread:(%d)Time:%s\n'%(no,time.ctime())
time.sleep(interval)
cnt+=1
thread.exit_thread()
deftest():#Usethread.start_new_thread()tocreate2newthreads
thread.start_new_thread(timer,(1,1))
thread.start_new_thread(timer,(2,2))
if__name__=='__main__':
test()

上面的例子定义了一个线程函数timer,它打印出10条时间记录后退出，每次打印的间隔由interval参数决定。thread.start_new_thread(function,args[,kwargs])的第一个参数是线程函数（本例中的timer方法），第二个参数是传递给线程函数的参数，它必须是tuple类型，kwargs是可选参数。

线程的结束可以等待线程自然结束，也可以在线程函数中调用thread.exit()或thread.exit_thread()方法。

2、创建threading.Thread的子类来包装一个线程对象，如下例：

viewplaincopytoclipboardprint?

importthreading
importtime
classtimer(threading.Thread):#Thetimerclassisderivedfromtheclassthreading.Thread
def__init__(self,num,interval):
threading.Thread.__init__(self)
self.thread_num=num
self.interval=interval
self.thread_stop=False
defrun(self):#Overwriterun()method,putwhatyouwantthethreaddohere
while****notself.thread_stop:
print'ThreadObject(%d),Time:%s\n'%(self.thread_num,time.ctime())
time.sleep(self.interval)
defstop(self):
self.thread_stop=True
deftest():
thread1=timer(1,1)
thread2=timer(2,2)
thread1.start()
thread2.start()
time.sleep(10)
thread1.stop()
thread2.stop()
return
if__name__=='__main__':
test()

就我个人而言，比较喜欢第二种方式，即创建自己的线程类，必要时重写threading.Thread类的方法，线程的控制可以由自己定制。

threading.Thread类的使用：

1，在自己的线程类的__init__里调用threading.Thread.__init__(self,name=threadname)

Threadname为线程的名字

2，run()，通常需要重写，编写代码实现做需要的功能。

3，getName()，获得线程对象名称

4，setName()，设置线程对象名称

5，start()，启动线程

6，jion([timeout])，等待另一线程结束后再运行。

7，setDaemon(bool)，设置子线程是否随主线程一起结束，必须在start()之前调用。默认为False。

8，isDaemon()，判断线程是否随主线程一起结束。

9，isAlive()，检查线程是否在运行中。

此外threading模块本身也提供了很多方法和其他的类，可以帮助我们更好的使用和管理线程。可以参看http://www.python.org/doc/2.5.2/lib/module-threading.html。

假设两个线程对象t1和t2都要对num=0进行增1运算，t1和t2都各对num修改10次，num的最终的结果应该为20。但是由于是多线程访问，有可能出现下面情况：在num=0时，t1取得num=0。系统此时把t1调度为”sleeping”状态，把t2转换为”running”状态，t2页获得num=0。然后t2对得到的值进行加1并赋给num，使得num=1。然后系统又把t2调度为”sleeping”，把t1转为”running”。线程t1又把它之前得到的0加1后赋值给num。这样，明明t1和t2都完成了1次加1工作，但结果仍然是num=1。

上面的case描述了多线程情况下最常见的问题之一：数据共享。当多个线程都要去修改某一个共享数据的时候，我们需要对数据访问进行同步。

1、简单的同步

最简单的同步机制就是“锁”。锁对象由threading.RLock类创建。线程可以使用锁的acquire()方法获得锁，这样锁就进入“locked”状态。每次只有一个线程可以获得锁。如果当另一个线程试图获得这个锁的时候，就会被系统变为“blocked”状态，直到那个拥有锁的线程调用锁的release()方法来释放锁，这样锁就会进入“unlocked”状态。“blocked”状态的线程就会收到一个通知，并有权利获得锁。如果多个线程处于“blocked”状态，所有线程都会先解除“blocked”状态，然后系统选择一个线程来获得锁，其他的线程继续沉默（“blocked”）。

Python中的thread模块和Lock对象是Python提供的低级线程控制工具，使用起来非常简单。如下例所示：

viewplaincopytoclipboardprint?

importthread
importtime
mylock=thread.allocate_lock()#Allocatealock
num=0#Sharedresource
defadd_num(name):
globalnum
whileTrue:
mylock.acquire()#Getthelock
#Dosomethingtothesharedresource
print'Thread%slocked!num=%s'%(name,str(num))
ifnum>=5:
print'Thread%sreleased!num=%s'%(name,str(num))
mylock.release()
thread.exit_thread()
num+=1
print'Thread%sreleased!num=%s'%(name,str(num))
mylock.release()#Releasethelock.
deftest():
thread.start_new_thread(add_num,('A',))
thread.start_new_thread(add_num,('B',))
if__name__=='__main__':
test()

Python在thread的基础上还提供了一个高级的线程控制库，就是之前提到过的threading。Python的threadingmodule是在建立在threadmodule基础之上的一个module，在threadingmodule中，暴露了许多threadmodule中的属性。在threadmodule中，python提供了用户级的线程同步工具“Lock”对象。而在threadingmodule中，python又提供了Lock对象的变种:RLock对象。RLock对象内部维护着一个Lock对象，它是一种可重入的对象。对于Lock对象而言，如果一个线程连续两次进行acquire操作，那么由于第一次acquire之后没有release，第二次acquire将挂起线程。这会导致Lock对象永远不会release，使得线程死锁。RLock对象允许一个线程多次对其进行acquire操作，因为在其内部通过一个counter变量维护着线程acquire的次数。而且每一次的acquire操作必须有一个release操作与之对应，在所有的release操作完成之后，别的线程才能申请该RLock对象。

下面来看看如何使用threading的RLock对象实现同步。

viewplaincopytoclipboardprint?

importthreading
mylock=threading.RLock()
num=0
classmyThread(threading.Thread):
def__init__(self,name):
threading.Thread.__init__(self)
self.t_name=name
defrun(self):
globalnum
whileTrue:
mylock.acquire()
print'\nThread(%s)locked,Number:%d'%(self.t_name,num)
ifnum>=4:
mylock.release()
print'\nThread(%s)released,Number:%d'%(self.t_name,num)
break
num+=1
print'\nThread(%s)released,Number:%d'%(self.t_name,num)
mylock.release()
deftest():
thread1=myThread('A')
thread2=myThread('B')
thread1.start()
thread2.start()
if__name__=='__main__':
test()

我们把修改共享数据的代码成为“临界区”。必须将所有“临界区”都封闭在同一个锁对象的acquire和release之间。

2、条件同步

锁只能提供最基本的同步。假如只在发生某些事件时才访问一个“临界区”，这时需要使用条件变量Condition。

Condition对象是对Lock对象的包装，在创建Condition对象时，其构造函数需要一个Lock对象作为参数，如果没有这个Lock对象参数，Condition将在内部自行创建一个Rlock对象。在Condition对象上，当然也可以调用acquire和release操作，因为内部的Lock对象本身就支持这些操作。但是Condition的价值在于其提供的wait和notify的语义。

条件变量是如何工作的呢？首先一个线程成功获得一个条件变量后，调用此条件变量的wait()方法会导致这个线程释放这个锁，并进入“blocked”状态，直到另一个线程调用同一个条件变量的notify()方法来唤醒那个进入“blocked”状态的线程。如果调用这个条件变量的notifyAll()方法的话就会唤醒所有的在等待的线程。

如果程序或者线程永远处于“blocked”状态的话，就会发生死锁。所以如果使用了锁、条件变量等同步机制的话，一定要注意仔细检查，防止死锁情况的发生。对于可能产生异常的临界区要使用异常处理机制中的finally子句来保证释放锁。等待一个条件变量的线程必须用notify()方法显式的唤醒，否则就永远沉默。保证每一个wait()方法调用都有一个相对应的notify()调用，当然也可以调用notifyAll()方法以防万一。

生产者与消费者问题是典型的同步问题。这里简单介绍两种不同的实现方法。

1，条件变量

viewplaincopytoclipboardprint?

importthreading
importtime
classProducer(threading.Thread):
def__init__(self,t_name):
threading.Thread.__init__(self,name=t_name)
defrun(self):
globalx
con.acquire()
ifx>0:
con.wait()
else:
foriinrange(5):
x=x+1
print"producing..."+str(x)
con.notify()
printx
con.release()
classConsumer(threading.Thread):
def__init__(self,t_name):
threading.Thread.__init__(self,name=t_name)
defrun(self):
globalx
con.acquire()
ifx==0:
print'consumerwait1'
con.wait()
else:
foriinrange(5):
x=x-1
print"consuming..."+str(x)
con.notify()
printx
con.release()
con=threading.Condition()
x=0
print'startconsumer'
c=Consumer('consumer')
print'startproducer'
p=Producer('producer')
p.start()
c.start()
p.join()
c.join()
printx

上面的例子中，在初始状态下，Consumer处于wait状态，Producer连续生产（对x执行增1操作）5次后，notify正在等待的Consumer。Consumer被唤醒开始消费（对x执行减1操作）

2，同步队列

Python中的Queue对象也提供了对线程同步的支持。使用Queue对象可以实现多个生产者和多个消费者形成的FIFO的队列。

生产者将数据依次存入队列，消费者依次从队列中取出数据。

viewplaincopytoclipboardprint?

#producer_consumer_queue
fromQueueimportQueue
importrandom
importthreading
importtime
#Producerthread
classProducer(threading.Thread):
def__init__(self,t_name,queue):
threading.Thread.__init__(self,name=t_name)
self.data=queue
defrun(self):
foriinrange(5):
print"%s:%sisproducing%dtothequeue!\n"%(time.ctime(),self.getName(),i)
self.data.put(i)
time.sleep(random.randrange(10)/5)
print"%s:%sfinished!"%(time.ctime(),self.getName())
#Consumerthread
classConsumer(threading.Thread):
def__init__(self,t_name,queue):
threading.Thread.__init__(self,name=t_name)
self.data=queue
defrun(self):
foriinrange(5):
val=self.data.get()
print"%s:%sisconsuming.%dinthequeueisconsumed!\n"%(time.ctime(),self.getName(),val)
time.sleep(random.randrange(10))
print"%s:%sfinished!"%(time.ctime(),self.getName())
#Mainthread
defmain():
queue=Queue()
producer=Producer('Pro.',queue)
consumer=Consumer('Con.',queue)
producer.start()
consumer.start()
producer.join()
consumer.join()
print'Allthreadsterminate!'
if__name__=='__main__':
main()

在上面的例子中，Producer在随机的时间内生产一个“产品”，放入队列中。Consumer发现队列中有了“产品”，就去消费它。本例中，由于Producer生产的速度快于Consumer消费的速度，所以往往Producer生产好几个“产品”后，Consumer才消费一个产品。

Queue模块实现了一个支持多producer和多consumer的FIFO队列。当共享信息需要安全的在多线程之间交换时，Queue非常有用。Queue的默认长度是无限的，但是可以设置其构造函数的maxsize参数来设定其长度。Queue的put方法在队尾插入，该方法的原型是：

put(item[,block[,timeout]])

如果可选参数block为true并且timeout为None（缺省值），线程被block，直到队列空出一个数据单元。如果timeout大于0，在timeout的时间内，仍然没有可用的数据单元，Fullexception被抛出。反之，如果block参数为false（忽略timeout参数），item被立即加入到空闲数据单元中，如果没有空闲数据单元，Fullexception被抛出。

Queue的get方法是从队首取数据，其参数和put方法一样。如果block参数为true且timeout为None（缺省值），线程被block，直到队列中有数据。如果timeout大于0，在timeout时间内，仍然没有可取数据，Emptyexception被抛出。反之，如果block参数为false（忽略timeout参数），队列中的数据被立即取出。如果此时没有可取数据，Emptyexception也会被抛出。

本文内容总结：

原文链接：https://www.cnblogs.com/tqsummer/archive/2011/01/25/1944771.html

Python多线程学习

本文内容纲要：

热门推荐

随机推荐