Threading多线程

作者: 冬至是条狗 | 来源:发表于2018-12-13 11:49 被阅读0次

python多线程
C# Timer 最简单形象的教程
线程
threading
06.系统编程-2.线程
1.6.1 Python线程使用 -- threading
线程实战
多线程
Python Threading.Timer 多线程无法退出
线程 threading

Python的线程受限制于GIL锁，所以在处理大量运算时不占优势。Cpython解释器的原因。但是日常所用多数属于IO密集型程序，开销要比进程小的多，而且速度快。

Threading模块中除了常用的Thread类还有一些方法：

threading.current_thread()方法：用来表明线程名的方法
threading.get_ident() 方法：用来获取线程ID的方法
threading.active_count()方法: 用来获取当前活跃的线程数量
threading.enumerate() 方法：将线程名字和ID用列表的方式显示出来

关于守护线程

守护进程会随主进程结束而结束，防止出现僵尸进程。而守护线程则不会随着主线程结束而结束，进程会保留资源留给线程。

线程锁

同进程锁一样，线程中同样有数据安全问题，为了不让多个线程对一个数据进行操作，使用线程锁可以保证数据安全。
死锁的问题同样存在，使用递归锁RLock()可以解决死锁问题。在多个锁，锁一个数据时，互斥锁Lock（）会产生死锁，而RLock（）会保证在多个锁有一个在使用时，即使另外一个释放了，其他线程也不会获得锁。
因为线程之间数据共享，所以使用公共数据时应该加锁。

信号量

同一时间只有N个线程可以访问同一个短代码、数据

import threading
import time

def func(sem, a, b):
    sem.acquire()
    time.sleep(1)
    print(a+b)
    sem.release()

sem = threading.Semaphore(4)

for i in range(10):
    t = threading.Thread(target=func, args=(sem, i, i+5))
    t.start()

事件

事件在创建时，自身带有False状态，默认wait（）堵塞，clear（）设置堵塞，set（）清除堵塞。线程的Condition模块中，有acquire()、wait()、release()、notify(int x) 几个方法，wait会等待notify中传入的数字进行执行。wait()在线程函数内部，而notify在外部传入数值，两段代码必须分别用acquire和release包围。

定时器Timer()

利用定时器可以定时开启一个线程任务。

def func():
    print("执行定时函数")


threading.Timer(5.4, func).start()

如果想循环调用一个定是函数，将调用的线程加入到执行函数中即可

def func():
    print("执行定时函数")
    threading.Timer(5.4, func).start()

threading.Timer(5.4, func).start()

队列 queue

线程中使用的数据都可以共享，当出现数据安全问题时，为了保证线程数据安全，线程中也可以使用队列，这个队列并不在threading模块中，直接导入queue即可：
```
import queue

q = queue.Queue()
q.put()
q.put_nowait() # 会报错，需要加入异常处理
q.get()
q.get_nowait() # 会报错，需要加入异常处理
```
queue.LifoQueue() #栈，先进后出

queue.PriorityQueue() # 优先级队列

q = queue.PriorityQueue()
q.put((20, "a"))
q.put((10, "b"))

print(q.get())
# 当优先级一样时，会根据数据的Ascii码排列先出顺序

线程池

使用python中新模块，concurrent中的线程池，同样也有进程池

import time
from concurrent.futures import ThreadPoolExecutor


def func(n):
    time.sleep(2)
    print(n)


tpool = ThreadPoolExecutor(max_workers=5)
for i in range(20):
    tpool.submit(func, i)

shutdown() 可以实现 join 和 close 效果

result() 可以取得返回的结果

import time
from concurrent.futures import ThreadPoolExecutor


def func(n):
    time.sleep(2)
    print(n)
    return n*n


tpool = ThreadPoolExecutor(max_workers=5)
t_list = []
for i in range(20):
    t = tpool.submit(func, i)  # 取结果
    t_list.append(t)
tpool.shutdown()  # 等待所有线程执行完，并回收资源后继续执行主线程
print("主进程")

for t in t_list:
    print(t.result())  # 打印结果，使用result（）取出结果

在取得结果时，可以不用等待全部线程执行完，利用主线程取得结果即可。

回调函数

当线程有返回值时，可以利用回调函数进行再次处理：
import time
from concurrent.futures import ThreadPoolExecutor

  def func(n):
      time.sleep(2)
      print(n)
      return n*n


  def call_back(n):
      print("执行的结果是:", n.result())  # 这里传入的时一个对象，需要进行result


  tpool = ThreadPoolExecutor(max_workers=5)

  for i in range(20):
      tpool.submit(func, i).add_done_callback(call_back)

  # tpool.shutdown()  # 等待所有线程执行完，并回收资源后继续执行主线程
  print("主进程")