python多线程操作

11015

一、进程与线程简介

进程（Process）

通俗表达就是在计算机内存中运行的一个软件实例，是线程的容器

线程（Threading)

有时被称为轻量级进程(Light Weight Process，LWP），是程序执行流的最小单元。一个标准的线程由线程ID，当前指令指针，寄存器集合和堆栈组成 。线程是进程的一部分，进程可以包含若干个线程。

守护线程（Daemon Thread)

是操作系统中的一种特殊类型的线程，它在后台运行，不阻止程序的终止。当所有的非守护线程（用户线程）结束时，守护线程会自动终止，即使它还在运行。守护线程通常用于执行一些后台任务，如垃圾回收、日志记录等。

二、Threading模块

threading模块的函数、方法、类、及常量如下图。

图片[1] - python多线程操作 - 正则时光

Thread类

threading.Thread 类是 Python 中用于创建和管理线程的主要工具。

# 1.线程执行函数，threading.current_thread().name，获取当前线程的名称
def worker():
    print(f'Thread {threading.current_thread().name} is running')   
# 2.创建线程
thread = threading.Thread(target=worker)
# thread = threading.Thread(target=worker, args=(10,))    创建线程并传递参数
# thread = threading.Thread(target=worker, name='MyThread')   创建线程并设置名称
# thread = threading.Thread(target=worker, daemon=True)   创建守护线程
# 3.启动线程
thread.start()  
print(f'Thread is alive: {thread.is_alive()}')     # thread.is_alive()获取线程状态
# 4.阻塞线程
thread.join()    # 阻塞调用线程，直到调用join()方法的线程运行终止，才能执行后续程序代码。
# 1.线程执行函数，threading.current_thread().name，获取当前线程的名称
def worker():
    print(f'Thread {threading.current_thread().name} is running')   

# 2.创建线程
thread = threading.Thread(target=worker)
# thread = threading.Thread(target=worker, args=(10,))    创建线程并传递参数
# thread = threading.Thread(target=worker, name='MyThread')   创建线程并设置名称
# thread = threading.Thread(target=worker, daemon=True)   创建守护线程

# 3.启动线程
thread.start()  
print(f'Thread is alive: {thread.is_alive()}')     # thread.is_alive()获取线程状态

# 4.阻塞线程
thread.join()    # 阻塞调用线程，直到调用join()方法的线程运行终止，才能执行后续程序代码。
# 1.线程执行函数，threading.current_thread().name，获取当前线程的名称
def worker():
    print(f'Thread {threading.current_thread().name} is running')   

# 2.创建线程
thread = threading.Thread(target=worker)
# thread = threading.Thread(target=worker, args=(10,))    创建线程并传递参数
# thread = threading.Thread(target=worker, name='MyThread')   创建线程并设置名称
# thread = threading.Thread(target=worker, daemon=True)   创建守护线程

# 3.启动线程
thread.start()  
print(f'Thread is alive: {thread.is_alive()}')     # thread.is_alive()获取线程状态

# 4.阻塞线程
thread.join()    # 阻塞调用线程，直到调用join()方法的线程运行终止，才能执行后续程序代码。

也可以自定义线程类，并重写run()方法。（子类只能重写__init__()和run()方法）

class MyThread(threading.Thread):
    def run(self):
        print(f'Thread {self.name} is running')
# 创建自定义线程
thread = MyThread()
thread.start()
thread.join()
class MyThread(threading.Thread):
    def run(self):
        print(f'Thread {self.name} is running')

# 创建自定义线程
thread = MyThread()
thread.start()
thread.join()
class MyThread(threading.Thread):
    def run(self):
        print(f'Thread {self.name} is running')

# 创建自定义线程
thread = MyThread()
thread.start()
thread.join()

Lock和RLock类

用于线程同步，防止多个线程同时访问共享资源。

Lock 类是最基本的同步原语，提供了一种简单的互斥机制。RLock 类是可重入锁（Reentrant Lock），可以嵌套调用锁定和解锁方法，允许同一个线程多次获取锁而不会阻塞。

区别

  1. 可重入性：
    • Lock 是不可重入的，同一个线程不能多次获取同一个 Lock，否则会死锁。
    • RLock 是可重入的，同一个线程可以多次获取同一个 RLock，但每次获取都需要相应的释放。
  2. 性能：
    • Lock 通常比 RLock 性能稍好，因为它的实现更简单。
  3. 使用场景：
    • 如果需要简单的互斥机制，使用 Lock。
    • 如果同一个线程需要多次获取锁，使用 RLock。

用法

多线程中，如果多个线程同时执行临界区代码，则可能造成死锁。为了避免死锁，可以用锁来控制临界区代码的访问。只有持有锁的线程才能访问临界区代码。当一个线程获得锁时，其他线程必须等待，直到锁被释放。

import threading
# 1.创建锁
lock = threading.Lock()  # threading.RLock() 创建可重入锁
# 2.使用锁
# 方法一 加锁、释放锁
lock.acquire()   # 加锁（获取锁）
# 临界区代码
lock.release()   # 释放锁（释放锁）
# 方法二：使用with语句来自动获取和释放锁：
with lock:
    # 临界区代码
import threading

# 1.创建锁
lock = threading.Lock()  # threading.RLock() 创建可重入锁

# 2.使用锁
# 方法一 加锁、释放锁
lock.acquire()   # 加锁（获取锁）
# 临界区代码
lock.release()   # 释放锁（释放锁）

# 方法二：使用with语句来自动获取和释放锁：
with lock:
    # 临界区代码
import threading

# 1.创建锁
lock = threading.Lock()  # threading.RLock() 创建可重入锁

# 2.使用锁
# 方法一 加锁、释放锁
lock.acquire()   # 加锁（获取锁）
# 临界区代码
lock.release()   # 释放锁（释放锁）

# 方法二：使用with语句来自动获取和释放锁：
with lock:
    # 临界区代码

示例

图片[2] - python多线程操作 - 正则时光

Event类

threading.Event 类用于线程间通信。它允许一个线程通知其他线程某个事件已经发生。

用法

import threading
event = threading.Event()   # 使用 Event 类创建一个事件对象。
event.set()  # 使用 set() 方法设置事件，表示事件已经发生。
event.clear()  # 使用 clear() 方法清除事件，表示事件未发生。
event.wait()   # 使用 wait() 方法等待事件发生。如果事件已经设置，wait() 方法会立即返回；否则，线程会阻塞，直到事件被设置。
if event.is_set():    # 使用 is_set() 方法检查事件是否已经设置。
    print("Event is set")
import threading

event = threading.Event()   # 使用 Event 类创建一个事件对象。
event.set()  # 使用 set() 方法设置事件，表示事件已经发生。
event.clear()  # 使用 clear() 方法清除事件，表示事件未发生。
event.wait()   # 使用 wait() 方法等待事件发生。如果事件已经设置，wait() 方法会立即返回；否则，线程会阻塞，直到事件被设置。
if event.is_set():    # 使用 is_set() 方法检查事件是否已经设置。
    print("Event is set")
import threading

event = threading.Event()   # 使用 Event 类创建一个事件对象。
event.set()  # 使用 set() 方法设置事件，表示事件已经发生。
event.clear()  # 使用 clear() 方法清除事件，表示事件未发生。
event.wait()   # 使用 wait() 方法等待事件发生。如果事件已经设置，wait() 方法会立即返回；否则，线程会阻塞，直到事件被设置。
if event.is_set():    # 使用 is_set() 方法检查事件是否已经设置。
    print("Event is set")

示例

import threading
# 创建事件
event = threading.Event()
def worker():
    print(f'Thread {threading.current_thread().name} is waiting')
    event.wait()  # 等待事件，当事件event.set()是True时，执行下面的语句，否则被阻塞。
    print(f'Thread {threading.current_thread().name} is running')
thread = threading.Thread(target=worker)
thread.start()
# 主线程设置事件
event.set()   # 设置事件，表示事件已经发生
thread.join()
import threading

# 创建事件
event = threading.Event()

def worker():
    print(f'Thread {threading.current_thread().name} is waiting')
    event.wait()  # 等待事件，当事件event.set()是True时，执行下面的语句，否则被阻塞。
    print(f'Thread {threading.current_thread().name} is running')

thread = threading.Thread(target=worker)
thread.start()

# 主线程设置事件
event.set()   # 设置事件，表示事件已经发生
thread.join()
import threading

# 创建事件
event = threading.Event()

def worker():
    print(f'Thread {threading.current_thread().name} is waiting')
    event.wait()  # 等待事件，当事件event.set()是True时，执行下面的语句，否则被阻塞。
    print(f'Thread {threading.current_thread().name} is running')

thread = threading.Thread(target=worker)
thread.start()

# 主线程设置事件
event.set()   # 设置事件，表示事件已经发生
thread.join()

在这个示例中，主线程创建了多个工作线程，每个工作线程都会等待事件的发生。主线程在等待一段时间后设置事件，所有等待事件的线程都会被唤醒并继续执行。

Semaphore类

用于控制同时访问某一资源的线程数量。

用法

import threading
semqueue = threading.Semaphore(5)
semqueue.acquire()
# 临界区代码
semqueue.release()
# 或者
with semqueue:
    # 临界区代码
import threading

semqueue = threading.Semaphore(5)

semqueue.acquire()
# 临界区代码
semqueue.release()

# 或者

with semqueue:
    # 临界区代码
import threading

semqueue = threading.Semaphore(5)

semqueue.acquire()
# 临界区代码
semqueue.release()

# 或者

with semqueue:
    # 临界区代码

示例

import threading
# 创建信号量，初始计数值为2
semaphore = threading.Semaphore(2)
def worker(num):
    with semaphore:
        print(f'Thread {threading.current_thread().name} is running with num={num}')
        # 模拟工作时间
        threading.Event().wait(1)
threads = [threading.Thread(target=worker, args=(i,)) for i in range(5)]
for thread in threads:
    thread.start()
for thread in threads:
    thread.join()
import threading

# 创建信号量，初始计数值为2
semaphore = threading.Semaphore(2)

def worker(num):
    with semaphore:
        print(f'Thread {threading.current_thread().name} is running with num={num}')
        # 模拟工作时间
        threading.Event().wait(1)

threads = [threading.Thread(target=worker, args=(i,)) for i in range(5)]
for thread in threads:
    thread.start()
for thread in threads:
    thread.join()
import threading

# 创建信号量，初始计数值为2
semaphore = threading.Semaphore(2)

def worker(num):
    with semaphore:
        print(f'Thread {threading.current_thread().name} is running with num={num}')
        # 模拟工作时间
        threading.Event().wait(1)

threads = [threading.Thread(target=worker, args=(i,)) for i in range(5)]
for thread in threads:
    thread.start()
for thread in threads:
    thread.join()

信号量的工作原理

信号量的计数值表示可以同时访问资源的线程数量。当一个线程进入临界区时，信号量的计数值减一；当线程离开临界区时，信号量的计数值加一。如果信号量的计数值为零，则试图进入临界区的线程将被阻塞，直到有其他线程释放信号量。

使用信号量控制并发

通过调整信号量的初始计数值，可以控制同时访问某一资源的线程数量。例如，如果将初始计数值设为1，则信号量将起到互斥锁的作用，一次只允许一个线程访问资源。

三、线程池ThreadPoolExecutor

concurrent.futures.ThreadPoolExecutor 是 Python 标准库中用于管理线程池的工具。它允许你并发地执行任务，而无需手动管理线程的创建和销毁。

from concurrent.futures import ThreadPoolExecutor    # 导入ThreadPoolExecutor模块。
import time
def worker(num):
    print(f'Thread {num} is running')
    time.sleep(2)
    return f'Thread {num} is done'
# 创建线程池 
# 方法一 submit()方法
with ThreadPoolExecutor(max_workers=3) as executor:
    # 提交任务
    futures = [executor.submit(worker, i) for i in range(5)]
    # 获取结果
    for future in futures:
        print(future.result())
# 方法二 使用 map() 方法
with ThreadPoolExecutor(max_workers=3) as executor:
    results = executor.map(worker, range(5))
    # 获取结果
    for result in results:
        print(result)
from concurrent.futures import ThreadPoolExecutor    # 导入ThreadPoolExecutor模块。
import time

def worker(num):
    print(f'Thread {num} is running')
    time.sleep(2)
    return f'Thread {num} is done'

# 创建线程池 
# 方法一 submit()方法
with ThreadPoolExecutor(max_workers=3) as executor:
    # 提交任务
    futures = [executor.submit(worker, i) for i in range(5)]
    # 获取结果
    for future in futures:
        print(future.result())

# 方法二 使用 map() 方法
with ThreadPoolExecutor(max_workers=3) as executor:
    results = executor.map(worker, range(5))
    # 获取结果
    for result in results:
        print(result)
from concurrent.futures import ThreadPoolExecutor    # 导入ThreadPoolExecutor模块。
import time

def worker(num):
    print(f'Thread {num} is running')
    time.sleep(2)
    return f'Thread {num} is done'

# 创建线程池 
# 方法一 submit()方法
with ThreadPoolExecutor(max_workers=3) as executor:
    # 提交任务
    futures = [executor.submit(worker, i) for i in range(5)]
    # 获取结果
    for future in futures:
        print(future.result())

# 方法二 使用 map() 方法
with ThreadPoolExecutor(max_workers=3) as executor:
    results = executor.map(worker, range(5))
    # 获取结果
    for result in results:
        print(result)

ThreadPoolExecutor 和 Semaphore的区别

  1. 用途：
    • ThreadPoolExecutor 用于并发执行多个任务，管理线程池。
    • Semaphore 用于控制并发访问某个资源的线程数量。
  2. 使用场景：
    • ThreadPoolExecutor 适用于需要并发执行多个任务，且任务之间相对独立的场景。
    • Semaphore 适用于需要限制同时访问某个资源的线程数量的场景，例如数据库连接池、文件读写等。
  3. 功能：
    • ThreadPoolExecutor 提供了任务提交和结果获取的功能，自动管理线程池。
    • Semaphore 提供了信号量的获取和释放功能，用于并发控制。
展开阅读全文
© 版权声明
文章版权归作者所有，未经允许请勿转载。
THE END
编程语言
# 多线程# Threading# Lock# Thread# Semaphore
喜欢就支持一下吧
点赞15 分享
相关推荐
文章目录