Threading用于提供线程相关的操作,线程是应用程序中工作的最小单元。
import threading
import time def show(arg):
time.sleep(1)
print("Thread"+str(arg)) for i in range(10):
t = threading.Thread(target=show, args=(i,))
t.start() print("main thread stop")
上述代码创建了10个“前台”线程,然后控制器就交给了CPU,CPU根据指定算法进行调度,分片执行指令。
更多方法:
- start 线程准备就绪,等待CPU调度
- setName 为线程设置名称
- getName 获取线程名称
- setDaemon 设置为后台线程或前台线程(默认)
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,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 - join 逐个执行每个线程,执行完毕后继续往下执行,该方法使得多线程变得无意义
run 线程被cpu调度后自动执行线程对象的run方法.
#!/usr/bin/env python3
# -*- coding:utf-8 -*- import threading
import time class MyThread(threading.Thread):
def __init__(self, num):
threading.Thread.__init__(self)
self.num = num def run(self):
print("Running on number:%s"%self.num)
time.sleep(3)
print(time.localtime())
if __name__ == '__main__':
print(time.localtime())
t1 = MyThread(1)
t2 = MyThread(2)
t3 = MyThread(3)
t4 = MyThread(4)
t1.start()
t2.start()
t3.start()
t4.start()
线程锁(Lock、RLock)
由于线程之间是进行随机调度,并且每个线程可能只执行n条执行之后,当多个线程同时修改同一条数据时可能会出现脏数据,所以,出现了线程锁 - 同一时刻允许一个线程执行操作。
# no lock
import threading
import time gl_num = 0 def show(arg):
global gl_num
time.sleep(1)
gl_num += 1
print(gl_num) for i in range(100):
t = threading.Thread(target=show, args=(i,))
t.start()
print("main thread stop")
# lock import threading
import time gl_num = 0
lock = threading.RLock() def Func():
lock.acquire()
global gl_num
gl_num += 1
time.sleep(1)
print(gl_num)
lock.release() for i in range(10):
t = threading.Thread(target=Func)
t.start()
信号量(Semaphore)
互斥锁 同时只允许一个线程更改数据,而Semaphore是同时允许一定数量的线程更改数据 ,比如厕所有3个坑,那最多只允许3个人上厕所,后面的人只能等里面有人出来了才能再进去。
import threading, time def run(n):
semaphore.acquire()
time.sleep(4)
print(" Begin to Run the thread:%s"%n)
semaphore.release() if __name__ == '__main__':
num = 0
semaphore = threading.BoundedSemaphore(6)
for i in range(200):
t = threading.Thread(target=run, args=(i,))
t.start()
事件(event)
python线程的事件用于主线程控制其他线程的执行,事件主要提供了三个方法 set、wait、clear。
事件处理的机制:全局定义了一个“Flag”,如果“Flag”值为 False,那么当程序执行 event.wait 方法时就会阻塞,如果“Flag”值为True,那么event.wait 方法时便不再阻塞。
- clear:将“Flag”设置为False
- set:将“Flag”设置为True
import threading def do(event):
print("Start")
event.wait()
print("Execute") event_obj = threading.Event()
for i in range(5):
t = threading.Thread(target=do,args=(event_obj,))
t.start() event_obj.clear()
inp = input("input:")
if inp == 'true':
event_obj.set()
条件(Condition)
使得线程等待,只有满足某条件时,才释放n个线程.
import threading def run(n):
con.acquire()
con.wait()
print("run the thread:%s"%n)
con.release() if __name__ == '__main__':
con = threading.Condition()
for i in range(10):
t = threading.Thread(target=run, args=(i,))
t.start()
while True:
inp = input('>>>')
if inp == 'q':
break
con.acquire()
con.notify((int(inp)))
con.release
import threading def condition_func():
ret = False
inp = input(">>>")
if inp == '':
ret = True return ret def run(n):
con.acquire()
con.wait_for(condition_func)
print("run the thread:%s"%n)
con.release() if __name__ == '__main__':
con = threading.Condition()
for i in range(10):
t = threading.Thread(target=run, args=(i,))
t.start()
from threading import Timer def hello():
print("helloworld") t = Timer(5, hello)
t.start()
from multiprocessing import Process
import threading
import time def foo(i):
print("say hi",i) for i in range(10):
p = Process(target=foo, args=(i,))
p.start()
注意:由于进程之间的数据需要各自持有一份,所以创建进程需要的非常大的开销。
进程数据共享
进程各自持有一份数据,默认无法共享数据.
#!/usr/bin/env python3
# -*- coding:utf-8 -*- from multiprocessing import Process
from multiprocessing import Manager import time li = []
def foo(i):
li.append(i)
print("say hi,",li) for i in range(6):
p = Process(target=foo, args=(i,))
p.start() print("ending",li)
# 方法一,Array from multiprocessing import Process, Array temp = Array('i',[11,22,33,44,55])
def Foo(i):
temp[i] = 100 + i
for item in temp:
print(i,'---->',item)
for i in range(5):
p = Process(target=Foo,args=(i,))
p.start() #方法2: manage.dict()共享数据 from multiprocessing import Process, Manager manage = Manager()
dic = manage.dict() def foo(i):
dic[i] = 100 + i
print(dic.values()) for i in range(2):
p = Process(target=foo, args=(i,))
p.start()
p.join()
#!/usr/bin/env python3
# -*- coding:utf-8 -*- from multiprocessing import Process, Queue def f(i,q):
print(i,q.get()) if __name__ == '__main__':
q = Queue() q.put('h1')
q.put('h2')
q.put('h3') for i in range(10):
p = Process(target=f, args=(i,q,))
p.start()
当创建进程时(非使用时),共享数据会被拿到子进程中,当进程中执行完毕后,再赋值给原值。
from multiprocessing import Process, Array, RLock def Foo(lock, temp, i):
lock.acquire()
temp[0] = 100 + i
for item in temp:
print(i,'---->',item)
lock.release() lock = RLock()
temp = Array('i',[11,22,33,44,55])
for i in range(20):
p = Process(target=Foo, args=(lock,temp,i,))
进程池
进程池内部维护一个进程序列,当使用时,则去进程池中获取一个进程,如果进程池序列中没有可供使用的进进程,那么程序就会等待,直到进程池中有可用进程为止。
进程池中有两个方法:
- apply
- apply_async
from multiprocessing import Process, Pool
import time def Foo(i):
time.sleep(2)
return i + 100 def Bar(arg):
print(arg) pool = Pool(5)
print(pool.apply(Foo,(1,)))
print(pool.apply_async(func=Foo, args=(1,)).get()) for i in range(10):
pool.apply_async(func=Foo, args=(i,), callback=Bar) print('End')
pool.close()
pool.join()
线程和进程的操作是由程序触发系统接口,最后的执行者是系统;协程的操作则是程序员。
协程存在的意义:对于多线程应用,CPU通过切片的方式来切换线程间的执行,线程切换时需要耗时(保存状态,下次继续)。协程,则只使用一个线程,在一个线程中规定某个代码块执行顺序。
协程的适用场景:当程序中存在大量不需要CPU的操作时(IO),适用于协程;
import greenlet def test1():
print(12)
gr2.switch()
print(34)
gr2.switch() def test2():
print(56)
gr1.switch()
print(78) gr1 = greenlet.greenlet(test1)
gr2 = greenlet.greenlet(test2)
gr1.switch()
#!/usr/bin/env python3
# -*- coding:utf-8 -*- import gevent def foo():
print("Running in foo")
gevent.sleep(1)
print("Explicit context switch to foo again") def bar():
print("Explicit context to bar")
gevent.sleep(0)
print("Implicit context switch back to bar") gevent.joinall([
gevent.spawn(foo),
gevent.spawn(bar),
])