python 多线程和多进程、协程入门讲解

发布时间：2023-02-01 14:44:56 所属栏目：Unix 来源：

导读：　　Python 多线程Threading初学教程

　　1.1 什么是多线程 Threading

　　多线程可简单理解为同时执行多个任务。

　　多进程和多线程都可以执行多个任务，线程是进程的一部分。线程的特点是线程之间可以

　　Python 多线程Threading初学教程

　　1.1 什么是多线程 Threading

　　多线程可简单理解为同时执行多个任务。

　　多进程和多线程都可以执行多个任务，线程是进程的一部分。线程的特点是线程之间可以共享内存和变量，资源消耗少（不过在Unix环境中，多进程和多线程资源调度消耗差距不明显，Unix调度较快），缺点是线程之间的同步和加锁比较麻烦。

　　1.2 添加线程 Thread

　　导入模块

　　import threading

　　获取已激活的线程数

　　threading.active_count()

　　查看所有线程信息

　　threading.enumerate()

　　查看现在正在运行的线程

　　threading.current_thread()

　　添加线程，threading.Thread()接收参数target代表这个线程要完成的任务，需自行定义

　　def thread_job():

　　print('This is a thread of %s' % threading.current_thread())

　　def main():

　　thread = threading.Thread(target=thread_job,) # 定义线程

　　thread.start() # 让线程开始工作

　　if __name__ == '__main__':

　　main()

　　1.3 join 功能

　　因为线程是同时进行的，使用join功能可让线程完成后再进行下一步操作，即阻塞调用线程，直到队列中的所有任务被处理掉。

　　import threading

　　import time

　　def thread_job():

　　print('T1 start\n')

　　for i in range(10):

　　time.sleep(0.1)

　　print('T1 finish\n')

　　def T2_job():

　　print('T2 start\n')

　　print('T2 finish\n')

　　def main():

　　added_thread=threading.Thread(target=thread_job,name='T1')

　　thread2=threading.Thread(target=T2_job,name='T2')

　　added_thread.start()

　　#added_thread.join()

　　thread2.start()

　　#thread2.join()

　　print('all done\n')

　　if __name__=='__main__':

　　main()

　　例子如上所示，当不使用join功能的时候，
　
　　当执行了join功能之后，T1运行完之后才运行T2unix线程切换，之后再运行print（‘all done'）

　　1.4 储存进程结果 queue

　　queue是python标准库中的线程安全的队列（FIFO）实现,提供了一个适用于多线程编程的先进先出的数据结构，即队列，用来在生产者和消费者线程之间的信息传递

　　（1）基本FIFO队列

　　class queue.Queue(maxsize=0)

　　maxsize是整数，表明队列中能存放的数据个数的上限，达到上限时，插入会导致阻塞，直至队列中的数据被消费掉，如果maxsize小于或者等于0，队列大小没有限制

　　（2）LIFO队列 last in first out后进先出

　　class queue.LifoQueue(maxsize=0)

　　（3）优先级队列

　　class queue.PriorityQueue(maxsize=0)

　　视频中的代码，看的还不是特别明白

　　import threading

　　import time

　　from queue import Queue

　　def job(l,q):

　　for i in range(len(l)):

　　l[i]=l[i]**2

　　q.put(l)

　　def multithreading():

　　q=Queue()

　　threads=[]

　　data=[[1,2,3],[3,4,5],[4,5,6],[5,6,7]]

　　for i in range(4):

　　t=threading.Thread(target=job,args=(data[i],q))

　　t.start()

　　threads.append(t)

　　for thread in threads:

　　thread.join()

　　results=[]

　　for _ in range(4):

　　results.append(q.get())

　　print(results)

　　if __name__=='__main__':

　　multithreading()

　　1.5 GIL 不一定有效率

　　Global Interpreter

　　Lock全局解释器锁，python的执行由python虚拟机（也成解释器主循环）控制，GIL的控制对python虚拟机的访问，保证在任意时刻，只有一个线程在解释器中运行。在多线程环境中能，python虚拟机按照以下方式执行：

　　1.设置 GIL

　　2.切换到一个线程去运行

　　3.运行：

　　a.指定数量的字节码指令，或

　　b.线程主动让出控制（可以调用time.sleep(0)）

　　4.把线程设置为睡眠状态

　　5.解锁GIL

　　6.重复1-5

　　在调用外部代码（如C/C++扩展函数）的时候，GIL将会被锁定，直到这个函数结束为止（由于在这期间没有python的字节码被运行，所以不会做线程切换）。

　　下面为视频中所举例的代码，将一个数扩大4倍，分为正常方式、以及分配给4个线程去做，发现耗时其实并没有相差太多量级。

　　import threading

　　from queue import Queue

　　import copy

　　import time

　　def job(l, q):

　　res = sum(l)

　　q.put(res)

　　def multithreading(l):

　　q = Queue()

　　threads = []

　　for i in range(4):

　　t = threading.Thread(target=job, args=(copy.copy(l), q), % i)

　　t.start()

　　threads.append(t)

　　[t.join() for t in threads]

　　total = 0

　　for _ in range(4):

　　total += q.get()

　　print(total)

　　def normal(l):

　　total = sum(l)

　　print(total)

　　if __name__ == '__main__':

　　l = list(range(1000000))

　　s_t = time.time()

　　normal(l*4)

　　print('normal: ',time.time()-s_t)

　　s_t = time.time()

　　multithreading(l)

　　print('multithreading: ', time.time()-s_t)

　　1.6 线程锁 Lock

　　如果线程1得到了结果，想要让线程2继续使用1的结果进行处理，则需要对1lock，等到1执行完，再开始执行线程2。一般来说对share memory即对共享内存进行加工处理时会用到lock。

　　import threading

　　def job1():

　　global A, lock #全局变量

　　lock.acquire() #开始lock

　　for i in range(10):

　　A += 1

　　print('job1', A)

　　lock.release() #释放

　　def job2():

　　global A, lock

　　lock.acquire()

　　for i in range(10):

　　A += 10

　　print('job2', A)

　　lock.release()

　　if __name__ == '__main__':

　　lock = threading.Lock()

　　A = 0

　　t1 = threading.Thread(target=job1)

　　t2 = threading.Thread(target=job2)

　　t1.start()

　　t2.start()

　　t1.join()

　　t2.join()

（编辑：开发网_新乡站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!