python进阶学习--多线程编程

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了python进阶学习--多线程编程相关的知识,希望对你有一定的参考价值。

 

1. 多线程

  • 概念:简单地说操作系统可以同时执行多个不用程序。例如:一边用浏览器上网,一边在听音乐,一边在用笔记软件记笔记。 
  • 并发:指的是任务数多余cpu核数,通过操作系统的各种任务调度算法,实现用多个任务“一起”执行(实际上总有一些任务不在执行,因为切换任务的熟度相当快,看上去一起执行而已) 
  • 并行:指的是任务数小于等于CPU核数,即任务真的是一起执行的。

2. 线程

  • 概念:线程是进程的一个实体,是CPU调度和分派的基本单位。 
  • threading--单线程执行:
 1 import time
 2 
 3 
 4 def saySorry():
 5     print("亲爱的,我错了,我能吃饭了吗?")
 6     # 时间停顿1秒
 7     time.sleep(1)
 8 
 9 
10 if __name__ == "__main__":
11     for i in range(5):
12         saySorry() 

技术分享

  • threading--多线程执行:
import threading
import time


def saySorry():
    print("亲爱的,我错了,我能吃饭了吗?")
    time.sleep(1)



if __name__ == "__main__":
    for i in range(5):
        t = threading.Threading(target=saySorry)
        # 启动线程,即让线程开始执行
        t.start()
  • 单线程与多线程比较
    • 单线程要比多线程花费时间多
    • 在创建完线程,需要调用start()方法来启动
  • 查看线程数量
 1 import threading
 2 import time
 3 
 4 
 5 class MyThread(threading.Thread):
 6     def run(self):
 7         for i in range(3):
 8             time.sleep(1)
 9             # name 属性中保存的是当前线程的名字
10             msg = "I‘m" + self.name + @ + str(i)
11             print(msg)
12             
13             
14 if __name__ == "__main__":
15     t = MyThread()
16     t.start()
17 # 通过带下标索引enumerate()方法
18 length = len(threading.enumerate())
19 print("当前运行的线程数为:%d" % length)
  • 线程执行代码的封装:

 

思考:定义一个新的子类class,只有继承threading.Thead就可以,然后重写run方法。

 

 1 import threading
 2 import time
 3 
 4 
 5 class MyThread(threading.Thread):
 6 
 7 
 8     def run(self):
 9         for i in range(3):
10             time.sleep(1)
11             msg = "I‘m" + self.name + @ + str(i)  # name 属性中保存的是当前线程的名字
12             print(msg)
13 
14 
15 if __name__ == "__main__":
16     t = MyThread()
17     t.start()

技术分享

说明:threading.Thread类有一个run方法,用户定义线程的功能函数,可以在自己的线程类中覆盖该方法。而创建自己的线程实例后,通过Thread类的start方法,可以启动该线程,当该线程获得执行的机会时,就会调用run方法执行线程。

  • 线程的状态 
    • 多线程的执行顺序是不确定的。当执行到sleep语句时,线程将被阻塞,到sleep结束后,线程进入就绪状态,等待调度。而线程调度将自行选择一个线程执行。 
    • 状态:
      (1) New 创建线程
      (2) Runnable 就绪,等待调度
      (3) Running 运行。
      (4) Blocked 阻塞。阻塞可能在Wait Locked Sleeping
      (5) Dead 消亡 
  •  线程中执行到阻塞,可能有三种情况:
    • 同步:线程中获取同步锁,但是资源已经被其他线程锁定时,进入Locked状态,直到该资源可获取(获取的顺序由Lock队列控制)
    • 睡眠:线程运行sleep()或join()方法后,线程进入Sleeping状态。区别在于sleep等待固定的时间,而join是等待子线程执行完。当然join也可以指定一个“超时时间”。从语义上来说,如果两个线程a,b, 在a中调用b.join(),相当于合并(join)成一个线程。最常见的情况是在主线程中join所有的子线程。
    • 等待:线程中执行wait()方法后,线程进入Waiting状态,等待其他线程的通知(notify)。
  • 线程类型
    线程有着不同的状态,也有不同的类型:
    • 主线程
    • 子线程
    • 守护线程(后台线程)
    • 前台线程
  • 多线程--共享全局变量问题
 1 from threading import Thread
 2 import time
 3 
 4 g_num = 100
 5 
 6 
 7 def work1():
 8     global g_num
 9     for i in range(3):
10         g_num += 1
11     print("----in work1, g_num is %d---" % g_num)
12 
13 
14 def work2():
15     global g_num
16     print("----in work2, g_num is %d---" % g_num)
17 
18 
19 print("---线程创建之前g_num is %d---" % g_num)
20 t1 = Thread(target=work1)
21 t1.start()
22 # 延时一会,保证t1线程中的事情做完
23 time.sleep(1)
24 t2 = Thread(target=work2)
25 t2.start()

运行结果:

---线程创建之前g_num is 100---
----in work1, g_num is 103---
----in work2, g_num is 103---

  •  共享全局变量问题说明: 
    • 在一个进程内的所有线程共享全局变量,很方便在多个线程间共享数据。
    • 缺点就是,线程是对全局变量随意更改可能造成多线程之间对全局变量的混乱(即线程非安全)
    • 如果多个线程它同时对同一个全局变量操作,会出现资源竞争问题,从而数据结果会不正确。
  • 解决方案:
    可以通过线程同步来进行解决线程同时修改全局变量的方式,在线程对全局变量进行修改时,都要先上锁,处理完后再解锁,在上锁的整个过程中不允许其他线程访问,就保证了数据的正确性。

3. 同步与互斥锁

3.1 同步
  • 如果多个线程共同对某个数据修改,则可能出现不可预料的结果,为了保证数据的正确性,需要对多个线程进行同步。
  • 使用Tread对象的Lock和Rlock可以实现简单的线程同步,这两个对象都有acquire方法和release方法。对于那些需要每次只允许一个线程操作的数据,可以将其操作放到acquire和release方法之间。
3.2 互斥锁
  • 互斥锁为资源引入一个状态:锁定/非锁定
  • 互斥锁的作用:保证每次只有一个线程进行写入操作,从而保证了多线程情况下数据的正确性。
  • threading 模块中定义了Loack类,可以方便处理锁定:
 1 import threading
 2 import time
 3 class MyThread1(threading.Thread):
 4     def run(self):
 5         if mutexA.acquire():
 6             print(self.name+----do1---up----)
 7             time.sleep(1)
 8             if mutexB.acquire():
 9                 print(self.name+----do1---down----)
10                 mutexB.release()
11             mutexA.release()
12 class MyThread2(threading.Thread):
13     def run(self):
14         if mutexB.acquire():
15             print(self.name+----do2---up----)
16             time.sleep(1)
17             if mutexA.acquire():
18                 print(self.name+----do2---down----)
19                 mutexA.release()
20             mutexB.release()
21 mutexA = threading.Lock()
22 mutexB = threading.Lock()
23 if __name__ == __main__:
24     t1 = MyThread1()
25     t2 = MyThread2()
26     t1.start()
27     t2.start()
28 
29 ###########
30 ## 创建锁
31 #mutex = threading.Lock()
32 ##锁定
33 # acquire 获得,取得,学到,捕获。
34 #mutex.acquire([blocking])  
35 ## 释放
36 #mutex.release()
  • 说明:锁定方法acquirc 可以有一个blocking参数
    • 如果设定blocking为True,则当前线程会阻塞,直到获取到这个锁为止(如果没有指定,那么默认为True)
    • 如果设定blocking 为False,则当前线程不会阻塞。
  • 上锁解锁的过程
    • 当一个线程调用锁的acquire()方法获得锁时,锁就进入“locked” 状态。
    • 每次只有一个线程可以获得锁。如果此时另一个线程试图获得这个锁,该线程就会变为“blocked”状态,称为“阻塞”,直到拥有锁的线程调用锁的release()方法释放锁之后,锁进入“unlocked”状态。
    • 线程调度程序从处于同步阻塞状态的线程中选择一个来获得锁,并使得该线程进入运行(running)状态。
  • 锁的好处:
    • 确保了某段关键代码只能由一个线程从头到尾完整地执行
  • 锁的坏处:
    • 阻止了多线程并发执行,包含锁的某段代码实际上只能以单线程模式执行,效率就大大地下降了
    • 由于可以存在多个锁,不同的线程持有不同的锁,并试图获取对方持有的锁时,可能会造成死锁
  • 死锁
    定义:在线程间共享多个资源的时候,如果两个线程分别占有一部分资源并且同时等待对方的资源,就会造成死锁。
    例子:
 1 import threading
 2 import time
 3 class MyThread1(threading.Thread):
 4     def run(self):
 5         if mutexA.acquire():
 6             print(self.name+----do1---up----)
 7             time.sleep(1)
 8             if mutexB.acquire():
 9                 print(self.name+----do1---down----)
10                 mutexB.release()
11             mutexA.release()
12 class MyThread2(threading.Thread):
13     def run(self):
14         if mutexB.acquire():
15             print(self.name+----do2---up----)
16             time.sleep(1)
17             if mutexA.acquire():
18                 print(self.name+----do2---down----)
19                 mutexA.release()
20             mutexB.release()
21 mutexA = threading.Lock()
22 mutexB = threading.Lock()
23 if __name__ == __main__:
24     t1 = MyThread1()
25     t2 = MyThread2()
26     t1.start()
27     t2.start()

技术分享

  • 避免死锁
    • 程序设计时要尽量避免死锁(银行家算法)
    • 添加超时时间等。

4. 进程

定义:一个程序运行起来后,代码和用到的资源称之为进程。它是操作系统分配资源的基本单元。

4.1 进程的状态

图分析:

技术分享

技术分享

就绪态:运行的条件都已经慢去,正去等待cpu执行。
执行态:cpu正在执行其功能
等待态:等待某些条件满足,例如一个程序sleep了,此时就处于等待态。

4.2 进程的创建

进程的创建实现例子:

 1 from multiprocessing import Process
 2 import time
 3 def run_proc():
 4     """子进程要执行的代码"""
 5     while True:
 6         print("----2----")
 7         time.sleep(1)
 8 if __name__==__main__:
 9     p = Process(target=run_proc)  #创建一个进程
10     p.start()  #创建一个Process 实例,用start()方式启动。
11     while True:
12         print("----1----")
13         time.sleep(1)
  • multiprocessing模块说明:multiprocessing模块是多跨平台版本的多进程模块,提供了一个Process类来代表一个进程对象,这个对象可以理解为是一个独立的进程,可以执行另外的事情。
  • Process语法结构
    Process([group [, target [, name [, args [, kwargs]]]]])
    • target:如果传递了函数的引用,可以任务这个子进程就执行这里的代码
    • args:给target指定的函数传递的参数,以元组的方式传递
    • kwargs:给target指定的函数传递命名参数
    • name:给进程设定一个名字,可以不设定
    • group:指定进程组,大多数情况下用不到
    • Process创建的实例对象的常用方法:
    • start():启动子进程实例(创建子进程)
    • is_alive():判断进程子进程是否还在活着
    • join([timeout]):是否等待子进程执行结束,或等待多少秒
    • terminate():不管任务是否完成,立即终止子进程
    • Process创建的实例对象的常用属性:
    • name:当前进程的别名,默认为Process-N,N为从1开始递增的整数
    • pid:当前进程的pid(进程号)
4.3 线程与进程的区别
  • 定义的不同
    • 进程是系统进行资源分配和调度的一个独立单位。
    • 线程是进程的一个实体,是CPU调度的基本单位。它是比进程更小的能独立运行的基本单位.线程自己基本上不拥有系统资源,只拥有一点在运行中必不可少的资源(如程序计数器,一组寄存器和栈),但是它可与同属一个进程的其他的线程共享进程所拥有的全部资源.
  • 区别:
    • 一个程序至少有一个进程,一个进程至少有一个线程.
    • 线程的划分尺度小于进程(资源比进程少),使得多线程程序的并发性高。
    • 进程在执行过程中拥有独立的内存单元,而多个线程共享内 存,从而极大地提高了程序的运行效率
    • 线线程不能够独立执行,必须依存在进程中
  • 优缺点
    线程和进程在使用上各有优缺点:线程执行开销小,但不利于资源的管理和保护;而进程正相反。

5. 进程间通信--Queue

可以使用multiprocessing模块的Queue实现多进程之间的数据传递,Queue本身是一个消息列队程序,首先用一个小实例来演示一下Queue的工作原理:

 1 from multiprocessing import Queue
 2 
 3 q = Queue(3)  # 初始化一个Queue对象,最多可接收三条put消息
 4 q.put("消息1")
 5 q.put("消息2")
 6 print(q.full())  # False
 7 q.put("消息3")
 8 print(q.full())  # True
 9 # 因为消息队列已满下面的try 都会抛出异常, 第一个try 会等待2秒后再抛出异常,第二个Try会立刻抛出异常
10 try:
11     q.put("消息4",True,2)
12 except:
13     print("消息队列已满,现有消息数量:%s" % q.qsize())
14 try:
15     q.put_nowait("消息4")
16 except:
17     print("消息队列已满,现有消息数量:%s" % q.qsize())
18     # 推荐的方式,先判断消息队列是否已满,再写入
19 if not q.full():
20     q.put_nowait("消息4")
21     # 读取消息时,先判断消息队列是否为空,再读取
22 if not q.empty():
23     for i in range(q.qsize()):
24         print(q.get_nowait())

    运行结果:

      False
      True
      消息列队已满,现有消息数量:3
      消息列队已满,现有消息数量:3
      消息1
      消息2
      消息3
  • 说明:
    初始化Queue()对象时(例如:q=Queue()),若括号中没有指定最大可接收的消息数量,或数量为负值,那么就代表可接受的消息数量没有上限(直到内存的尽头);
  • Queue.qsize():返回当前队列包含的消息数量;
  • Queue.empty():如果队列为空,返回True,反之False ;
  • Queue.full():如果队列满了,返回True,反之False;
  • Queue.get([block[, timeout]]):获取队列中的一条消息,然后将其从列队中移除,block默认值为True;
    1)如果block使用默认值,且没有设置timeout(单位秒),消息列队如果为空,此时程序将被阻塞(停在读取状态),直到从消息列队读到消息为止,
    如果设置了timeout,则会等待timeout秒,若还没读取到任何消息,则抛出"Queue.Empty"异常;
    2)如果block值为False,消息列队如果为空,则会立刻抛出"Queue.Empty"异常;
  • Queue.get_nowait():相当Queue.get(False);
  • Queue.put(item,[block[, timeout]]):将item消息写入队列,block默认值为True;
    1)如果block使用默认值,且没有设置timeout(单位秒),消息列队如果已经没有空间可写入,此时程序将被阻塞(停在写入状态),直到从消息列队腾出空间为止,如果设置了timeout,则会等待timeout秒,若还没空间,则抛出"Queue.Full"异常;
    2)如果block值为False,消息列队如果没有空间可写入,则会立刻抛出"Queue.Full"异常;
  • Queue.put_nowait(item):相当Queue.put(item, False);
  • Queue.put(item,[block[, timeout]]):将item消息写入队列,block默认值为True;
    1)如果block使用默认值,且没有设置timeout(单位秒),消息列队如果已经没有空间可写入,此时程序将被阻塞(停在写入状态),直到从消息列队腾出空间为止,如果设置了timeout,则会等待timeout秒,若还没空间,则抛出"Queue.Full"异常;
    2)如果block值为False,消息列队如果没有空间可写入,则会立刻抛出"Queue.Full"异常;
  • Queue.put_nowait(item):相当Queue.put(item, False);
Queue实例

在父进程中创建两个子进程,一个往Queue里写数据,一个从Queue里读数据

 1 from multiprocessing import Process, Queue
 2 import os, time, random
 3 # 写数据进程执行的代码:
 4 def write(q):
 5     for value in [A, B, C]:
 6         print(Put %s to queue... % value)
 7         q.put(value)
 8         time.sleep(random.random())
 9 # 读数据进程执行的代码:
10 def read(q):
11     while True:
12         if not q.empty():
13             value = q.get(True)
14             print(Get %s from queue. % value)
15             time.sleep(random.random())
16         else:
17             break
18 if __name__==__main__:
19     # 父进程创建Queue,并传给各个子进程:
20     q = Queue()
21     pw = Process(target=write, args=(q,))
22     pr = Process(target=read, args=(q,))
23     # 启动子进程pw,写入:
24     pw.start()    
25     # 等待pw结束:
26     pw.join()
27     # 启动子进程pr,读取:
28     pr.start()
29     pr.join()
30     # pr进程里是死循环,无法等待其结束,只能强行终止:
31     print(‘‘)
32     print(所有数据都写入并且读完)

技术分享

6. 进程池Pool

针对大量的目标,手动创建进程的工作量巨大,此时就可以用到multiprocessing模块提供的Pool方法。
Pool过程说明:
初始化Pool时,可以指定一个最大进程数,当有新的请求提交到Pool中时,如果池还没有满,那么就会创建一个新的进程用来执行该请求;但如果池中的进程数已经达到指定的最大值,那么该请求就会等待,直到池中有进程结束,才会用之前的进程来执行新的任务,请看下面的实例:

 1 from multiprocessing import Pool
 2 import os, time, random
 3 def worker(msg):
 4     t_start = time.time()
 5     print("%s开始执行,进程号为%d" % (msg,os.getpid()))
 6     # random.random()随机生成0~1之间的浮点数
 7     time.sleep(random.random()*2) 
 8     t_stop = time.time()
 9     print(msg,"执行完毕,耗时%0.2f" % (t_stop-t_start))
10 po=Pool(3) #定义一个进程池,最大进程数3
11 for i in range(0,10):
12     #Pool().apply_async(要调用的目标,(传递给目标的参数元祖,))
13     #每次循环将会用空闲出来的子进程去调用目标
14     po.apply_async(worker,(i,))
15 print("----start----")
16 po.close() #关闭进程池,关闭后po不再接收新的请求
17 po.join() #等待po中所有子进程执行完成,必须放在close语句之后
18 print("-----end-----")

运行结果:

----start----
0开始执行,进程号为21466
1开始执行,进程号为21468
2开始执行,进程号为21467
0 执行完毕,耗时1.01
3开始执行,进程号为21466
2 执行完毕,耗时1.24
4开始执行,进程号为21467
3 执行完毕,耗时0.56
5开始执行,进程号为21466
1 执行完毕,耗时1.68
6开始执行,进程号为21468
4 执行完毕,耗时0.67
7开始执行,进程号为21467
5 执行完毕,耗时0.83
8开始执行,进程号为21466
6 执行完毕,耗时0.75
9开始执行,进程号为21468
7 执行完毕,耗时1.03
8 执行完毕,耗时1.05
9 执行完毕,耗时1.69
-----end-----
  • multiprocessing.Pool常用函数解析:
    • apply_async(func[, args[, kwds]]) :使用非阻塞方式调用func(并行执行,堵塞方式必须等待上一个进程退出才能执行下一个进程),args为传递给func的参数列表,kwds为传递给func的关键字参数列表;
    • close():关闭Pool,使其不再接受新的任务;
    • terminate():不管任务是否完成,立即终止;
    • join():主进程阻塞,等待子进程的退出, 必须在close或terminate之后使用;
进程池中的Queue

要使用Pool创建进程,就需要使用multiprocessing.Manager()中的Queue(),而不是multiprocesing.Queue(),否则会得到一条如下的错误信息:

RuntimeError: Queue objects should only be shared between processes through inheritance.

进程池中的进程通信:

 1 # 修改import中的Queue为Manager
 2 from multiprocessing import Manager,Pool
 3 import os,time,random
 4 def reader(q):
 5     print("reader启动(%s),父进程为(%s)" % (os.getpid(), os.getppid()))
 6     for i in range(q.qsize()):
 7         print("reader从Queue获取到消息:%s" % q.get(True))
 8 def writer(q):
 9     print("writer启动(%s),父进程为(%s)" % (os.getpid(), os.getppid()))
10     for i in "itcast":
11         q.put(i)
12 if __name__=="__main__":
13     print("(%s) start" % os.getpid())
14     q = Manager().Queue()  # 使用Manager中的Queue
15     po = Pool()
16     # 使用阻塞模式创建进程,这样就不需要在reader中使用死循环了,可以让writer完全执行完成后,再用reader去读取
17     po.apply_async(writer, (q,))
18     time.sleep(1)  # 先让上面的任务向Queue存入数据,然后再让下面的任务开始从中取数据
19     po.apply_async(reader, (q,))
20     po.close()
21     po.join()
22     print("(%s) End" % os.getpid())

运行结果:

(11095) start
writer启动(11097),父进程为(11095)
reader启动(11098),父进程为(11095)
reader从Queue获取到消息:i
reader从Queue获取到消息:t
reader从Queue获取到消息:c
reader从Queue获取到消息:a
reader从Queue获取到消息:s
reader从Queue获取到消息:t
(11095) End





























































以上是关于python进阶学习--多线程编程的主要内容,如果未能解决你的问题,请参考以下文章

并发编程之线程进阶

Python进阶多任务编程(超详细)

Python多线程,多进程,并行,并发,异步编程

python小白学习记录 多线程爬取ts片段

Python多线程学习(上)

python中的多线程和多进程编程