目录
前言:
多线程简单理解就是:一个CPU,也就是单核,将时间切成一片一片的,CPU轮转着去处理一件一件的事情,到了规定的时间片就处理下一件事情。
1.python中显示当前线程信息的属性和方法
# coding:utf-8 # 导入threading包 import threading if __name__ == \"__main__\": print(\"当前活跃线程的数量\", threading.active_count()) print(\"将当前所有线程的具体信息展示出来\", threading.enumerate()) print(\"当前的线程的信息展示\", threading.current_thread())
效果图:
2.添加一个线程
# coding:utf-8 import threading import time def job1(): # 让这个线程多执行几秒 time.sleep(5) print(\"the number of T1 is %s\" % threading.current_thread()) if __name__ == \"__main__\": # 创建一个新的线程 new_thread = threading.Thread(target=job1, name=\"T1\") # 启动新线程 new_thread.start() print(\"当前线程数量为\", threading.active_count()) print(\"所有线程的具体信息\", threading.enumerate()) print(\"当前线程具体信息\", threading.current_thread())
效果图:
3.线程中的join函数
(1)预想的是,执行完线程1,然后输出All done…“理想很丰满,现实却不是这样的”
# coding:utf-8 import threading import time def job1(): print(\"T1 start\") for i in range(5): time.sleep(1) print(i) print(\"T1 finish\") def main(): # 新创建一个线程 new_thread = threading.Thread(target=job1, name=\"T1\") # 启动新线程 new_thread.start() print(\"All done...\") if __name__ == \"__main__\": main()
效果图:
(2)为了达到我们的预期,我们使用join函数,将T1线程进行阻塞。join函数进行阻塞是什么意思?就是哪个线程使用了join函数,当这个线程正在执行时,在他之后的线程程序不能执行,得等这个被阻塞的线程全部执行完毕之后,方可执行!
# coding:utf-8 import threading import time def job1(): print(\"T1 start\") for i in range(5): time.sleep(1) print(i) print(\"T1 finish\") def main(): # 新创建一个线程 new_thread = threading.Thread(target=job1, name=\"T1\") # 启动新线程 new_thread.start() # 阻塞这个T1线程 new_thread.join() print(\"All done...\") if __name__ == \"__main__\": main()
效果图:
4.使用Queue存储线程的结果
线程的执行结果,无法通过return进行返回,使用Queue存储。
# coding:utf-8 import threading from queue import Queue \"\"\" Queue的使用 \"\"\" def job(l, q): for i in range(len(l)): l[i] = l[i] ** 2 q.put(l) def multithreading(): # 创建队列 q = Queue() # 线程列表 threads = [] # 二维列表 data = [[1, 2, 3], [4, 5, 6], [7, 8, 9], [6, 6, 6]] for i in range(4): t = threading.Thread(target=job, args=(data[i], q)) t.start() threads.append(t) # 对所有线程进行阻塞 for thread in threads: thread.join() results = [] # 将新队列中的每个元素挨个放到结果列表中 for _ in range(4): results.append(q.get()) print(results) if __name__ == \"__main__\": multithreading()
效果图:
5.线程锁lock
当同时启动多个线程时,各个线程之间会互相抢占计算资源,会造成程序混乱。
举个栗子:
当我们在选课系统选课时,当前篮球课还有2个名额,我们三个人去选课。
选课顺序为stu1 stu2 stu3,应该依次打印他们三个的选课过程,但是现实情况却是:
# coding:utf-8 import threading import time def stu1(): print(\"stu1开始选课\") global course if course > 0: course -= 1 time.sleep(2) print(\"stu1选课成功,现在篮球课所剩名额为%d\" % course) else: time.sleep(2) print(\"stu1选课失败,篮球课名额为0,请选择其他课程\") def stu2(): print(\"stu2开始选课\") global course if course > 0: course -= 1 time.sleep(2) print(\"stu2选课成功,现在篮球课所剩名额为%d\" % course) else: time.sleep(2) print(\"stu2选课失败,篮球课名额为0,请选择其他课程\") def stu3(): print(\"stu3开始选课\") global course if course > 0: course -= 1 time.sleep(2) print(\"stu3选课成功\") print(\"篮球课所剩名额为%d\" %course) else: time.sleep(2) print(\"stu3选课失败,篮球课名额为0,请选择其他课程\") if __name__ == \"__main__\": # 篮球课名额 course = 2 T1 = threading.Thread(target=stu1, name=\"T1\") T2 = threading.Thread(target=stu2, name=\"T2\") T3 = threading.Thread(target=stu3, name=\"T3\") T1.start() T2.start() T3.start()
效果图:
为了解决这种情况,我们使用lock线程同步锁,在线程并发执行时,保证每个线程执行的原子性。有效防止了共享统一数据时,线程并发执行的混乱。
改进的代码如下:
# coding:utf-8 import threading import time def stu1(): global lock lock.acquire() print(\"stu1开始选课\") global course if course > 0: course -= 1 time.sleep(2) print(\"stu1选课成功,现在篮球课所剩名额为%d\" % course) else: time.sleep(2) print(\"stu1选课失败,篮球课名额为0,请选择其他课程\") lock.release() def stu2(): global lock lock.acquire() print(\"stu2开始选课\") global course if course > 0: course -= 1 print(\"stu2选课成功,现在篮球课所剩名额为%d\" % course) else: time.sleep(1) print(\"stu2选课失败,篮球课名额为0,请选择其他课程\") lock.release() def stu3(): global lock lock.acquire() print(\"stu3开始选课\") global course if course > 0: course -= 1 time.sleep(1) print(\"stu3选课成功,现在篮球课所剩名额为%d\" % course) else: time.sleep(1) print(\"stu3选课失败,篮球课名额为0,请选择其他课程\") lock.release() if __name__ == \"__main__\": # 篮球课名额 course = 2 # 创建同步锁 lock = threading.Lock() T1 = threading.Thread(target=stu1, name=\"T1\") T2 = threading.Thread(target=stu2, name=\"T2\") T3 = threading.Thread(target=stu3, name=\"T3\") T1.start() T2.start() T3.start()
效果图:
© 版权声明
THE END
暂无评论内容