Python中线程threading.Thread的使用详解-偶像资源网

1. 线程的概念

线程，有时被称为轻量级进程(Lightweight 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(PC），寄存器集合和堆栈组成。另外，线程是进程中的一个实体，是被系统独立调度和分派的基本单位，线程自己不拥有系统资源。

2. threading.thread()的简单使用

2.1 添加线程可以是程序运行更快

python的thread模块是比较底层的模块，python的threading模块是对thread做了一些包装的，可以更加方便的被使用

有一点儿在运行中必不可少的资源，但它可与同属一个进程的其它线程共享进程所拥有的全部资源

import threading
import time
 
def saySorry():
  print(\"亲爱的，我错了，我能吃饭了吗？\")
  time.sleep(5)
 
if __name__ == \"__main__\":
    start_time1 = time.time()
    for i in range(5):
      t = threading.Thread(target=saySorry)
      t.start() #启动线程，即让线程开始执行
    end_time1 = time.time()
    print(end_time1 - start_time1)
 
    start_time2 = time.time()
    for i in range(5):
        t = saySorry()
 
    end_time2 = time.time()
    print(end_time2 - start_time2)

输出为：

亲爱的，我错了，我能吃饭了吗？
亲爱的，我错了，我能吃饭了吗？
亲爱的，我错了，我能吃饭了吗？
亲爱的，我错了，我能吃饭了吗？
亲爱的，我错了，我能吃饭了吗？
0.001995086669921875
亲爱的，我错了，我能吃饭了吗？
亲爱的，我错了，我能吃饭了吗？
亲爱的，我错了，我能吃饭了吗？
亲爱的，我错了，我能吃饭了吗？
亲爱的，我错了，我能吃饭了吗？
25.001766204833984

2.2 主线程会等待所有的子线程结束后才结束

import threading
from time import sleep,ctime
 
def sing():
  for i in range(3):
    print(\"正在唱歌...%d\"%i)
    sleep(1)
 
def dance():
  for i in range(3):
    print(\"正在跳舞...%d\"%i)
    sleep(1)
 
if __name__ == \'__main__\':
  print(\'---开始---:%s\'%ctime())
 
  t1 = threading.Thread(target=sing)
  t2 = threading.Thread(target=dance)
 
  t1.start()
  t2.start()
 
  # sleep(5) # 屏蔽此行代码，试试看，程序是否会立马结束？
  print(\'---结束---:%s\'%ctime())

输出为：

—开始—:Mon Sep 28 14:42:09 2020
正在唱歌…0
正在跳舞…0—结束—:Mon Sep 28 14:42:09 2020

正在唱歌…1
正在跳舞…1
正在唱歌…2
正在跳舞…2

如果释放‘ sleep(5) ’，输出为：

—开始—:Mon Sep 28 14:43:36 2020
正在唱歌…0
正在跳舞…0
正在跳舞…1
正在唱歌…1
正在唱歌…2正在跳舞…2

—结束—:Mon Sep 28 14:43:41 2020

3.查看线程数量

import threading
from time import sleep,ctime
 
def sing():
  for i in range(3):
    print(\"正在唱歌...%d\"%i)
    sleep(1)
 
def dance():
  for i in range(3):
    print(\"正在跳舞...%d\"%i)
    sleep(1)
 
if __name__ == \'__main__\':
  print(\'---开始---:%s\'%ctime())
 
  t1 = threading.Thread(target=sing)
  t2 = threading.Thread(target=dance)
 
  t1.start()
  t2.start()
 
  while True:
    length = len(threading.enumerate())
    print(\'当前运行的线程数为：%d\'%length)
    if length<=1:
      break
 
    sleep(0.5)

输出为：

—开始—:Mon Sep 28 14:46:16 2020
正在唱歌…0
正在跳舞…0
当前运行的线程数为：3
当前运行的线程数为：3
正在唱歌…1
正在跳舞…1当前运行的线程数为：3

当前运行的线程数为：3
正在唱歌…2
正在跳舞…2
当前运行的线程数为：3
当前运行的线程数为：3
当前运行的线程数为：1

4.线程参数及顺序

4.1 传递参数的方法

使用args 传递参数 threading.Thread(target=sing, args=(10, 100, 100))

使用kwargs传递参数 threading.Thread(target=sing, kwargs={“a”: 10, “b”:100, “c”: 100})

同时使用 args 和 kwargs 传递参数 threading.Thread(target=sing, args=(10, ), kwargs={“b”: 100,“c”: 100})

4.2 线程的执行顺序

import threading
import time
 
 
def sing():
    for i in range(5):
        print(\"我是sing\")
        time.sleep(1)
 
 
def dance():
    for i in range(5):
        print(\"我是dance\")
        time.sleep(1)
 
 
if __name__ == \'__main__\':
    # 创建两个子线程
    t1 = threading.Thread(target=sing)
    t2 = threading.Thread(target=dance)
    # 启动子线程
    t1.start()
    t2.start()

输出为:

我是sing
我是dance
我是sing
我是dance
我是dance
我是sing
我是dance我是sing

我是sing
我是dance

说明:

从代码和执行结果我们可以看出，多线程程序的执行顺序是不确定的。当执行到sleep语句时，线程将被阻塞（Blocked），到sleep结束后，线程进入就绪（Runnable）状态，等待调度。而线程调度将自行选择一个线程执行。上面的代码中只能保证每个线程都运行完整个run函数，但是线程的启动顺序、run函数中每次循环的执行顺序都不能确定。

5. 守护线程

守护线程：如果在程序中将子线程设置为守护线程，则该子线程会在主线程结束时自动退出，设置方式为thread.setDaemon(True)，要在thread.start()之前设置，默认是false的，也就是主线程结束时，子线程依然在执行。

5.1 如下代码，主线程已经exit() 【其实并没有真正结束】，子线程还在继续执行

import threading
import time
 
def test():
  for i in range(7):
    print(\"test is run:\", i)
    time.sleep(1)
 
if __name__ == \'__main__\':
  # 创建子线程
  t1 = threading.Thread(target=test)
  # 启动子线程
  t1.start()
  # 休眠2秒
  time.sleep(2)
 
  print(\"我 OVER 了\")
  # 退出
  exit()

输出为：

test is run: 0
test is run: 1
我 OVER 了
test is run: 2
test is run: 3
test is run: 4
test is run: 5
test is run: 6

5.2 设置守护线程

为线程设置守护，如果主线程结束，子线程也随之结束。

import threading
import time
 
def test():
  for i in range(7):
    print(\"test is run:\", i)
    time.sleep(1)
 
if __name__ == \'__main__\':
  # 创建子线程
  t1 = threading.Thread(target=test)
  #设置线程保护
  t1.setDaemon(True)
  # 启动子线程
  t1.start()
  # 休眠2秒
  time.sleep(2)
 
  print(\"我 OVER 了\")
  # 退出
  exit()

输出为：

test is run: 0
test is run: 1
我 OVER 了

参考代码

import threading
from threading import Lock,Thread
import time,os
 
 
\'\'\'
                                      python多线程详解
      什么是线程？
      线程也叫轻量级进程，是操作系统能够进行运算调度的最小单位，它被包涵在进程之中，是进程中的实际运作单位。
      线程自己不拥有系统资源，只拥有一点儿在运行中必不可少的资源，但它可与同属一个进程的其他线程共享进程所
      拥有的全部资源。一个线程可以创建和撤销另一个线程，同一个进程中的多个线程之间可以并发执行
\'\'\'
 
\'\'\'
    为什么要使用多线程？
    线程在程序中是独立的、并发的执行流。与分隔的进程相比，进程中线程之间的隔离程度要小，它们共享内存、文件句柄
    和其他进程应有的状态。
    因为线程的划分尺度小于进程，使得多线程程序的并发性高。进程在执行过程之中拥有独立的内存单元，而多个线程共享
    内存，从而极大的提升了程序的运行效率。
    线程比进程具有更高的性能，这是由于同一个进程中的线程都有共性，多个线程共享一个进程的虚拟空间。线程的共享环境
    包括进程代码段、进程的共有数据等，利用这些共享的数据，线程之间很容易实现通信。
    操作系统在创建进程时，必须为改进程分配独立的内存空间，并分配大量的相关资源，但创建线程则简单得多。因此，使用多线程
    来实现并发比使用多进程的性能高得要多。
\'\'\'
 
\'\'\'
    总结起来，使用多线程编程具有如下几个优点：
    进程之间不能共享内存，但线程之间共享内存非常容易。
    操作系统在创建进程时，需要为该进程重新分配系统资源，但创建线程的代价则小得多。因此使用多线程来实现多任务并发执行比使用多进程的效率高
    python语言内置了多线程功能支持，而不是单纯地作为底层操作系统的调度方式，从而简化了python的多线程编程。
\'\'\'
 
 
\'\'\'
    普通创建方式
\'\'\'
# def run(n):
#     print(\'task\',n)
#     time.sleep(1)
#     print(\'2s\')
#     time.sleep(1)
#     print(\'1s\')
#     time.sleep(1)
#     print(\'0s\')
#     time.sleep(1)
#
# if __name__ == \'__main__\':
#     t1 = threading.Thread(target=run,args=(\'t1\',))     # target是要执行的函数名（不是函数），args是函数对应的参数，以元组的形式存在
#     t2 = threading.Thread(target=run,args=(\'t2\',))
#     t1.start()
#     t2.start()
 
 
\'\'\'
    自定义线程：继承threading.Thread来定义线程类，其本质是重构Thread类中的run方法
\'\'\'
# class MyThread(threading.Thread):
#     def __init__(self,n):
#         super(MyThread,self).__init__()   #重构run函数必须写
#         self.n = n
#
#     def run(self):
#         print(\'task\',self.n)
#         time.sleep(1)
#         print(\'2s\')
#         time.sleep(1)
#         print(\'1s\')
#         time.sleep(1)
#         print(\'0s\')
#         time.sleep(1)
#
# if __name__ == \'__main__\':
#     t1 = MyThread(\'t1\')
#     t2 = MyThread(\'t2\')
#     t1.start()
#     t2.start()
 
 
\'\'\'
    守护线程
    下面这个例子，这里使用setDaemon(True)把所有的子线程都变成了主线程的守护线程，
    因此当主线程结束后，子线程也会随之结束，所以当主线程结束后，整个程序就退出了。
    所谓\'线程守护\'，就是主线程不管该线程的执行情况，只要是其他子线程结束且主线程执行完毕，主线程都会关闭。也就是说:主线程不等待该守护线程的执行完再去关闭。
\'\'\'
# def run(n):
#     print(\'task\',n)
#     time.sleep(1)
#     print(\'3s\')
#     time.sleep(1)
#     print(\'2s\')
#     time.sleep(1)
#     print(\'1s\')
#
# if __name__ == \'__main__\':
#     t=threading.Thread(target=run,args=(\'t1\',))
#     t.setDaemon(True)
#     t.start()
#     print(\'end\')
\'\'\'
    通过执行结果可以看出，设置守护线程之后，当主线程结束时，子线程也将立即结束，不再执行
\'\'\'
 
\'\'\'
    主线程等待子线程结束
    为了让守护线程执行结束之后，主线程再结束，我们可以使用join方法，让主线程等待子线程执行
\'\'\'
# def run(n):
#     print(\'task\',n)
#     time.sleep(2)
#     print(\'5s\')
#     time.sleep(2)
#     print(\'3s\')
#     time.sleep(2)
#     print(\'1s\')
# if __name__ == \'__main__\':
#     t=threading.Thread(target=run,args=(\'t1\',))
#     t.setDaemon(True)    #把子线程设置为守护线程，必须在start()之前设置
#     t.start()
#     t.join()     #设置主线程等待子线程结束
#     print(\'end\')
 
 
\'\'\'
    多线程共享全局变量
    线程时进程的执行单元，进程时系统分配资源的最小执行单位，所以在同一个进程中的多线程是共享资源的
\'\'\'
# g_num = 100
# def work1():
#     global  g_num
#     for i in range(3):
#         g_num+=1
#     print(\'in work1 g_num is : %d\' % g_num)
#
# def work2():
#     global g_num
#     print(\'in work2 g_num is : %d\' % g_num)
#
# if __name__ == \'__main__\':
#     t1 = threading.Thread(target=work1)
#     t1.start()
#     time.sleep(1)
#     t2=threading.Thread(target=work2)
#     t2.start()
 
 
\'\'\'
        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，即同一时刻允许一个线程执行操作。线程锁用于锁定资源，可以定义多个锁，像下面的代码，当需要独占
    某一个资源时，任何一个锁都可以锁定这个资源，就好比你用不同的锁都可以把这个相同的门锁住一样。
        由于线程之间是进行随机调度的，如果有多个线程同时操作一个对象，如果没有很好地保护该对象，会造成程序结果的不可预期，
    我们因此也称为“线程不安全”。
        为了防止上面情况的发生，就出现了互斥锁（Lock）
\'\'\'
# def work():
#     global n
#     lock.acquire()
#     temp = n
#     time.sleep(0.1)
#     n = temp-1
#     lock.release()
#
#
# if __name__ == \'__main__\':
#     lock = Lock()
#     n = 100
#     l = []
#     for i in range(100):
#         p = Thread(target=work)
#         l.append(p)
#         p.start()
#     for p in l:
#         p.join()
 
 
\'\'\'
    递归锁：RLcok类的用法和Lock类一模一样，但它支持嵌套，在多个锁没有释放的时候一般会使用RLock类
\'\'\'
# def func(lock):
#     global gl_num
#     lock.acquire()
#     gl_num += 1
#     time.sleep(1)
#     print(gl_num)
#     lock.release()
#
#
# if __name__ == \'__main__\':
#     gl_num = 0
#     lock = threading.RLock()
#     for i in range(10):
#         t = threading.Thread(target=func,args=(lock,))
#         t.start()
 
 
\'\'\'
    信号量（BoundedSemaphore类）
    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
\'\'\'
# def run(n,semaphore):
#     semaphore.acquire()   #加锁
#     time.sleep(3)
#     print(\'run the thread:%s\\n\' % n)
#     semaphore.release()    #释放
#
#
# if __name__== \'__main__\':
#     num=0
#     semaphore = threading.BoundedSemaphore(5)   #最多允许5个线程同时运行
#     for i in range(22):
#         t = threading.Thread(target=run,args=(\'t-%s\' % i,semaphore))
#         t.start()
#     while threading.active_count() !=1:
#         pass
#     else:
#         print(\'----------all threads done-----------\')
 
\'\'\'
    python线程的事件用于主线程控制其他线程的执行，事件是一个简单的线程同步对象，其主要提供以下的几个方法：
        clear将flag设置为 False
        set将flag设置为 True
        is_set判断是否设置了flag
        wait会一直监听flag，如果没有检测到flag就一直处于阻塞状态
    事件处理的机制：全局定义了一个Flag，当Flag的值为False，那么event.wait()就会阻塞，当flag值为True，
    那么event.wait()便不再阻塞
\'\'\'
event = threading.Event()
def lighter():
    count = 0
    event.set()         #初始者为绿灯
    while True:
        if 5 < count <=10:
            event.clear()  #红灯，清除标志位
            print(\"\\33[41;lmred light is on...\\033[0m]\")
        elif count > 10:
            event.set()    #绿灯，设置标志位
            count = 0
        else:
            print(\'\\33[42;lmgreen light is on...\\033[0m\')
 
        time.sleep(1)
        count += 1
 
 
def car(name):
    while True:
        if event.is_set():     #判断是否设置了标志位
            print(\'[%s] running.....\'%name)
            time.sleep(1)
        else:
            print(\'[%s] sees red light,waiting...\'%name)
            event.wait()
            print(\'[%s] green light is on,start going...\'%name)
 
 
# startTime = time.time()
light = threading.Thread(target=lighter,)
light.start()
 
car = threading.Thread(target=car,args=(\'MINT\',))
car.start()
endTime = time.time()
# print(\'用时：\',endTime-startTime)
 
\'\'\'
                           GIL  全局解释器
        在非python环境中，单核情况下，同时只能有一个任务执行。多核时可以支持多个线程同时执行。但是在python中，无论有多少个核
        同时只能执行一个线程。究其原因，这就是由于GIL的存在导致的。
        GIL的全程是全局解释器，来源是python设计之初的考虑，为了数据安全所做的决定。某个线程想要执行，必须先拿到GIL，我们可以
        把GIL看做是“通行证”，并且在一个python进程之中，GIL只有一个。拿不到线程的通行证，并且在一个python进程中，GIL只有一个，
        拿不到通行证的线程，就不允许进入CPU执行。GIL只在cpython中才有，因为cpython调用的是c语言的原生线程，所以他不能直接操
        作cpu，而只能利用GIL保证同一时间只能有一个线程拿到数据。而在pypy和jpython中是没有GIL的
        python在使用多线程的时候，调用的是c语言的原生过程。
\'\'\'
\'\'\'
                            python针对不同类型的代码执行效率也是不同的
        1、CPU密集型代码（各种循环处理、计算等），在这种情况下，由于计算工作多，ticks技术很快就会达到阀值，然后出发GIL的
        释放与再竞争（多个线程来回切换当然是需要消耗资源的），所以python下的多线程对CPU密集型代码并不友好。
        2、IO密集型代码（文件处理、网络爬虫等设计文件读写操作），多线程能够有效提升效率（单线程下有IO操作会进行IO等待，
        造成不必要的时间浪费，而开启多线程能在线程A等待时，自动切换到线程B，可以不浪费CPU的资源，从而能提升程序的执行
        效率）。所以python的多线程对IO密集型代码比较友好。
\'\'\'
\'\'\'
    主要要看任务的类型，我们把任务分为I/O密集型和计算密集型，而多线程在切换中又分为I/O切换和时间切换。如果任务属于是I/O密集型，
    若不采用多线程，我们在进行I/O操作时，势必要等待前面一个I/O任务完成后面的I/O任务才能进行，在这个等待的过程中，CPU处于等待
    状态，这时如果采用多线程的话，刚好可以切换到进行另一个I/O任务。这样就刚好可以充分利用CPU避免CPU处于闲置状态，提高效率。但是
    如果多线程任务都是计算型，CPU会一直在进行工作，直到一定的时间后采取多线程时间切换的方式进行切换线程，此时CPU一直处于工作状态，
    此种情况下并不能提高性能，相反在切换多线程任务时，可能还会造成时间和资源的浪费，导致效能下降。这就是造成上面两种多线程结果不能的解释。
结论:I/O密集型任务，建议采取多线程，还可以采用多进程+协程的方式(例如:爬虫多采用多线程处理爬取的数据)；对于计算密集型任务，python此时就不适用了。
\'\'\'

以上就是Python中线程threading.Thread的使用详解的详细内容，更多关于Python threading.Thread的资料请关注其它相关文章！

版权声明 1 本网站名称：偶像资源网
2 本站永久网址：https://www.ox520.com
3 本网站的文章部分内容可能来源于网络，仅供大家学习与参考，如有侵权，请联系站长 QQ593098775进行删除处理。
4 本站一切资源不代表本站立场，并不代表本站赞同其观点和对其真实性负责。
5 本站一律禁止以任何方式发布或转载任何违法的相关信息，访客发现请向站长举报
6 本站资源大多存储在云盘，如发现链接失效，请联系我们我们会第一时间更新。

THE END