一、Python中的线程使用:
Python中使用线程有两种方式:函数或者用类来包装线程对象。
1、 函数式:调用thread模块中的start_new_thread()函数来产生新线程。如下例:
- import time
- import thread
- def timer(no, interval):
- cnt = 0
- while cnt<10:
- print 'Thread:(%d) Time:%s\n'%(no, time.ctime())
- time.sleep(interval)
- cnt+=1
- thread.exit_thread()
- def test(): #Use thread.start_new_thread() to create 2 new threads
- thread.start_new_thread(timer, (1,1))
- thread.start_new_thread(timer, (2,2))
- if __name__=='__main__':
- test()
上面的例子定义了一个线程函数timer,它打印出10条时间记录后退出,每次打印的间隔由interval参数决定。thread.start_new_thread(function, args[, kwargs])的第一个参数是线程函数(本例中的timer方法),第二个参数是传递给线程函数的参数,它必须是tuple类型,kwargs是可选参数。
线程的结束可以等待线程自然结束,也可以在线程函数中调用thread.exit()或thread.exit_thread()方法。
2、 创建threading.Thread的子类来包装一个线程对象,如下例:
- import threading
- import time
- class timer(threading.Thread): #The timer class is derived from the class threading.Thread
- def __init__(self, num, interval):
- threading.Thread.__init__(self)
- self.thread_num = num
- self.interval = interval
- self.thread_stop = False
- def run(self): #Overwrite run() method, put what you want the thread do here
- while not self.thread_stop:
- print 'Thread Object(%d), Time:%s\n' %(self.thread_num, time.ctime())
- time.sleep(self.interval)
- def stop(self):
- self.thread_stop = True
- def test():
- thread1 = timer(1, 1)
- thread2 = timer(2, 2)
- thread1.start()
- thread2.start()
- time.sleep(10)
- thread1.stop()
- thread2.stop()
- return
- if __name__ == '__main__':
- test()
就我个人而言,比较喜欢第二种方式,即创建自己的线程类,必要时重写threading.Thread类的方法,线程的控制可以由自己定制。
threading.Thread类的使用:
1,在自己的线程类的__init__里调用threading.Thread.__init__(self, name = threadname)
Threadname为线程的名字
2, run(),通常需要重写,编写代码实现做需要的功能。
3,getName(),获得线程对象名称
4,setName(),设置线程对象名称
5,start(),启动线程
6,jion([timeout]),等待另一线程结束后再运行。
7,setDaemon(bool),设置子线程是否随主线程一起结束,必须在start()之前调用。默认为False。
8,isDaemon(),判断线程是否随主线程一起结束。
9,isAlive(),检查线程是否在运行中。
此外threading模块本身也提供了很多方法和其他的类,可以帮助我们更好的使用和管理线程。可以参看http://www.python.org/doc/2.5.2/lib/module-threading.html。
假设两个线程对象t1和t2都要对num=0进行增1运算,t1和t2都各对num修改10次,num的最终的结果应该为20。但是由于是多线程访问,有可能出现下面情况:在num=0时,t1取得num=0。系统此时把t1调度为”sleeping”状态,把t2转换为”running”状态,t2页获得num=0。然后t2对得到的值进行加1并赋给num,使得num=1。然后系统又把t2调度为”sleeping”,把t1转为”running”。线程t1又把它之前得到的0加1后赋值给num。这样,明明t1和t2都完成了1次加1工作,但结果仍然是num=1。
上面的case描述了多线程情况下最常见的问题之一:数据共享。当多个线程都要去修改某一个共享数据的时候,我们需要对数据访问进行同步。
1、 简单的同步
最简单的同步机制就是“锁”。锁对象由threading.RLock类创建。线程可以使用锁的acquire()方法获得锁,这样锁就进入“locked”状态。每次只有一个线程可以获得锁。如果当另一个线程试图获得这个锁的时候,就会被系统变为“blocked”状态,直到那个拥有锁的线程调用锁的release()方法来释放锁,这样锁就会进入“unlocked”状态。“blocked”状态的线程就会收到一个通知,并有权利获得锁。如果多个线程处于“blocked”状态,所有线程都会先解除“blocked”状态,然后系统选择一个线程来获得锁,其他的线程继续沉默(“blocked”)。
Python中的thread模块和Lock对象是Python提供的低级线程控制工具,使用起来非常简单。如下例所示:
- import thread
- import time
- mylock = thread.allocate_lock() #Allocate a lock
- num=0 #Shared resource
- def add_num(name):
- global num
- while True:
- mylock.acquire() #Get the lock
- # Do something to the shared resource
- print 'Thread %s locked! num=%s'%(name,str(num))
- if num >= 5:
- print 'Thread %s released! num=%s'%(name,str(num))
- mylock.release()
- thread.exit_thread()
- num+=1
- print 'Thread %s released! num=%s'%(name,str(num))
- mylock.release() #Release the lock.
- def test():
- thread.start_new_thread(add_num, ('A',))
- thread.start_new_thread(add_num, ('B',))
- if __name__== '__main__':
- test()
Python 在thread的基础上还提供了一个高级的线程控制库,就是之前提到过的threading。Python的threading module是在建立在thread module基础之上的一个module,在threading module中,暴露了许多thread module中的属性。在thread module中,python提供了用户级的线程同步工具“Lock”对象。而在threading module中,python又提供了Lock对象的变种: RLock对象。RLock对象内部维护着一个Lock对象,它是一种可重入的对象。对于Lock对象而言,如果一个线程连续两次进行acquire操作,那么由于第一次acquire之后没有release,第二次acquire将挂起线程。这会导致Lock对象永远不会release,使得线程死锁。RLock对象允许一个线程多次对其进行acquire操作,因为在其内部通过一个counter变量维护着线程acquire的次数。而且每一次的acquire操作必须有一个release操作与之对应,在所有的release操作完成之后,别的线程才能申请该RLock对象。
下面来看看如何使用threading的RLock对象实现同步。
- import threading
- mylock = threading.RLock()
- num=0
- class myThread(threading.Thread):
- def __init__(self, name):
- threading.Thread.__init__(self)
- self.t_name = name
- def run(self):
- global num
- while True:
- mylock.acquire()
- print '\nThread(%s) locked, Number: %d'%(self.t_name, num)
- if num>=4:
- mylock.release()
- print '\nThread(%s) released, Number: %d'%(self.t_name, num)
- break
- num+=1
- print '\nThread(%s) released, Number: %d'%(self.t_name, num)
- mylock.release()
- def test():
- thread1 = myThread('A')
- thread2 = myThread('B')
- thread1.start()
- thread2.start()
- if __name__== '__main__':
- test()
我们把修改共享数据的代码成为“临界区”。必须将所有“临界区”都封闭在同一个锁对象的acquire和release之间。
2、 条件同步
锁只能提供最基本的同步。假如只在发生某些事件时才访问一个“临界区”,这时需要使用条件变量Condition。
Condition对象是对Lock对象的包装,在创建Condition对象时,其构造函数需要一个Lock对象作为参数,如果没有这个Lock对象参数,Condition将在内部自行创建一个Rlock对象。在Condition对象上,当然也可以调用acquire和release操作,因为内部的Lock对象本身就支持这些操作。但是Condition的价值在于其提供的wait和notify的语义。
条件变量是如何工作的呢?首先一个线程成功获得一个条件变量后,调用此条件变量的wait()方法会导致这个线程释放这个锁,并进入“blocked”状态,直到另一个线程调用同一个条件变量的notify()方法来唤醒那个进入“blocked”状态的线程。如果调用这个条件变量的notifyAll()方法的话就会唤醒所有的在等待的线程。
如果程序或者线程永远处于“blocked”状态的话,就会发生死锁。所以如果使用了锁、条件变量等同步机制的话,一定要注意仔细检查,防止死锁情况的发生。对于可能产生异常的临界区要使用异常处理机制中的finally子句来保证释放锁。等待一个条件变量的线程必须用notify()方法显式的唤醒,否则就永远沉默。保证每一个wait()方法调用都有一个相对应的notify()调用,当然也可以调用notifyAll()方法以防万一。
生产者与消费者问题是典型的同步问题。这里简单介绍两种不同的实现方法。
1, 条件变量
- import threading
- import time
- class Producer(threading.Thread):
- def __init__(self, t_name):
- threading.Thread.__init__(self, name=t_name)
- def run(self):
- global x
- con.acquire()
- if x > 0:
- con.wait()
- else:
- for i in range(5):
- x=x+1
- print "producing..." + str(x)
- con.notify()
- print x
- con.release()
- class Consumer(threading.Thread):
- def __init__(self, t_name):
- threading.Thread.__init__(self, name=t_name)
- def run(self):
- global x
- con.acquire()
- if x == 0:
- print 'consumer wait1'
- con.wait()
- else:
- for i in range(5):
- x=x-1
- print "consuming..." + str(x)
- con.notify()
- print x
- con.release()
- con = threading.Condition()
- x=0
- print 'start consumer'
- c=Consumer('consumer')
- print 'start producer'
- p=Producer('producer')
- p.start()
- c.start()
- p.join()
- c.join()
- print x
上面的例子中,在初始状态下,Consumer处于wait状态,Producer连续生产(对x执行增1操作)5次后,notify正在等待的Consumer。Consumer被唤醒开始消费(对x执行减1操作)
2, 同步队列
Python中的Queue对象也提供了对线程同步的支持。使用Queue对象可以实现多个生产者和多个消费者形成的FIFO的队列。
生产者将数据依次存入队列,消费者依次从队列中取出数据。
- # producer_consumer_queue
- from Queue import Queue
- import random
- import threading
- import time
- #Producer thread
- class Producer(threading.Thread):
- def __init__(self, t_name, queue):
- threading.Thread.__init__(self, name=t_name)
- self.data=queue
- def run(self):
- for i in range(5):
- print "%s: %s is producing %d to the queue!\n" %(time.ctime(), self.getName(), i)
- self.data.put(i)
- time.sleep(random.randrange(10)/5)
- print "%s: %s finished!" %(time.ctime(), self.getName())
- #Consumer thread
- class Consumer(threading.Thread):
- def __init__(self, t_name, queue):
- threading.Thread.__init__(self, name=t_name)
- self.data=queue
- def run(self):
- for i in range(5):
- val = self.data.get()
- print "%s: %s is consuming. %d in the queue is consumed!\n" %(time.ctime(), self.getName(), val)
- time.sleep(random.randrange(10))
- print "%s: %s finished!" %(time.ctime(), self.getName())
- #Main thread
- def main():
- queue = Queue()
- producer = Producer('Pro.', queue)
- consumer = Consumer('Con.', queue)
- producer.start()
- consumer.start()
- producer.join()
- consumer.join()
- print 'All threads terminate!'
- if __name__ == '__main__':
- main()
在上面的例子中,Producer在随机的时间内生产一个“产品”,放入队列中。Consumer发现队列中有了“产品”,就去消费它。本例中,由于Producer生产的速度快于Consumer消费的速度,所以往往Producer生产好几个“产品”后,Consumer才消费一个产品。
Queue模块实现了一个支持多producer和多consumer的FIFO队列。当共享信息需要安全的在多线程之间交换时,Queue非常有用。Queue的默认长度是无限的,但是可以设置其构造函数的maxsize参数来设定其长度。Queue的put方法在队尾插入,该方法的原型是:
put( item[, block[, timeout]])
如果可选参数block为true并且timeout为None(缺省值),线程被block,直到队列空出一个数据单元。如果timeout大于0,在timeout的时间内,仍然没有可用的数据单元,Full exception被抛出。反之,如果block参数为false(忽略timeout参数),item被立即加入到空闲数据单元中,如果没有空闲数据单元,Full exception被抛出。
Queue的get方法是从队首取数据,其参数和put方法一样。如果block参数为true且timeout为None(缺省值),线程被block,直到队列中有数据。如果timeout大于0,在timeout时间内,仍然没有可取数据,Empty exception被抛出。反之,如果block参数为false(忽略timeout参数),队列中的数据被立即取出。如果此时没有可取数据,Empty exception也会被抛出。
线程间通信:
Event对象用于线程间的相互通信。他提供了设置信号、清除信宏、等待等用于实现线程间的通信。
1、设置信号。Event对象使用了set()方法后,isSet()方法返回真。
2、清除信号。使用Event对象的clear()方法后,isSet()方法返回为假。
3、等待。当Event对象的内部信号标志为假时,则wait()方法一直等到其为真时才返回。还可以向wait传递参数,设定最长的等待时间。
- # -*- coding:utf-8 -*-
- import threading
- class mythread(threading.Thread):
- def __init__(self,threadname):
- threading.Thread.__init__(self,name = threadname)
- def run(self):
- global event
- if event.isSet():
- event.clear()
- event.wait() #当event被标记时才返回
- print self.getName()
- else:
- print self.getName()
- event.set()
- event = threading.Event()
- event.set()
- t1 = []
- for i in range(10):
- t = mythread(str(i))
- t1.append(t)
- for i in t1:
- i.start()
相关推荐
总体来看,基于Linux平台的Python多线程爬虫程序设计,不仅可以实现高效的数据抓取,还能通过多种存储方式灵活地管理数据,这对于微博数据挖掘工作来说,是一项十分有价值的工具。而且,随着社交网络数据量的不断...
Python多线程编程在实现网络串口透传中扮演着重要的角色,特别是在处理TCP客户端网口数据时。网络串口透传技术允许通过网络连接模拟串行通信,使得远程设备可以像连接本地串口一样进行通信。这在物联网(IoT)、远程...
Python多线程爬虫爬取电影天堂资源是一个实用且具有挑战的项目。以下是对该项目的详细说明: 1. 项目概述: 该项目旨在使用Python编写一个多线程爬虫程序,从电影天堂网站上爬取电影资源信息,包括电影名称、年份、类型...
一个Python多线程爬虫,在工作时,开10个线程来抓取新浪网页的数据,抓取并保存页面, 并且根据deep返回页面链接,根据key确定是否保存该页面,其中: deep == 0时,是抓取的最后一层深度,即只抓取并保存页面,不...
使用python多线程异步提高模型部署到rk3588NPU使用率_python源码+项目使用说明.zip 【项目资源说明】 使用多线程异步操作rknn模型, 提高rk3588/rk3588s的NPU使用率, 进而提高推理帧数(rk3568之类修改后应该也能使用,...
本离线安装包“python多线程池离线安装包.zip”包含了实现Python多线程所需的关键组件。主要包含以下三个子文件: 1. `pip-19.2.3.tar.gz`:这是Python的包管理器pip的一个版本,用于安装和管理Python库。在离线...
Python 多线程编程实例,一个综合示例
总结起来,`python多线程定时器`的实现涉及到Python的`threading`和`time`模块,通过`Thread`和`Timer`类来创建和管理线程,使用定时器控制线程的启动时间。主程序`main.py`使用这些工具来安排多个任务按设定的间隔...
在Python编程中,多线程同步对于文件读写控制至关重要,因为如果不加以控制,多个线程同时访问同一文件可能会导致数据不一致或者错误。这里我们将深入探讨如何在Python中使用多线程同步来确保文件读写的安全性。 ...
Python多线程超大日志文件解析转储,实现几十G超大文件并发处理。 实现功能如下: 1.多线程分块解析某超大日志文件,实现超大文件多线程分块处理 2.多线程写入数据到数据库postgresql/mysql 3.线程之间通过队列queue...
本项目中的"python多线程批量访问url脚本"正是基于这个理念设计的。 该脚本采用了第三方库`grequests`,它是`requests`库的一个并行版本,能够支持异步的HTTP请求。`requests`库是Python中广泛使用的HTTP客户端,而...
Python多线程编程是利用Python实现程序并行性的一种方式,尤其适合于处理异步、并发事务和资源密集型任务。在多线程环境中,多个线程可以同时执行,提高程序效率,尤其对于那些需要从多个输入源处理数据或者进行大量...
python多线程,断点续传下载程序,功能比较简单,可以进行二次开发。实现更好用的 功能。
Python多线程编程文档说明 多进程编程 一、 multiprocessing 模块 1. multiprocessing 模块提供了多进程编程的能力 它的API非常类似于 threading 模块,但是也提供了一些threading 模块不具有的能力 相比于线程,它...
python多线程压测demo
python多线程端口扫描工具,多线程自定义扫描主机开放端口。 Usage: portScan.py [options] Options: -h, --help show this help message and exit -i IP, --ip=IP scan only ip default port in number 1 ...
python 多线程封装脚本,可以直接拿来当lib导入使用。
在Python编程中,多线程是一种并发执行任务的机制,尤其在处理I/O密集型任务如网络请求时,能够显著提高程序效率。本教程将详细讲解如何使用Python的多线程来实现对多个网址的快速访问,并记录访问结果。 首先,...
Python多线程下载管理是一种利用Python编程语言实现的高效下载技术,它通过开启多个线程同时处理下载任务,显著提高了文件下载的速度。在现代互联网环境中,处理大量数据或大文件时,多线程技术显得尤为重要,因为它...
本主题“基于Linux的Python多线程爬虫程序设计”将深入探讨如何在Linux环境下利用Python实现多线程爬虫,以优化网络爬虫的性能。 首先,我们需要了解Python中的多线程。Python的`threading`模块提供了创建和管理...