深入瞭解Python的多線程基礎

Posted on by

線程

線程（Thread），有時也被稱為輕量級進程(Lightweight Process，LWP），是操作系統獨⽴調度和分派的基本單位，本質上就是一串指令的集合。

⼀個標準的線程由線程id、當前指令指針(PC），寄存器集合和堆棧組成，它是進程中的⼀個實體，線程本身不擁有系統資源，隻擁有⼀點⼉在運⾏中必不可少的資源(如程序計數器、寄存器、棧)，但它可與同屬⼀個進程的其它線程共享進程所擁有的全部資源。線程不能夠獨⽴執⾏，必須依存在進程中。

多線程

多線程就是使用多個線程同時執行任務，實現瞭任務的並行執行，從而提高程序運行效率的方法。

試想一下，如果在單個線程內執行多個任務（比如發送網絡請求等），如果前面的任務比較耗時，而後面的任務需要等待前面的任務執行完才能執行，這樣會影響任務執行效率，那麼就可以使用多線程去執行這些任務，任務可以同時進行，那麼將大大的提高執行效率。

Python多線程

在Python中，提供瞭threading模塊來實現多進程操作，這個模塊是基於較低級的模塊 _thread 的基礎上建立的，提供瞭更易用的高級多線程API。

創建線程

可以通過threading模塊中的Thread類來創建線程對象。

Thread語法結構：

threading.Thread(group, target, name, daemon)

  • group：默認為None（該參數是為瞭以後實現ThreadGroup類而保留的）
  • target：在run方法中調用的可調用對象，即線程要執行的任務
  • name：線程名稱，可以不設定，默認為”Thread-N”形式的名稱
  • args：給target指定的函數傳遞的參數，以元組的⽅式傳遞
  • kwargs：給target指定的函數傳遞命名參數
  • daemon：默認為None，將顯式地設置該線程是否為守護模式。如果是None，線程將繼承當前線程的守護模式屬性

Thread常用方法

  • start()：啟動線程，並調用該線程中的run()方法
  • run()：線程啟動時運行的方法，正是它去調用target指定的函數
  • join(timeout=None)：讓當前調用者線程（一般為主線程）等待，直到該線程結束，timeout是可選的超時時間
  • is_alive()：返回當前線程是否存活
import threading
import time
def work(i):
    print("子線程'{}'work正在運行......".format(threading.current_thread().name))
    time.sleep(i)
    print("子線程'{}'運行結束......".format(threading.current_thread().name))
if __name__ == '__main__':
    print("主線程{}啟動".format(threading.current_thread().name))
    # 獲取線程的名稱
    threads = []
    for i in range(5):
        t = threading.Thread(target=work, args=(i,))
    # 啟動線程
        threads.append(t)
        t.start()
    for t in threads:
        t.join()
    print("主線程結束")

執行結果為：

上述代碼中使用t.join()的功能就是讓主線程等待所有子線程結束後才結束，如果想設置守護線程（主線程結束，子線程也隨之結束，無論任務執行完成與否）的話，可以使用t.daemon = True。

GIL鎖

GIL的全稱是Global Interpreter Lock（全局解釋器鎖），這個鎖最初的設計是為瞭保證同一份數據不能被多個線程同時修改，每個線程在執行任務的時候都需要先獲取GIL，保證同一時刻隻有一個線程可以執行，即同一時刻隻有一個線程在解釋器中運行，因此Python中的多線程是假的多線程，不是真正意義上的多線程。 如果程序中有多個線程執行任務，那麼多個線程會被解釋器輪流執行，隻不過是切換的很快、很頻繁，給人一種多線程“同時”在執行的錯覺。

線程池

在之前的文章說過，進程有進程池的機制，同樣，線程也有線程池。線程池可以在程序啟動時就創建自定義數量的空閑的線程，程序隻要將一個任務提交給線程池，線程池就會啟動一個空閑的線程來執行它。當該任務執行結束後，該線程並不會死亡，而是再次返回到線程池中變成空閑狀態，等待下一個任務的執行。

multiprocessing.dummy裡面也有一個Pool對象，它其實就是線程的封裝，使用起來和multiprocessing的Pool非常類似。它們api都是通用的，簡單地說，multiprocessing.dummy是multiprocessing進程池模塊復制的一個線程池模塊，強調一下，這裡線程池也是受到GIL限制的。

使用方式和multiprocessing.Pool一致，具體參考Python進程池。

from multiprocessing.dummy import Pool
import time
def work(i):
    print("work'{}'執行中......".format(i))
    time.sleep(2)
    print("work'{}'執行完畢......".format(i))
if __name__ == '__main__':
    # 創建線程池
    # Pool(5) 表示創建容量為5個線程的線程池
    pool = Pool(5)
    for i in range(10):
        pool.apply_async(work, (i, ))
    pool.close()
    pool.join()

總結

由於Python中的多線程受GIL鎖的限制，導致不能利用機器多核的特性，隻能利用單核，是假的多線程，但是也不是一無是處，對於IO密集型任務，多線程是能夠有效提升運行效率的，這是因為單線程下有IO操作時，會進行IO等待，這樣會浪費等待的這段時間，而開啟多線程能在線程A等待時，自動切換到線程B，可以減少不必要的時間浪費，從而能提升程序運行效率，但是也不是最好的選擇，對於處理IO密集型任務，在Python還有更好的選擇協程，在後續文章會介紹。

本篇文章就到這裡瞭，希望能夠給你帶來幫助，也希望您能夠多多關註WalkonNet的更多內容!

推薦閱讀：