Python多線程即相關理念詳解

Posted on by

一、什麼是線程？

線程顧名思義，就是一條流水線工作的過程，一條流水線必須屬於一個車間，一個車間的工作過程是一個進程。車間負責把資源整合到一起，是一個資源單位，而一個車間內至少有一個流水線。所以，進程隻是用來把資源集中到一起（進程隻是一個資源單位，或者說資源集合），而線程才是cpu上的執行單位。

總結進程與線程區別：

'''
進程：資源單位
線程：執行單位
線程才是真正幹活的人，幹活中需要的資源由線程所在進程提供
每個進程肯定自帶一個線程
每個進程內可創建多個線程
'''
'''
開進程：
    申請空間
    拷貝代碼
    消耗資源大
開線程：
    同一個進程內創建多個線程，無需上述兩種操作，消耗資源相對較小
'''

多線程（即多個控制線程）的概念是，在一個進程中存在多個控制線程，多個控制線程共享該進程的地址空間，相當於一個車間內有多條流水線，都共用一個車間的資源。

二、開啟線程的兩種方式

1、方式1

from threading import Thread
import time
# 方法一
def task(name):
    print('%s is running' % name)
    time.sleep(1)
    print('%s is over' % name)
# 開啟線程不需要在main下面執行代碼，直接書寫就可以
# 但是習慣性的將啟動命令寫在main下面
t = Thread(target=task, args=('egon',))
t.start()  # 創建線程的開銷非常小，幾乎是代碼一執行就已經創建瞭
print('主')
'''

運行結果：
egon is running
主
egon is over
”’

2、方式2

from threading import Thread
class MyThread(Thread):
    def __init__(self, name):
        # 重寫瞭別人的方法，又不知道別人的方法裡有啥，就調用父類的方法
        super().__init__()
        self.name = name
    def run(self):
        print('%s is running' % self.name)
        time.sleep(1)
        print('%s is over' % self.name)
if __name__ == '__main__':
    t = MyThread('egon')
    t.start()
    print('主')
'''

運行結果：
egon is running
主
egon is over
”’

三、線程對象的jion方法（）

看過我講解進程文章的小夥伴想必都知道jion的功能，線程的jion方法於進程的jion方法功能類似-等待一個線程執行完畢後再執行下一個線程

from threading import Thread
def task(name):
    print('%s is running' % name)
    time.sleep(1)
    print('%s is over' % name)
if __name__ == '__main__':
    t=Thread(target=task,args=('egon',))
    t.start()
    t.join()# 主線程等待子線程運行結束後再執行
    print('主')

”’
運行結果：
egon is running
egon is over
主
”’

補充一個知識點：同一個進程下的多個線程數據共享，下面為大傢舉一個簡單的案例

from threading import Thread
money=100
def task():
    global money
    money=66
if __name__ == '__main__':
    t=Thread(target=task,args=())
    t.start()
    print(money)

# 結果：66

四、 補充小案例

from threading import Thread
import os,time
def task():
    print('子 pid:',os.getpid())
if __name__ == '__main__':
    t=Thread(target=task,args=())
    t.start()
    print('主 pid:',os.getpid())
    # 兩個線程的pid號一樣，說明在同一個進程下

”’
運行結果：
子 pid: 13444
主 pid: 13444
”’

# 這是個容易混淆的案例
from threading import Thread,current_thread,active_count
import os,time
def task(n):
    print('子',current_thread().name)
    time.sleep(n) # 延長線程存活時間
if __name__ == '__main__':
    t=Thread(target=task,args=(1,))
    t1=Thread(target=task,args=(1,))
    t.start()
    t1.start()
    t.join()
    # print('主',current_thread().name)# 獲取線程名字
    print(active_count()) # 統計當前活躍的進程數

”’
運行結果：
子 Thread-1
子 Thread-2
1
”’
# 這裡大傢容易以為是3，其實運行後隻有一個線程在活躍瞭，其它兩個線程運行完後就停止運行瞭

五、守護線程

守護線程與守護進程的概念也類似，其實大傢也能註意到，進程與線程有許多知識點即用法都是相通的，理解瞭一個另一個也是差不多的道理

1、守護線程會隨著主線程的結束而結束

2、主線程運行結束後不會立刻結束，會等待所有的其它非守護線程結束後才會結束

3、因為主線程的結束意味著所在進程的結束

from threading import Thread
import time
def task(name):
    print('%s is running'%name)
    time.sleep(1)
    print('%s is over'%name)
if __name__ == '__main__':
    t=Thread(target=task,args=('egon',))
    t.daemon=True #將t設置為守護線程
    t.start()
    print('主')

”’
運行結果：
egon is running
主
”’

# 稍微有點迷惑性的例子
from threading import Thread
import time
def foo():
    print('1234')
    time.sleep(1)
    print('end1234')
def func():
    print('5678')
    time.sleep(3)
    print('end5678')
if __name__ == '__main__':
    t1=Thread(target=foo,args=())
    t2=Thread(target=func,args=())
    t1.daemon=True # t1設為守護線程，t2為非守護線程
    t1.start()
    t2.start()
    print('主......')

”’
運行結果：
1234
5678主……
end1234
end5678
”’

”’
因主線程會等待非守護線程運行結束後在結束，
所有主線程會等待t2（非守護線程）結束再結束，
”’

六、線程互斥鎖

多個線程操作同一份數據的時候，會出現數據錯亂的問題

針對上述問題，解決方式就是加鎖處理

from threading import  Thread,Lock
import time
money=100
mutex=Lock()
def task():
    global money
    mutex.acquire()
    tmp=money
    time.sleep(0.1)# 模擬網絡延遲
    money=tmp-1
    mutex.release()
if __name__ == '__main__':
    t_list=[]
    for i in range(100):
        t=Thread(target=task,args=())
        t.start()
        t_list.append(t)
    for t in t_list:
        t.join()
    print(money)

# 運行結果：0
# 多個人操作同一份數據，數據錯亂，加鎖處理

七、GTL-全局解釋器

相信學python的小夥伴都知道，python解釋器其實有多個版本

  • Cpython
  • Jpython
  • Pypython

但是普遍使用的都是Cpython解釋器

在Cpython解釋器中GIL是一把互斥鎖，用來阻止同一個進程下的多個線程的同時執行

要註意同一進程下的多個線程無法利用多核優勢！！！！

想必大傢心中也有不少疑惑：pyhon的多線程是不是一點用都沒瞭呢？？？？

因為Cpython中的內存管理不是線程安全的。多線程並不是一無是處的，在遇到多IO操作的時候，多核的優勢也會顯示不出來，多進程與多線程的效率在該情況下差不瞭多少，而此時多進程相對浪費資源，多線程更加節省資源

ps:內存管理就是垃圾回收機制：

1、引用計數

2、標記清除

3、分帶回收

# GTL-全局解釋器
# 重點：1、GIL不是python的特點而是Cpython解釋器的特點
#      2、GIL是保證解釋器級別的數據的安全
#      3、GIL會導致同一個進程下的多個線程無法同時進行（即無法利用多核優勢）
#      4、針對不同的數據還是需要加不同的鎖處理
#      5、解釋型語言的通病，同一個進程下多個線程無法利用多核優勢

多線程是否有用要看具體情況

八、驗證多線程與多線程運用場景

# 計算密集型（CPU一直工作，也沒有IO）（更適合多進程）
from multiprocessing import Process
from threading import Thread
import os,time
# 多進程情況
def work():
    res=0
    for i in range(0,10000000):
        res*=i
if __name__ == '__main__':
    l=[]
    print(os.cpu_count())# 獲取當前計算機CPU核數
    start_time=time.time()
    for i in range(8):# 我計算機是8核
        p= Process(target=work,args=())
        p.start()
        l.append(p)
    for p in l:
        p.join()
    print(time.time()-start_time)

”’
運行結果：
8
2.0726492404937744
”’ 

# 多線程情況
from multiprocessing import Process
from threading import Thread
import os,time
def work():
    res=0
    for i in range(0,10000000):
        res*=i
if __name__ == '__main__':
    l=[]
    print(os.cpu_count())# 獲取當前計算機CPU核數
    start_time=time.time()
    for i in range(8):# 我計算機是8核
        t=Thread(target=work,args=())
        t.start()
        l.append(t)
    for p in l:
        p.join()
    print(time.time()-start_time)

”’
運行結果：
8
3.5790603160858154
”’

# 顯然可知：計算密集型更時候多進程

# IO密集型（任務一直有IO）(多線程更合適)
from multiprocessing import Process
from threading import Thread
import os,time
# 多線程
def work():
    time.sleep(1)
if __name__ == '__main__':
    l=[]
    start_time=time.time()
    for i in range(40):
        t=Thread(target=work,args=())
        t.start()
        l.append(t)
    for p in l:
        p.join()
    print(time.time()-start_time)
# 運行結果：1.0205152034759521
# 多進程
from multiprocessing import Process
from threading import Thread
import os,time
def work():
    time.sleep(1)
if __name__ == '__main__':
    l=[]
    start_time=time.time()
    for i in range(40):
        p= Process(target=work,args=())
        # t=Thread(target=work,args=())
        # t.start()
        # l.append(t)
        p.start()
        l.append(p)
    for p in l:
        p.join()
    print(time.time()-start_time)

# 運行結果：5.927189588546753

# 顯然可知:IO密集型更適合多線程

總結：

多線程和多進程都各自有各自的優勢

並且在後面的項目中通常可以多進程下面再開設多線程

這樣的話我們可以利用多核也可以節省資源消耗

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：