首页 > 代码库 > python之多线程
python之多线程
声明：示例来源《python核心编程》
前言
单线程处理多个外部输入源的任务只能使用I/O多路复用，如：select,poll,epoll。
特别值得注意的是：由于一个串行程序需要从每个 I/O 终端通道来检查用户的输入，程序在读取 I/O 终端通道时不能阻塞，因为用户输入的到达时间是不确定的，并且阻塞会妨碍其他 I/O 通道的处理。
select，poll，epoll本质上都是同步I/O，因为他们都需要在读写事件就绪后自己负责进行读写，也就是说这个读写过程是阻塞的，而异步I/O则无需自己负责进行读写，异步I/O的实现只负责把数据从内核拷贝到用户空间。
为此就引出了我们的主体多线程，多线程的特点：
- 本质上是异步的
- 需要多个并发活动
- 每个活动的处理顺序可能是不确定的，或者说是随机的、不可预测的。
什么是进程？
进程就是一个执行中的程序。每个进程都拥有自己的地址空间、内存、数据栈以及其他用于跟踪执行的辅助数据。操作系统管理其上所有进程的执行，并为这些进程合理地分配时间。进程也可以通过派生（ fork 或 spawn）新的进程来执行其他任务，不过因为每个新进程也都拥有自己的内存和数据栈等，所以只能采用进程间通信（ IPC）的方式共享信息。
什么是线程？
线程（有时候称为轻量级进程）与进程类似，不过它们是在同一个进程下执行的，并共享相同的上下文。可以将它们认为是在一个主进程或“主线程”中并行运行的一些“迷你进程”。
python中的多线程实现
threading模块中的对象列表
ps：我们通过python实现多线程编程，主要用到的是threading.Thread对象
Thread对象常用属性和方法
多线程示例
context: python2.7.13
python通过Thread对象创建一个多线程实例，主要有3种方式：
- 创建 Thread 的实例，传给它一个函数。
- 创建 Thread 的实例，传给它一个可调用的类实例。
- 派生 Thread 的子类，并创建子类的实例。
ps：我们通常会选择第一个或第三个方案。当你需要一个更加符合面向对象的接口时，会选择后者。所以，建议使用第三种方案，它是最适合你的应用和未来扩展的方法。
示例1:创建 Thread 的实例，传给它一个函数。
1 #!/usr/bin/env python 2 #-*- coding:utf-8 -*- 3 import threading 4 from time import sleep,ctime 5 6 loops = [4,2] 7 8 def loop(nloop,nsec): 9 print "start loop",nloop,"at:",ctime() 10 sleep(nsec) 11 print "loop",nloop,‘done at:‘,ctime() 12 13 def main(): 14 print "Starting at:",ctime() 15 threads = [] 16 nloops = range(len(loops)) 17 #完成所有线程分配，并不立即开始执行 18 for i in nloops: 19 t = threading.Thread(target=loop,args=(i,loops[i])) 20 threads.append(t) 21 #开始调用start方法，同时开始所有线程 22 for i in nloops: 23 threads[i].start() 24 #join方法：主线程等待所有子线程执行完成，再执行主线程接下来的操作。 25 for i in nloops: 26 threads[i].join() 27 28 print "All done at:",ctime() 29 if __name__=="__main__": 30 main()
Starting at: Sun Jun 18 10:00:49 2017 start loop 0 at: Sun Jun 18 10:00:49 2017 start loop 1 at: Sun Jun 18 10:00:49 2017 loop 1 done at: Sun Jun 18 10:00:51 2017 loop 0 done at: Sun Jun 18 10:00:53 2017 All done at: Sun Jun 18 10:00:53 2017 Process finished with exit code 0
示例2：创建 Thread 的实例，传给它一个可调用的类实例
#!/usr/bin/env python #-*- encoding:utf-8 -*- import threading from time import sleep,ctime loops = [4,2] class ThreadFunc(object): def __init__(self,func,args,name=""): self.name = name self.func = func self.args = args #使类具有函数行为，就像函数的代理（proxy） def __call__(self): self.func(*self.args) def loop(nloop,nsec): print "start loop",nloop,"at:",ctime() sleep(nsec) print "loop",nloop,‘done at:‘,ctime() def main(): print "Starting at:",ctime() threads = [] nloops = range(len(loops)) #完成所有线程分配，并不立即开始执行 for i in nloops: t = threading.Thread(target=ThreadFunc(loop,(i,loops[i]),loop.__name__)) threads.append(t) #开始调用start方法，同时开始所有线程 for i in nloops: threads[i].start() #join方法等待子线程执行完成，再执行主线程接下来的操作。 for i in nloops: threads[i].join() print "All done at:",ctime() if __name__=="__main__": main()
Starting at: Sun Jun 18 10:03:52 2017 start loop 0 at: Sun Jun 18 10:03:52 2017 start loop 1 at: Sun Jun 18 10:03:52 2017 loop 1 done at: Sun Jun 18 10:03:54 2017 loop 0 done at: Sun Jun 18 10:03:56 2017 All done at: Sun Jun 18 10:03:56 2017 Process finished with exit code 0
示例3：派生 Thread 的子类，并创建子类的实例。
自定义类MyThread
- 文件名：mythread.py,
- 内容：MyThread为threading.Thread的派生类
#!/usr/bin/env python #-*- coding:utf-8 -*- import threading from time import sleep,ctime class MyThread(threading.Thread): def __init__(self,func,args,name=""): threading.Thread.__init__(self) self.name = name self.func = func self.args = args def get_res(self): return self.res def run(self): print "Starting",self.name,"at:",ctime() self.res = self.func(*self.args) print self.name,"finish at:",ctime()
菲波那切数列，阶乘，累加单线程也多线程对比
#!/usr/bin/env python #-*- coding:utf-8 -*- #MyThread为自定义的threading.Thread的派生类 from mythread import MyThread from time import sleep,ctime #斐波那契数列 def fib(x): sleep(0.005) if x < 2:return 1 return (fib(x-2)+fib(x-1)) #阶乘 def fac(x): sleep(0.1) if x < 2:return 1 return (x*fac(x-1)) #累加 def sum(x): sleep(0.1) if x < 2:return 1 return (x + sum(x-1)) funcs = [fib,fac,sum] n = 12 def main(): nfuncs = range(len(funcs)) print "---SINGLE THREAD---" for i in nfuncs: print "Starting",funcs[i].__name__,"at:",ctime() print funcs[i](n) print funcs[i].__name__,"finish at:",ctime() print "\n---MULTIPLE THREADS---" threads = [] for i in nfuncs: t = MyThread(funcs[i],(n,),funcs[i].__name__) threads.append(t) for i in nfuncs: threads[i].start() for i in nfuncs: threads[i].join() print threads[i].get_res() print "All Done!" if __name__ == ‘__main__‘: main()
---SINGLE THREAD--- Starting fib at: Sun Jun 18 09:12:17 2017 233 fib finish at: Sun Jun 18 09:12:24 2017 Starting fac at: Sun Jun 18 09:12:24 2017 479001600 fac finish at: Sun Jun 18 09:12:26 2017 Starting sum at: Sun Jun 18 09:12:26 2017 78 sum finish at: Sun Jun 18 09:12:27 2017 ---MULTIPLE THREADS--- Starting fib at: Sun Jun 18 09:12:27 2017 Starting fac at: Sun Jun 18 09:12:27 2017 Starting sum at: Sun Jun 18 09:12:27 2017 fac finish at: Sun Jun 18 09:12:28 2017 sum finish at: Sun Jun 18 09:12:28 2017 fib finish at: Sun Jun 18 09:12:34 2017 233 479001600 78 All Done! Process finished with exit code 0
以单线程模式运行时，只是简单地依次调用每个函数，并在函数执行结束后立即显示相应的结果。
而以多线程模式运行时，并不会立即显示结果。 因为我们希望让 MyThread 类越通用越好（有输出和没有输出的调用都能够执行），我们要一直等到所有线程都执行结束，然后调用get_res()方法来最终显示每个函数的返回值。
python之多线程
声明：以上内容来自用户投稿及互联网公开渠道收集整理发布，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任，若内容有误或涉及侵权可进行投诉： 投诉/举报 工作人员会在5个工作日内联系你，一经查实，本站将立刻删除涉嫌侵权内容。