Python多线程-手慢无的真相

文章目录

• 线程的概念
• 创建多线程
• 主线程
• 阻塞线程
• 线程方法
• 线程同步
• • 同步的概念
  • Python中的锁
  • Python中的条件锁
• 小结

在这里插入图片描述

我们常说的「手慢无」其实类似多线程同时竞争一个共享资源的结果，要保证结果的唯一正确性，而这让我们从线程（Python）慢慢说起……

线程的概念

线程（Thread）是CPU分配资源的基本单位。一个程序开始运行就变成了一个进程，而一个进程相当于一个或多个线程，使用线程可以实现程序的并发。

一个程序中可以同时运行多个线程，用不同的线程完成不同的任务。

传统的程序设计语言同一时刻只能执行单任务操作，效率很低。比如网络程序在接受数据时发生阻塞，而CPU资源处于闲置状态，只能等到程序接受数据后才能继续运行。

多线程实现后台服务程序可以同时处理多个任务，并不发生阻塞现象。多线程程序设计最大的特点是能够提高程序的执行效率和处理速度。Python程序可同时并行运行多个独立线程。比如开发Email系统，创建一个线程用来接受数据，一个线程用来发送数据，即使发送线程在接受数据时被阻塞，接受数据线程仍然可以运行，互相独立不影响。

Python的线程没有优先级，也不能销毁、停止和挂起、也没有恢复、中断。这和其他语言有所不同。

创建多线程

Python3.X实现多线程的是threading模块，使用它可以创建多线程程序，并且在多线程间进行同步和通讯。 因为是一个模块，所以使用前记得导入：import threading Python有如下两种方式来创建线程。

一、通过threading.Thread()创建 Thread()语法如下：

threading.Thread(group=None,target=None,name=None,args=(),kwargs=(),*,deamon=None)

• group：必须为None，与ThreadGroup类相关，一般不使用。
• target：目标函数
• name：线程名，默认Thread-x（x从1开始）
• args：为目标函数传递实参、元组
• kwargs：为目标函数传递关键字参数、字典
• daemon：用来设置线程是否随主线程退出而退出

import threading
def test(x,y):
    for i in range(x,y):
        print(i)
thread1 = threading.Thread(name='t1',target=test,args=(0,5))
thread2 = threading.Thread(name='t2',target=test,args=(5,10))

thread1.start()
thread2.start()

在这里插入图片描述

二、通过继承threading.Thread类创建 thread.Thread是一个类，可以使用单继承的方式创建一个自己的子类。

import threading
class mythread(threading.Thread):
    def run(self):  #重写父类run方法
        for i in range(0,5):
            print(i)
thread1 = mythread()
thread2 = mythread()
thread1.start()
thread2.start()

在这里插入图片描述

如果调用时使用run而不是start，那么run()仅仅时被当作一个普通的函数使用，只有在线程为start时，它才是多线程的一种调用函数。

主线程

介绍主线程前，首先简要介绍下父线程和子线程。如果线程A中启动了一个线程B，那么A就是B的父线程，B就是A的子线程。

Python中，主线程是第一个启动的线程。创建线程时有一个daemon属性可以用来判断主线程，当其值为False时，子线程不会虽主线程退出而退出，反之当其值为True时，如果主线程结束，则它的子线程也会被强制结束。

使用daemon属性几个注意事项：

• 每个线程都有daemon属性，可以不设置，默认值None
• 从主线程创建的所有线程不设置daemon属性，默认都是False
• daemon属性必须在start()之前设置，否则会引发RuntimeError
• 若子线程不设置daemon属性，就取当前daemon来设置，子线程继承子线程的daemon值，作用和设置None一样
• daemon=True测试并不适用于IDLE环境中的交互模式或脚本运行模式，因为在该环节中的主线程只有在退出Pyhton IDLE时才终止。

在这里插入图片描述

在这里插入图片描述

阻塞线程

多线程提供了一个方法join()来阻塞线程，在一个线程中调用另一个线程的join()方法，调用者将被阻塞，直到被调用线程终止。 语法：join(timeout=None)

在这里插入图片描述

timeout传参是设置超时值，当线程阻塞时间超过该值后，强制结束这个线程。

在这里插入图片描述

（插播反爬信息 ）博主CSDN地址：https://wzlodq.blog.csdn.net/

线程方法

前面提到的start、join等都是threading.Thread类的方法。

import time
import threading
def test():
    time.sleep(3)  #等待3秒
    for i in range(0,5):
        print(i)

thread1 = threading.Thread(target=test)
print('是否活动：',thread1.is_alive())
thread1.start()
print('是否活动：',thread1.is_alive())

print(thread1.getName())# 默认threac-x
thread1.setName('thread1')
print(thread1.getName())
thread1.join()
print('记得一键三连')

在这里插入图片描述

线程同步

同步的概念

Python应用程序中的多线程可以共享资源，如文件、数据库、内存等。当线程以并发形式访问数据时，共享数据可能会产生冲突。Python引入线程同步的概念，以实现共享数据的一致性。线程同步机制让多个线程有序的访问共享资源，而不是同时操作共享资源。

可以通过购物秒杀的例子来进一步理解同步的概念。比如商品的库存量是1，现在有两个人在平台上同时购买该商品，此时第一个线程查询数据库发现库存量是1可以出售，正准备出售此商品；而同时第二个线程也查询到该商品可以出售并且立即点击购买，这时线程1执行购买时，出现出售两次的错误，大于原库存量1。这就是由于数据不同步导致的错误。（手慢无）

Python中的锁

Python中的threading模块提供了RLock锁（可重入锁）解决方案。一个时间只能让一个线程操作语句放到Rlock的acquire()方法上锁和release()方法解锁。

import threading
class mythread(threading.Thread):
    def run(self):
        global value  # 全局变量
        lock.acquire()  # 上锁
        value+=10  # 设置值
        print('%s:%d'%(self.name,value))  # 读取值
        lock.release()  #  解锁
        
value = 0  # 初始化
lock=threading.RLock()  # 创建可重入锁
thread = []  # 存放线程
for i in range(3):  # 创建3个线程
    thread.append(mythread())
for i in thread:  # 开启线程
    i.start()

在这里插入图片描述

上述代码中，创建了3个线程，为了读取value值时不产生错误，保证输出值正确，使用了RLock锁将设置值和读取值锁起来，以保证线程的同步。

Python中的条件锁

Python的threading还提供了一个方法Conditing()，称为Python中的条件变量。换句话说，这个条件变量必须与一个锁关联，所以也称为条件锁，用于比较复杂的同步。

比如一个线程上锁后、解锁前因为某一条件一直阻塞着，所以就一直解不开锁，其他线程也会一直获取不了锁而导致被迫阻塞着，即所谓的死锁。

这种情况下，变量锁可以让该线程先解锁，然后阻塞着，等待条件满足了再重新唤醒并上锁，这样就不会因为一个线程有问题而影响其他线程了。

条件锁的原理跟设计模式的生产者/消费者模式类似。生产者是一段用于生产的内容，生产的成果供消费者消费，这中间设计一个缓存池用来存储数据，称为仓库。

• 生产者仅仅在仓库未满时生产，仓库满则停止生产。
• 消费者仅仅在仓库有产品时才能消费，空仓则等待。
• 当消费者发现仓库没有产品时可通知生产者生产。
• 生产者生产可消费产品后，应该通知消费者去消费。

条件锁常用方法：

以生产者/消费者为例：

import time
import threading

products = []
condition = threading.Condition()

class Consumer(threading.Thread):  # 消费者
    def consume(self):  # 消费
        global condition
        global products
        condition.acquire()  # 上锁
        if len(products) == 0:  # 判空
            condition.wait()  # 进入等待池等待通知
            print('消费者：没有产品了')
        products.pop()  # 消费一个产品
        print('消费者：已消费一个产品,剩余可消费产品数为'+str(len(products)))
        condition.notify()  # 通知
        condition.release()  # 解锁
    def run(self):
        for i in range(0,10):
            time.sleep(3)  # 设3秒消费一个产品
            self.consume()
class Producer(threading.Thread):  # 生产者
    def produce(self):
        global condition
        global products
        condition.acquire()  # 设置条件锁
        if len(products) == 5:  # 满仓
            condition.wait()  # 进入等待池等待通知
            print('生产者：已满仓，停止生产')
        products.append(1)  # 生产一个产品
        print('生产者：已生产一个产品,剩余可消费产品数为'+str(len(products)))
        condition.notify()  # 通知
        condition.release()  #解锁
    def run(self):
        for i in range(0,10):
            time.sleep(1)  # 设1秒生产一个产品
            self.produce()
producer = Producer()
consumer = Consumer()
producer.start()
consumer.start()
producer.join()
consumer.join()

上述代码用time.sleep()来控制生产和消费的时间，当产品生产数量达到上限时就停止生产，并调用wait等待线程通知；当剩余可消费产品为0时也停止消费，等待线程通知。

在这里插入图片描述

小结

处理大批流程都类似的程序时，使用多线程可以有效节省时间，耗费的不过时一些计算机资源，是典型的以资源换时间，以目前计算机的性能来看，大多都是性能过剩的，理由剩余的计算机资源来节省时间非常合算。

使用多线程是要注意锁的使用，使用锁来保护共享的资源、数据，避免被其他的线程破坏，一般使用互斥锁就可以应付大多数情况了。