python中的多线程
转载自： http://c4fun.cn/blog/2014/05/06/python-threading/
python中关于多线程的操作可以使用thread和threading模块来实现，其中thread模块在Py3中已经改名为_thread，不再推荐使用。而threading模块是在thread之上进行了封装，也是推荐使用的多线程模块，本文主要基于threading模块进行介绍。在某些版本中thread模块可能不存在，要使用dump_threading来代替threading模块。
线程创建
threading模块中每个线程都是一个Thread对象，创建一个线程有两种方式，一种是将函数传递到Thread对象中执行，另一种是从Thread继承，然后重写run方法（是不是跟Java很像）。
下面使用这两种方法分别创建一个线程并同时执行
1 import random, threading 2 def threadFunction(): 3 for i in range(10): 4 print ‘ThreadFuction - %d‘%i 5 time.sleep(random.randrange(0,2)) 6 7 8 class ThreadClass(threading.Thread): 9 def __init__(self): 10 threading.Thread.__init__(self); 11 12 def run(self): 13 for i in range(10): 14 print ‘ThreadClass - %d‘%i 15 time.sleep(random.randrange(0,2)) 16 17 if __name__ == ‘__main__‘: 18 tFunc = threading.Thread(target = threadFunction); 19 tCls = ThreadClass() 20 tFunc.start() 21 tCls.start()
执行结果如下，可以看到两个线程在交替打印。至于空行和一行多个输出，是因为Py的print并不是线程安全的，在当前线程的print打印了部分内容后，准备打印换行之前，被别的线程中的print抢先，在换行之前打印了其它的内容。
ThreadFuction - 0 ThreadFuction - 1 ThreadFuction - 2 ThreadClass - 0 ThreadFuction - 3 ThreadClass - 1 ThreadFuction - 4 ThreadClass - 2 ThreadClass - 3 ThreadClass - 4ThreadFuction - 5 ThreadClass - 5 ThreadClass - 6 ThreadClass - 7 ThreadClass - 8 ThreadFuction - 6ThreadClass - 9 ThreadFuction - 7 ThreadFuction - 8 ThreadFuction - 9
Thread类的构造函数定义如下
class threading.Thread(group=None, target=None, name=None, args=(), kwargs={}) group： 留作ThreadGroup扩展使用，一般没什么用 target：新线程的任务函数名 name： 线程名，一般也没什么用 args： tuple参数 kwargs：dictionary参数
Thread类的成员变量和函数如下
start() 启动一个线程 run() 线程执行体，也是一般要重写的内容 join([timeout]) 等待线程结束 name 线程名 ident 线程ID daemon 是否守护线程 isAlive()、is_alive() 线程是否存活 getName()、setName() Name的get&set方法 isDaemon()、setDaemon() daemon的get&set方法
这里的守护线程与Linux中的守护进程并不是一个概念。这里是指当所有守护线程退出后主程序才会退出，否则即使线程任务没有结束，只要不是守护线程，都会跟着主程序一起退出。而Linux中的守护进程定义正好相反，守护进程已经脱离父进程，不会随着父进程的结束而退出。
线程同步
线程同步是多线程中的一个核心问题，threading模块对线程同步有着良好的支持、包括线程特定数据、信号量、互斥锁、条件变量等。
线程特定数据
简而言之，线程特定数据就是线程独自持有的全局变量，相互之间的修改不会造成影响。
threading模块中使用local()方法生成一个线程独立对象，举例如下，其中sleep(1)是为了保证让子线程先运行完再运行接下来的语句。
1 data = threading.local() 2 def threadFunction(): 3 global data 4 data.x = 3 5 print threading.currentThread(), data.x 6 7 if __name__ == ‘__main__‘: 8 data.x = 1 9 tFunc = threading.Thread(target = threadFunction).start(); 10 time.sleep(1) 11 print threading.current_thread(), data.x
<Thread(Thread-1, started 36208)> 3 <_MainThread(MainThread, started 35888)> 1
输出如上，可以看到，Thread-1中对data.x的修改并没有影响到主线程中data.x的值。
互斥锁
threading中定义了两种锁：threading.Lock和threading.RLock。两者的不同在于后者是可重入锁，也就是说在一个线程内重复LOCK同一个锁不会发生死锁，这与POSIX中的PTHREAD_MUTEX_RECURSIVE也就是可递归锁的概念是相同的。
关于互斥锁的API很简单，只有三个函数————分配锁，上锁，解锁。
threading.Lock() 分配一个互斥锁 acquire([blocking=1]) 上锁(阻塞或者非阻塞，非阻塞时相当于try_lock，通过返回False表示已经被其它线程锁住。) release() 解锁
下面通过一个例子来说明互斥锁的使用。在之前的例子中，多线程print会造成混乱的输出，这里使用一个互斥锁，来保证每行一定只有一个输出。
1 def threadFunction(arg): 2 while True: 3 lock.acquire() 4 print ‘ThreadFuction - %d‘%arg 5 lock.release() 6 7 if __name__ == ‘__main__‘: 8 lock = threading.Lock() 9 threading.Thread(target = threadFunction, args=(1,)).start(); 10 threading.Thread(target = threadFunction, args=(2,)).start();
条件变量
条件变量总是与互斥锁一起使用的，threading中的条件变量默认绑定了一个RLock，也可以在初始化条件变量的时候传进去一个自己定义的锁。
可用的函数如下
threading.Condition([lock]) 分配一个条件变量 acquire(*args) 条件变量上锁 release() 条件变量解锁 wait([timeout]) 等待唤醒，timeout表示超时 notify(n=1) 唤醒最大n个等待的线程 notifyAll()、notify_all() 唤醒所有等待的线程
下面这个例子使用条件变量来控制两个线程交替运行
1 num = 0 2 def threadFunction(arg): 3 global num 4 while num < 10: 5 cond.acquire() 6 while num % 2 != arg: 7 cond.wait() 8 print ‘Thread %d - %d‘ %(arg, num) 9 num += 1 10 cond.notify() 11 cond.release() 12 13 if __name__ == ‘__main__‘: 14 cond = threading.Condition() 15 threading.Thread(target = threadFunction, args=(0,)).start(); 16 threading.Thread(target = threadFunction, args=(1,)).start();
输出如下
Thread 0 - 0 Thread 1 - 1 Thread 0 - 2 Thread 1 - 3 Thread 0 - 4 Thread 1 - 5 Thread 0 - 6 Thread 1 - 7 Thread 0 - 8 Thread 1 - 9 Thread 0 - 10
其实上面这个程序是有问题的，我们想打印的是0~9，但实际上10也被打印了出来，原因很简单，因为两个线程交替打印，使得num在一个线程中可能加2，从而导致10被打印出来，所以必须在打印前再次check。
郑重声明：本站内容如果来自互联网及其他传播媒体，其版权均属原媒体及文章作者所有。转载目的在于传递更多信息及用于网络分享，并不代表本站赞同其观点和对其真实性负责，也不构成任何其他建议。
