Python线程
Threading用于提供线程相关的操作，线程是应用程序中工作的最小单元。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
#!/usr/bin/env python
# -*- coding:utf-8 -*-
import
threading
import
time
def
show(arg):
time.sleep(
1
)
print
'thread'
+
str
(arg)
for
i
in
range
(
10
):
t
=
threading.Thread(target
=
show, args
=
(i,))
t.start()
print
'main thread stop'
|
上述代码创建了10个“前台”线程，然后控制器就交给了CPU，CPU根据指定算法进行调度，分片执行指令。
更多方法：
- start 线程准备就绪，等待CPU调度
- setName 为线程设置名称
- getName 获取线程名称
- setDaemon 设置为后台线程或前台线程（默认）
如果是后台线程，主线程执行过程中，后台线程也在进行，主线程执行完毕后，后台线程不论成功与否，均停止
如果是前台线程，主线程执行过程中，前台线程也在进行，主线程执行完毕后，等待前台线程也执行完成后，程序停止 - join 逐个执行每个线程，执行完毕后继续往下执行，该方法使得多线程变得无意义
- run 线程被cpu调度后自动执行线程对象的run方法
1 import threading 2 import time 3 4 5 class MyThread(threading.Thread): 6 def __init__(self,num): 7 threading.Thread.__init__(self) 8 self.num = num 9 10 def run(self):#定义每个线程要运行的函数 11 12 print("running on number:%s" %self.num) 13 14 time.sleep(3) 15 16 if __name__ == '__main__': 17 18 t1 = MyThread(1) 19 t2 = MyThread(2) 20 t1.start() 21 t2.start() 22 23 自定义线程类
线程锁（Lock、RLock）
由于线程之间是进行随机调度，并且每个线程可能只执行n条执行之后，当多个线程同时修改同一条数据时可能会出现脏数据，所以，出现了线程锁 - 同一时刻允许一个线程执行操作。
1 #!/usr/bin/env python 2 # -*- coding:utf-8 -*- 3 import threading 4 import time 5 6 gl_num = 0 7 8 def show(arg): 9 global gl_num 10 time.sleep(1) 11 gl_num +=1 12 print gl_num 13 14 for i in range(10): 15 t = threading.Thread(target=show, args=(i,)) 16 t.start() 17 18 print 'main thread stop' 19 20 未使用锁
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
#!/usr/bin/env python
#coding:utf-8
import
threading
import
time
gl_num
=
0
lock
=
threading.RLock()
def
Func():
lock.acquire()
global
gl_num
gl_num
+
=
1
time.sleep(
1
)
print
gl_num
lock.release()
for
i
in
range
(
10
):
t
=
threading.Thread(target
=
Func)
t.start()
|
信号量（Semaphore）
互斥锁 同时只允许一个线程更改数据，而Semaphore是同时允许一定数量的线程更改数据 ，比如厕所有3个坑，那最多只允许3个人上厕所，后面的人只能等里面有人出来了才能再进去。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
import
threading,time
def run(n):
semaphore.acquire()
time.sleep(1)
print(
"run the thread: %s"
%n)
semaphore.release()
if
__name__ ==
'__main__'
:
num= 0
semaphore = threading.BoundedSemaphore(5)
#最多允许5个线程同时运行
for
i
in
range(20):
t = threading.Thread(target=run,args=(i,))
t.start()
|
事件（event）
python线程的事件用于主线程控制其他线程的执行，事件主要提供了三个方法 set、wait、clear。
事件处理的机制：全局定义了一个“Flag”，如果“Flag”值为 False，那么当程序执行 event.wait 方法时就会阻塞，如果“Flag”值为True，那么event.wait 方法时便不再阻塞。
- clear：将“Flag”设置为False
- set：将“Flag”设置为True
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
#!/usr/bin/env python
# -*- coding:utf-8 -*-
import
threading
def
do(event):
print
'start'
event.wait()
print
'execute'
event_obj
=
threading.Event()
for
i
in
range
(
10
):
t
=
threading.Thread(target
=
do, args
=
(event_obj,))
t.start()
event_obj.clear()
inp
=
raw_input
(
'input:'
)
if
inp
=
=
'true'
:
event_obj.
set
()
|
条件（Condition）
使得线程等待，只有满足某条件时，才释放n个线程
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
import
threading
def run(n):
con.acquire()
con.wait()
print(
"run the thread: %s"
%n)
con.release()
if
__name__ ==
'__main__'
:
con = threading.Condition()
for
i
in
range(10):
t = threading.Thread(target=run, args=(i,))
t.start()
while
True:
inp = input(
'>>>'
)
if
inp ==
'q'
:
break
con.acquire()
con.notify(int(inp))
con.release()
|
1 def condition_func(): 2 3 ret = False 4 inp = input('>>>') 5 if inp == '1': 6 ret = True 7 8 return ret 9 10 11 def run(n): 12 con.acquire() 13 con.wait_for(condition_func) 14 print("run the thread: %s" %n) 15 con.release() 16 17 if __name__ == '__main__': 18 19 con = threading.Condition() 20 for i in range(10): 21 t = threading.Thread(target=run, args=(i,)) 22 t.start()
Timer
定时器，指定n秒后执行某操作
|
1
2
3
4
5
6
7
8
|
from threading
import
Timer
def hello():
print(
"hello, world"
)
t = Timer(1, hello)
t.start()
# after 1 seconds, "hello, world" will be printed
|
Python 进程
|
1
2
3
4
5
6
7
8
9
10
|
from
multiprocessing
import
Process
import
threading
import
time
def
foo(i):
print
'say hi'
,i
for
i
in
range
(
10
):
p
=
Process(target
=
foo,args
=
(i,))
p.start()
|
注意：由于进程之间的数据需要各自持有一份，所以创建进程需要的非常大的开销。
进程数据共享
进程各自持有一份数据，默认无法共享数据
1 #!/usr/bin/env python 2 #coding:utf-8 3 4 from multiprocessing import Process 5 from multiprocessing import Manager 6 7 import time 8 9 li = [] 10 11 def foo(i): 12 li.append(i) 13 print 'say hi',li 14 15 for i in range(10): 16 p = Process(target=foo,args=(i,)) 17 p.start() 18 19 print 'ending',li 20 21 进程间默认无法数据共享
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
|
#方法一，Array
from
multiprocessing
import
Process,Array
temp
=
Array(
'i'
, [
11
,
22
,
33
,
44
])
def
Foo(i):
temp[i]
=
100
+
i
for
item
in
temp:
print
i,
'----->'
,item
for
i
in
range
(
2
):
p
=
Process(target
=
Foo,args
=
(i,))
p.start()
#方法二：manage.dict()共享数据
from
multiprocessing
import
Process,Manager
manage
=
Manager()
dic
=
manage.
dict
()
def
Foo(i):
dic[i]
=
100
+
i
print
dic.values()
for
i
in
range
(
2
):
p
=
Process(target
=
Foo,args
=
(i,))
p.start()
p.join()
|
1 'c': ctypes.c_char, 'u': ctypes.c_wchar, 2 'b': ctypes.c_byte, 'B': ctypes.c_ubyte, 3 'h': ctypes.c_short, 'H': ctypes.c_ushort, 4 'i': ctypes.c_int, 'I': ctypes.c_uint, 5 'l': ctypes.c_long, 'L': ctypes.c_ulong, 6 'f': ctypes.c_float, 'd': ctypes.c_double 7 8 类型对应表
1 from multiprocessing import Process, Queue 2 3 def f(i,q): 4 print(i,q.get()) 5 6 if __name__ == '__main__': 7 q = Queue() 8 9 q.put("h1") 10 q.put("h2") 11 q.put("h3") 12 13 for i in range(10): 14 p = Process(target=f, args=(i,q,)) 15 p.start() 16 17 Code
当创建进程时（非使用时），共享数据会被拿到子进程中，当进程中执行完毕后，再赋值给原值。
1 #!/usr/bin/env python 2 # -*- coding:utf-8 -*- 3 4 from multiprocessing import Process, Array, RLock 5 6 def Foo(lock,temp,i): 7 """ 8 将第0个数加100 9 """ 10 lock.acquire() 11 temp[0] = 100+i 12 for item in temp: 13 print i,'----->',item 14 lock.release() 15 16 lock = RLock() 17 temp = Array('i', [11, 22, 33, 44]) 18 19 for i in range(20): 20 p = Process(target=Foo,args=(lock,temp,i,)) 21 p.start() 22 23 进程锁实例
进程池
进程池内部维护一个进程序列，当使用时，则去进程池中获取一个进程，如果进程池序列中没有可供使用的进进程，那么程序就会等待，直到进程池中有可用进程为止。
进程池中有两个方法：
- apply
- apply_async
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
#!/usr/bin/env python
# -*- coding:utf-8 -*-
from
multiprocessing
import
Process,Pool
import
time
def
Foo(i):
time.sleep(
2
)
return
i
+
100
def
Bar(arg):
print
arg
pool
=
Pool(
5
)
#print pool.apply(Foo,(1,))
#print pool.apply_async(func =Foo, args=(1,)).get()
for
i
in
range
(
10
):
pool.apply_async(func
=
Foo, args
=
(i,),callback
=
Bar)
print
'end'
pool.close()
pool.join()
#进程池中进程执行完毕后再关闭，如果注释，那么程序直接关闭。
|
协程
线程和进程的操作是由程序触发系统接口，最后的执行者是系统；协程的操作则是程序员。
协程存在的意义：对于多线程应用，CPU通过切片的方式来切换线程间的执行，线程切换时需要耗时（保存状态，下次继续）。协程，则只使用一个线程，在一个线程中规定某个代码块执行顺序。
协程的适用场景：当程序中存在大量不需要CPU的操作时（IO），适用于协程；
greenlet
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
#!/usr/bin/env python
# -*- coding:utf-8 -*-
from
greenlet
import
greenlet
def
test1():
print
12
gr2.switch()
print
34
gr2.switch()
def
test2():
print
56
gr1.switch()
print
78
gr1
=
greenlet(test1)
gr2
=
greenlet(test2)
gr1.switch()
|
gevent
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
import
gevent
def
foo():
print
(
'Running in foo'
)
gevent.sleep(
0
)
print
(
'Explicit context switch to foo again'
)
def
bar():
print
(
'Explicit context to bar'
)
gevent.sleep(
0
)
print
(
'Implicit context switch back to bar'
)
gevent.joinall([
gevent.spawn(foo),
gevent.spawn(bar),
])
|
遇到IO操作自动切换：
1 from gevent import monkey; monkey.patch_all() 2 import gevent 3 import urllib2 4 5 def f(url): 6 print('GET: %s' % url) 7 resp = urllib2.urlopen(url) 8 data = resp.read() 9 print('%d bytes received from %s.' % (len(data), url)) 10 11 gevent.joinall([ 12 gevent.spawn(f, 'https://www.python.org/'), 13 gevent.spawn(f, 'https://www.yahoo.com/'), 14 gevent.spawn(f, 'https://github.com/'), 15 ])