线程池
在IBM文档库中这样的一段描写：“在面向对象编程中，创建和销毁对象是很费时间的，因为创建一个对象要获取内存资源或者其它更多资源。在Java中更是如此，虚拟机将试图跟踪每一个对象，以便能够在对象销毁后进行垃圾回收。所以提高服务程序效率的一个手段就是尽可能减少创建和销毁对象的次数，特别是一些很耗资源的对象创建和销毁。如何利用已有对象来服务就是一个需要解决的关键问题，其实这就是一些"池化资源"技术产生的原因。
诸如web服务器、数据库服务器、文件服务器和邮件服务器等许多服务器应用都面向处理来自某些远程来源的大量短小的任务。构建服务器应用程序的一个过于简单的模型是：每当一个请求到达就创建一个新的服务对象，然后在新的服务对象中为请求服务。但当有大量请求并发访问时，服务器不断的创建和销毁对象的开销很大。所以提高服务器效率的一个手段就是尽可能减少创建和销毁对象的次数，特别是一些很耗资源的对象创建和销毁，这样就引入了“池”的概念，“池”的概念使得人们可以定制一定量的资源，然后对这些资源进行复用，而不是频繁的创建和销毁。
线程池是预先创建线程的一种技术。线程池在还没有任务到来之前，创建一定数量的线程，放入空闲队列中。这些线程都是处于睡眠状态，即均为启动，不消耗CPU，而只是占用较小的内存空间。当请求到来之后，缓冲池给这次请求分配一个空闲线程，把请求传入此线程中运行，进行处理。当预先创建的线程都处于运行状态，即预制线程不够，线程池可以自由创建一定数量的新线程，用于处理更多的请求。当系统比较闲的时候，也可以通过移除一部分一直处于停用状态的线程。
线程池的注意事项
虽然线程池是构建多线程应用程序的强大机制，但使用它并不是没有风险的。在使用线程池时需注意线程池大小与性能的关系，注意并发风险、死锁、资源不足和线程泄漏等问题。
（1）线程池大小。多线程应用并非线程越多越好，需要根据系统运行的软硬件环境以及应用本身的特点决定线程池的大小。一般来说，如果代码结构合理的话，线程数目与CPU 数量相适合即可。如果线程运行时可能出现阻塞现象，可相应增加池的大小；如有必要可采用自适应算法来动态调整线程池的大小，以提高CPU 的有效利用率和系统的整体性能。
（2）并发错误。多线程应用要特别注意并发错误，要从逻辑上保证程序的正确性，注意避免死锁现象的发生。
（3）线程泄漏。这是线程池应用中一个严重的问题，当任务执行完毕而线程没能返回池中就会发生线程泄漏现象。
简单线程池的设计
一个典型的线程池，应该包括如下几个部分：
1、线程池管理器（ThreadPool），用于启动、停用，管理线程池
2、工作线程（WorkThread），线程池中的线程
3、请求接口（WorkRequest），创建请求对象，以供工作线程调度任务的执行
4、请求队列（RequestQueue）,用于存放和提取请求
5、结果队列（ResultQueue）,用于存储请求执行后返回的结果
线程池管理器，通过添加请求的方法（putRequest）向请求队列（RequestQueue）添加请求，这些请求事先需要实现请求接口，即传递工作函数、参数、结果处理函数、以及异常处理函数。之后初始化一定数量的工作线程，这些线程通过轮询的方式不断查看请求队列（RequestQueue），只要有请求存在，则会提取出请求，进行执行。然后，线程池管理器调用方法（poll）查看结果队列（resultQueue）是否有值，如果有值，则取出，调用结果处理函数执行。通过以上讲述，不难发现，这个系统的核心资源在于请求队列和结果队列，工作线程通过轮询requestQueue获得人物，主线程通过查看结果队列，获得执行结果。因此，对这个队列的设计，要实现线程同步，以及一定阻塞和超时机制的设计，以防止因为不断轮询而导致的过多cpu开销。在本文中，将会用python语言实现，python的Queue，就是很好的实现了对线程同步机制。
# -*- coding: utf-8 -*-
import sys
import threading
import Queue
import traceback
class NoResultsPending(Exception):
"""All works requests have been processed"""
pass
class NoWorkersAvailable(Exception):
"""No worket threads available to process remaining requests."""
pass
class WorkRequest(object):
"""
工作线程任务请求类, 封装工作线程的一些功能
@ execute_fun: 执行函数
@ execute_args: 执行函数的参数
@ done_callback: 执行函数返回结果后的回调
"""
def __init__(self, execute_fun, execute_args=None, done_callback=None):
"""
初始化请求包装类
"""
# 请求的标识初始化
self.request_id = id(self)
# 请求参数的初始化
self.execute_fun = execute_fun
self.execute_args = execute_args
self.done_callback = done_callback
self.exception = False
def __str__(self):
"""
请求类的相关信息
"""
return 'WorkRequest: %s %s %s' % (self.request_id, self.execute_fun, self.exception)
class WorkerThread(threading.Thread):
"""
工作线程
"""
def __init__(self, requestQueue, resultQueue, time_out=5):
"""
工作线程初始化
"""
super(WorkerThread, self).__init__()
self.setDaemon(True)
# 线程初始化
self._requestQueue = requestQueue
self._resultQueue = resultQueue
self.time_out = time_out
self._stop_event = threading.Event()
# 线程启动
self.start()
def run(self):
"""
工作线程启动函数
"""
while True:
# 检查线程是否被停止
if self._stop_event.is_set():
break
# 请求队列中取出
try:
request = self._requestQueue.get(True, self.time_out)
except Queue.Empty:
continue
# 检查线程是否被停止
if self._stop_event.is_set():
self._requestQueue.put(request)
break
# 执行请求队列中的请求
try:
result = request.execute_fun(*request.execute_args)
self._resultQueue.put((request, result))
except:
request.exception = True
self._resultQueue.put((request, sys.exc_info()))
def stop_work(self):
"""
停止工作线程
"""
self._stop_event.set()
class ThreadingPool(object):
"""
线程池
"""
def __init__(self, worker_num, request_size, time_out=5):
"""
@ worker_num: 线程数量
@ request_size: 请求队列的大小
@ time_out: 队列请求超时时间
"""
# 线程池参数初始化
self._requestQueue = Queue.Queue(request_size)
self._resultQueue = Queue.Queue(request_size)
self.workers = []
self.stoped_works = []
self.workRequests = {}
self.create_workers(worker_num, time_out)
def create_workers(self, worker_num, time_out=5):
"""
创建工作线程
"""
for i in range(worker_num):
worker = WorkerThread(self._requestQueue, self._resultQueue, time_out=time_out)
self.workers.append(worker)
def stop_workers(self, stop_num, do_join=False):
"""
停用一定数量的线程
"""
# 停用部分线程
stop_list = []
for i in range(min(stop_num, len(self.workers))):
worker = self.workers.pop()
worker.stop_work()
stop_list.append(worker)
if do_join:
for worker in stop_list:
worker.join()
else:
self.stoped_works.extend(stop_list)
def join_all_stoped_workers(self):
"""
join 所有停用的线程
"""
for worker in self.stoped_works:
worker.join()
self.stoped_works = []
def put_request(self, request, block=True, timeout=None):
"""
添加请求
"""
assert isinstance(request, WorkRequest)
assert not getattr(request, 'exception', None)
self._requestQueue.put(request, block, timeout)
self.workRequests[request.request_id] = request
def poll(self, block=False):
"""
拉取数据进行处理, 用于wait
"""
while True:
if not self.workRequests:
raise NoResultsPending
elif block and not self.workers:
raise NoWorkersAvailable
# 取数据进行处理
try:
request, result = self._resultQueue.get(block=block)
if request.exception:
print result
elif request.done_callback:
request.done_callback(result)
del self.workRequests[request.request_id]
except Queue.Empty:
break
def wait(self):
"""
等待所有请求处理完毕
"""
while True:
try:
self.poll(True)
except NoResultsPending:
break
def get_worker_size(self):
"""
返回工作线程的个数
"""
return len(self.workers)
def stop(self):
"""
停止线程池， 确保所有线程停止工作
"""
self.stop_workers(self.get_worker_size(), True)
self.join_all_stoped_workers()
join（[timeout]）可以参考Python文档说明。大概意思就是调用join函数会使得主调线程阻塞，直到被调用线程运行结束或超时。参数timeout是一个数值类型，用来表示超时时间，如果未提供该参数，那么主调线程将一直阻塞直到被调用线程结束。
setDaemon（）可以参考Python文档说明。大概意思就是可以设置setDaemon的参数为True来表示将该线程指定为守护线程，如果参数为False就不指定线程为守护线程。设置setDaemon的参数为True之后。主线程和子线程会同时运行，主线程结束运行后，无论子线程运行与否，都会和主线程一起结束。