1. 多任务概念
什么叫“多任务”呢?简单地说,就是操作系统可以同时运行多个任务。打个比方,你一边在用浏览器上网,一边在听MP3,一边在用Word赶作业,这就是多任务,至少同时有3个任务正在运行。还有很多任务悄悄地在后台同时运行着,只是桌面上没有显示而已。
现在,多核CPU已经非常普及了,但是,即使过去的单核CPU,也可以执行多任务。由于CPU执行代码都是顺序执行的,那么,单核CPU是怎么执行多任务的呢?
答案就是操作系统轮流让各个任务交替执行,任务1执行0.01秒,切换到任务2,任务2执行0.01秒,再切换到任务3,执行0.01秒……这样反复执行下去。表面上看,每个任务都是交替执行的,但是,由于CPU的执行速度实在是太快了,我们感觉就像所有任务都在同时执行一样。
真正的并行执行多任务只能在多核CPU上实现,但是,由于任务数量远远多于CPU的核心数量,所以,操作系统也会自动把很多任务轮流调度到每个核心上执行。
注意:
- 并发:指的是任务数多余cpu核数,通过操作系统的各种任务调度算法,实现用多个任务“一起”执行(实际上总有一些任务不在执行,因为切换任务的速度相当快,看上去一起执行而已)
- 并行:指的是任务数小于等于cpu核数,即任务真的是一起执行的
2. 线程
python的thread模块是比较底层的模块,python的threading模块是对thread做了一些包装的,可以更加方便的被使用
2.1 使用threading模块
from threading import Thread
def work():
print("hello")
for i in range(5):
t = Thread(target=work)
t.start()
t.close
- 可以明显看出使用了多线程并发的操作,花费时间要短很多
- 当调用
start()
时,才会真正的创建线程,并且开始执行
2.2 查看线程数量
#coding=utf-8
import threading
from time import sleep,ctime
def sing():
for i in range(3):
print("唱歌...%d"%i)
sleep(1)
def dance():
for i in range(3):
print("跳舞...%d"%i)
sleep(1)
if __name__ == '__main__':
print('---开始---:%s'%ctime())
t1 = threading.Thread(target=sing)
t2 = threading.Thread(target=dance)
t1.start()
t2.start()
while True:
length = len(threading.enumerate())
print('当前运行的线程数为:%d'%length)
if length<=1:
break
sleep(0.5)
可以看出:主线程会等待所有的子线程结束后才会结束
2.3 线程执行代码的封装
python的threading.Thread类有一个run方法,用于定义线程的功能函数,可以在自己的线程类中覆盖该方法。而创建自己的线程实例后,通过Thread类的start方法,可以启动该线程,交给python虚拟机进行调度,当该线程获得执行的机会时,就会调用run方法执行线程
使用threading模块时,往往会定义一个新的子类class,只要继承threading.Thread
就可以了,然后重写run
方法
(转)Thread使用start和run方法启动线程有什么区别?
https://blog.csdn.net/woshizisezise/article/details/79938915
import threading
import time
# 定义新的子类然后重写run方法
class MyThread(threading.Thread):
def run(self):
count = 0
while True:
time.sleep(1)
# 如果没有给线程指定名字,系统会默认指定一个名字给每个线程
print("这是" + self.name + ":" + str(count))
count = count + 1
# 定义主函数
def main():
for i in range(5):
t = MyThread()
# start只是进入了线程的就绪阶段,只有真正调用了类中的run方法之后才会真正地执行线程
t.start()
if __name__ == '__main__':
main()
2.4 线程的执行顺序
import threading
import time
class MyThread(threading.Thread):
def run(self):
for i in range(3):
time.sleep(1)
msg = "I'm "+self.name+' @ '+str(i)
print(msg)
def test():
for i in range(5):
t = MyThread()
t.start()
if __name__ == '__main__':
test()
输出:
I'm Thread-1 @ 0
I'm Thread-2 @ 0
I'm Thread-5 @ 0
I'm Thread-3 @ 0
I'm Thread-4 @ 0
I'm Thread-3 @ 1
I'm Thread-4 @ 1
I'm Thread-5 @ 1
I'm Thread-1 @ 1
I'm Thread-2 @ 1
I'm Thread-4 @ 2
I'm Thread-5 @ 2
I'm Thread-2 @ 2
I'm Thread-1 @ 2
I'm Thread-3 @ 2
从代码和执行结果可以看出,多线程程序的执行顺序是不确定的。当执行到sleep语句时,线程将被阻塞(Blocked),到sleep结束后,线程进入就绪(Runnable)状态,等待调度。而线程调度将自行选择一个线程执行。上面的代码中只能保证每个线程都运行完整个run函数,但是线程的启动顺序、run函数中每次循环的执行顺序都不能确定
总结:
- 每个线程默认有一个名字,尽管上面的例子中没有指定线程对象的name,但是python会自动为线程指定一个名字
- 当线程的run()方法结束时该线程完成
- 无法控制线程调度程序,但可以通过别的方式来影响线程调度的方式
2.5 多线程共享全局变量
使用global关键字即可
from threading import Thread
import time
# 全局变量number
number = 100
def work1():
global number
for i in range(3):
number += 1
print("经过work1之后的number为:" + str(number))
def work2():
global number
for i in range(5):
number += 2
print("经过work2之后的number为:" + str(number))
def main():
print(number)
t1 = Thread(target=work1)
t2 = Thread(target=work2)
t1.start()
time.sleep(1)
t2.start()
if __name__ == '__main__':
main()
2.6 向线程中传递实参
使用args=( )传递时需要使用 元组类型
from threading import Thread
def work1(number):
for i in range(5):
number += 5
print("当前为:" + str(number))
def work2(ls):
ls.append(50)
print(ls)
def main():
lst = [11, 12, 13]
# 可以直接在目标函数的括号里面传递参数
t1 = Thread(target=work1(50))
t1.start()
# 使用argv=(,)可以传递参数给目标函数
t2 = Thread(target=work2, args=(lst,))
t2.start()
if __name__ == '__main__':
main()
2.7 线程同步(重要)
假设两个线程t1和t2都要对全局变量g_num(默认是0)进行加1运算,t1和t2都各对g_num加10次,g_num的最终的结果应该为20。
但是由于是多线程同时操作,有可能出现下面情况:
- 在g_num=0时,t1取得g_num=0。此时系统把t1调度为”sleeping”状态,把t2转换为”running”状态,t2也获得g_num=0
- 然后t2对得到的值进行加1并赋给g_num,使得g_num=1
- 然后系统又把t2调度为”sleeping”,把t1转为”running”。线程t1又把它之前得到的0加1后赋值给g_num。
- 这样导致虽然t1和t2都对g_num加1,但结果仍然是g_num=1
如果多个线程同时对同一个全局变量操作,会出现资源竞争问题,从而数据结果会不正确
同步就是协同步调,按预定的先后次序进行运行。如:你说完,我再说。
"同"字从字面上容易理解为一起动作
其实不是,"同"字应是指协同、协助、互相配合。
如进程、线程同步,可理解为进程或线程A和B一块配合,A执行到一定程度时要依靠B的某个结果,于是停下来,示意B运行;B执行,再将结果给A;A再继续操作。
上面的问题,可以通过线程同步来进行解决
思路:
- 系统调用t1,然后获取到g_num的值为0,此时上一把锁,即不允许其他线程操作g_num
- t1对g_num的值进行+1
- t1解锁,此时g_num的值为1,其他的线程就可以使用g_num了,而且是g_num的值不是0而是1
- 同理其他线程在对g_num进行修改时,都要先上锁,处理完后再解锁,在上锁的整个过程中不允许其他线程访问,就保证了数据的正确性
2.8 互斥锁(重要)
当多个线程几乎同时修改某一个共享数据的时候,需要进行同步控制
线程同步能够保证多个线程安全访问竞争资源,最简单的同步机制是引入互斥锁。
互斥锁为资源引入一个状态:锁定/非锁定
某个线程要更改共享数据时,先将其锁定,此时资源的状态为“锁定”,其他线程不能更改;直到该线程释放资源,将资源的状态变成“非锁定”,其他的线程才能再次锁定该资源。互斥锁保证了每次只有一个线程进行写入操作,从而保证了多线程情况下数据的正确性
threading模块中定义了Lock类,可以方便的处理锁定:
import threading
import time
# 定义全局变量
number = 0
# 创建一个互斥锁 - 注意Lock()大写
mutex = threading.Lock()
# 函数1
def work1(num):
global number
for i in range(num):
mutex.acquire()
number += 1
mutex.release()
print("经过函数1:" + str(number))
# 函数2
def work2(num):
global number
for i in range(num):
mutex.acquire()
number += 1
mutex.release()
print("经过函数2:" + str(number))
# 定义主函数
def main():
t1 = threading.Thread(target=work1(1000000))
t2 = threading.Thread(target=work2(1000000))
t1.start()
t2.start()
while len(threading.enumerate()) != 1:
time.sleep(1)
print("最终结果为:" + str(number))
if __name__ == '__main__':
main()
上锁解锁过程:
当一个线程调用锁的acquire()方法获得锁时,锁就进入“locked”状态。
每次只有一个线程可以获得锁。如果此时另一个线程试图获得这个锁,该线程就会变为“blocked”状态,称为“阻塞”,直到拥有锁的线程调用锁的release()方法释放锁之后,锁进入“unlocked”状态。
线程调度程序从处于同步阻塞状态的线程中选择一个来获得锁,并使得该线程进入运行(running)状态。
总结:
锁的好处:
- 确保了某段关键代码只能由一个线程从头到尾完整地执行
锁的坏处:
- 阻止了多线程并发执行,包含锁的某段代码实际上只能以单线程模式执行,效率就大大地下降了
- 由于可以存在多个锁,不同的线程持有不同的锁,并试图获取对方持有的锁时,可能会造成死锁
2.9 死锁(重要)
在线程间共享多个资源的时候,如果两个线程分别占有一部分资源并且同时等待对方的资源,就会造成死锁。
尽管死锁很少发生,但一旦发生就会造成应用的停止响应
死锁实例:运行之后系统一直等待
import threading
import time
# 创建两个锁,最终要实现他们产生死锁
mutexA = threading.Lock()
mutexB = threading.Lock()
# 创建具有不同上锁顺序的线程类A
class MyThreadA(threading.Thread):
name = 'MyThreadA'
# 重写线程的运行方式
def run(self):
mutexA.acquire()
print(MyThreadA.name + ":" + "A已上锁,等待B的资源...")
time.sleep(1)
# 想要获取B的资源 - 此时会在acquire处堵塞,因为mutexB已经在另一个class中被上锁了
mutexB.acquire()
print(MyThreadA.name + ":" + "获取到了B的资源")
mutexB.release()
mutexA.release()
# 创建具有不同上锁顺序的线程类A
class MyThreadB(threading.Thread):
name = 'MyThreadB'
# 重写线程的运行方式
def run(self):
mutexB.acquire()
print(MyThreadB.name + ":" + "B已上锁,等待A的资源...")
time.sleep(1)
# 想要获取B的资源 - 此时会在acquire处堵塞,因为mutexB已经在另一个class中被上锁了
mutexA.acquire()
print(MyThreadB.name + ":" + "获取到了A的资源")
mutexA.release()
mutexB.release()
# 定义主函数
def main():
t1 = MyThreadA()
t2 = MyThreadB()
t1.start()
t2.start()
while len(threading.enumerate()) != 1:
print("程序正在执行...尚未停止...")
time.sleep(5)
if __name__ == '__main__':
main()
如何避免死锁:
- 银行家算法
- 添加响应超时时间
银行家算法请移步:https://blog.csdn.net/wyf2017/article/details/80068608
http://v.youku.com/v_show/id_XNjc5Nzk1MzM2.html
2.10 多线程实例:多线程实现socket-udp接收和发送数据
import threading
import time
from socket import *
# 获取本机ip
# 可以封装成函数,方便 Python 的程序调用 - 以字符串的形式返回ip
def get_host_ip():
try:
s = socket(AF_INET, SOCK_DGRAM)
s.connect(('8.8.8.8', 80))
ip = s.getsockname()[0]
finally:
s.close()
return ip
# 发送功能
def send(udp, dest_addr, port):
while True:
msg = input("输入信息:")
udp.sendto(msg.encode('utf-8'), (dest_addr, port))
# 接收功能
def accept(udp):
while True:
recv_msg = udp.recvfrom(1024)
print(">>" + recv_msg[0].decode('gbk'))
# 主函数
def main():
# 发送端口是8080
udp_socket = socket(AF_INET, SOCK_DGRAM)
udp_socket.bind(("", 8080))
# 先输出本机地址
print("本机信息:" + get_host_ip() + ':8080\n')
dest_ip = input("输入目标ip:")
dest_port = input("输入目标端口:")
# 启动多线程
t1 = threading.Thread(target=send, args=(udp_socket, dest_ip, int(dest_port),))
t2 = threading.Thread(target=accept, args=(udp_socket,))
t1.start()
t2.start()
# 查看当前的线程的数量
while True:
length = len(threading.enumerate())
print("当前的线程数为:{}".format(length))
if length <= 0:
break
time.sleep(5)
# 调试部分
if __name__ == '__main__':
main()