信号量：
同进程的一样，Semaphore管理一个内置的计数器，每当调用acquire()时内置计数器-1，调用release()时内置计数器+1；计数器不能小于0；当计数器为0，acquire()将阻塞线程直到其他线程调用release()。
import time from threading import Thread,Semaphore def func(sema,i): sema.acquire() print(i) time.sleep(1) sema.release() sema = Semaphore(5) for i in range(20): Thread(target=func,args=(sema,i)).start()
事件：
同进程的一样
线程的一个关键特性是每个线程都是独立运行且状态不可预测。如果程序中的其 他线程需要通过判断某个线程的状态来确定自己下一步的操作,这时线程同步问题就会变得非常棘手。为了解决这些问题,我们需要使用threading库中的Event对象。 对象包含一个可由线程设置的信号标志,它允许线程等待某些事件的发生。在 初始情况下,Event对象中的信号标志被设置为假。如果有线程等待一个Event对象, 而这个Event对象的标志为假,那么这个线程将会被一直阻塞直至该标志为真。一个线程如果将一个Event对象的信号标志设置为真,它将唤醒所有等待这个Event对象的线程。如果一个线程等待一个已经被设置为真的Event对象,那么它将忽略这个事件, 继续执行
event.isSet()：返回event的状态值； event.wait()：如果 event.isSet()==False将阻塞线程； event.set()： 设置event的状态值为True，所有阻塞池的线程激活进入就绪状态， 等待操作系统调度； event.clear()：恢复event的状态值为False。
import time import random from threading import Event,Thread # 连接数据库 def connect_db(e): count = 1 while count <= 3: print('尝试第%s次检测连接'%count) e.wait(0.5) # 如果不传参会一直等到事件为True为止 # 如果传参数，传一个时间参数 count += 1 if e.is_set(): print('连接成功') break else: print('连接失败') def check_conn(e): '''检测数据库是否可以连接''' time.sleep(random.randint(1,2)) e.set() e = Event() Thread(target=check_conn,args=(e,)).start() Thread(target=connect_db,args=(e,)).start()
条件：
使得线程等待，只有满足条件时，才释放n个线程。
Python提供的Condition对象提供了对复杂线程同步问题的支持。Condition被称为条件变量，除了提供与Lock类似的acquire和release方法外，还提供了wait和notify方法。线程首先acquire一个条件变量，然后判断一些条件。如果条件不满足则wait；如果条件满足，进行一些处理改变条件后，通过notify方法通知其他线程，其他处于wait状态的线程接到通知后会重新判断条件。不断的重复这一过程，从而解决复杂的同步问题。
from threading import Condition,Thread def func(i,con): con.acquire() con.wait() print(i*'*') con.release() con = Condition() for i in range(10): Thread(target=func,args=(i,con)).start() while True: n = int(input('>>>')) con.acquire() con.notify(n) con.release() # 内部条件控制wait的行为，n为数字，可以按n次控制线程的走向。 # n就是wait将释放几次。
定时器：
定时器，指定n秒后执行某个操作。
from threading import Timer def func(): print('*'*10) t = Timer(5,func) # 要开启一个线程，等到5秒后才开启并且执行。 t.start()
线程队列：
queue队列：使用import queue，用法与进程Queue一样。
import queue q = queue.Queue() # 默认先进先出 q.put(1) q.put(2) q.put(3) print(q.get()) # 1 print(q.get()) # 2 print(q.get()) # 3
import queue q = queue.LifoQueue() q.put(1) q.put(2) q.put(3) print(q.get()) # 3 print(q.get()) # 2 print(q.get()) # 1
存储数据时可设置优先级的队列
import queue q = queue.PriorityQueue() # put进入一个元祖，元组的第一个元素时优先级(通常是数字，也可以是非数字之间的比较)数字越小优先级越高。 q.put((20,'a')) q.put((10,'b')) q.put((30,'c')) print(q.get()) print(q.get()) print(q.get()) ''' (10,'b') (20,'a') (30,'c') ''' # 数字越小优先级越高,优先级高的优先出队
python标准模块——concurrent.futures
#1 介绍 concurrent.futures模块提供了高度封装的异步调用接口 ThreadPoolExecutor：线程池，提供异步调用 ProcessPoolExecutor: 进程池，提供异步调用 Both implement the same interface, which is defined by the abstract Executor class. #2 基本方法 #submit(fn, *args, **kwargs) 异步提交任务 #map(func, *iterables, timeout=None, chunksize=1) 取代for循环submit的操作 #shutdown(wait=True) 相当于进程池的pool.close()+pool.join()操作 wait=True，等待池内所有任务执行完毕回收完资源后才继续 wait=False，立即返回，并不会等待池内的任务执行完毕 但不管wait参数为何值，整个程序都会等到所有任务执行完毕 submit和map必须在shutdown之前 #result(timeout=None) 取得结果 #add_done_callback(fn) 回调函数
import os import time import random from concurrent.futures import ThreadPoolExecutor,ProcessPoolExecutor def func(i): print(i*'*') time.sleep(1) return i**2 def call_back(arg): print(arg.result()*'-') if __name__ == '__main__': thread_pool = ThreadPoolExecutor(5) # ret_l = [] for i in range(10): thread_pool.submit(func,i).add_done_callback(call_back) # ret = thread_pool.submit(func,i).add_done_callback(call_back) # ret_l.append(ret) # thread_pool.shutdown() # 默认是wait = True 等待线程执行完毕才会继续往下执行代码# 相当于# close+join thread_pool.shutdown(wait=False) # 不等待线程全部执行完毕 # for ret in ret_l: # print(ret.result()) print('wahaha')
import os import time import random from concurrent.futures import ThreadPoolExecutor,ProcessPoolExecutor def task(n): print('%s is runing' % os.getpid()) time.sleep(random.randint(1,3)) return n**2 if __name__ == '__main__': executor = ThreadPoolExecutor(3) # for i in range(11): # future = executor.submit(task,i) executor.map(task,range(1,12)) # 相当于上面两行代码。