Python在程序中进行多任务操作-线程

一个简单的线程

import timeimport threading​def task1(arg):    while True:        print("--%s--" % arg)        time.sleep(0.1)​def task2(arg):    while True:        print("--%s--" % arg)        time.sleep(0.1)​def main():    t1 = threading.Thread(target = task1,args = (1,))    t2 = threading.Thread(target = task2,args = (2,))    t1.start()    t2.start()​if __name__ == '__main__':    main()"""--1----2----1----2----1----2----1----2----1----2--...."""

打印当前所有线程

print(threading.enumerate())

线程执行代码的封装

通过使用threading模块能完成多任务的程序开发，为了让每个线程的封装性更完美，所以使用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。

#coding=utf-8import threadingimport time​class MyThread(threading.Thread):    def run(self):        for i in range(3):            time.sleep(1)            # name属性中保存的是当前线程的名字            msg = self.name+'：'+str(i)            print(msg)​if __name__ == '__main__':    t = MyThread()    t.start()

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。

多线程共享全局变量

from threading import Threadimport time​def work1(nums):    nums.append(44)    print("----in work1---",nums)​def work2(nums):    #延时一会，保证t1线程中的事情做完    time.sleep(1)    print("----in work2---",nums)​g_nums = [11,22,33]​t1 = Thread(target=work1, args=(g_nums,))t1.start()​t2 = Thread(target=work2, args=(g_nums,))t2.start()​# 运行结果:## ----in work1--- [11, 22, 33, 44]# ----in work2--- [11, 22, 33, 44]

• 在一个进程内的所有线程共享全局变量，很方便在多个线程间共享数据

• 缺点就是，线程是对全局变量随意遂改可能造成多线程之间对全局变量的混乱（即线程非安全）

互斥锁

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：

# 创建锁mutex = threading.Lock()​# 锁定mutex.acquire()​# 释放mutex.release()​

注意：

• 如果这个锁之前是没有上锁的，那么acquire不会堵塞

• 如果在调用acquire对这个锁上锁之前 它已经被 其他线程上了锁，那么此时acquire会堵塞，直到这个锁被解锁为止

使用互斥锁完成2个线程对同一个全局变量各加100万次的操作

import threadingimport time​g_num = 0​def test1(num):    global g_num    for i in range(num):        mutex.acquire()  # 上锁        g_num += 1        mutex.release()  # 解锁​    print("---test1---g_num=%d"%g_num)​def test2(num):    global g_num    for i in range(num):        mutex.acquire()  # 上锁        g_num += 1        mutex.release()  # 解锁​    print("---test2---g_num=%d"%g_num)​# 创建一个互斥锁# 默认是未上锁的状态mutex = threading.Lock()​# 创建2个线程，让他们各自对g_num加1000000次p1 = threading.Thread(target=test1, args=(1000000,))p1.start()​p2 = threading.Thread(target=test2, args=(1000000,))p2.start()​# 等待计算完成while len(threading.enumerate()) != 1:    time.sleep(1)​print("2个线程对同一个全局变量操作之后的最终结果是:%s" % g_num)​

运行结果

---test1---g_num=1909909---test2---g_num=20000002个线程对同一个全局变量操作之后的最终结果是:2000000

可以看到最后的结果，加入互斥锁后，其结果与预期相符。

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

 

欢迎关注公众号：Python爬虫数据分析挖掘，回复【开源源码】免费获取更多开源项目源码

公众号每日更新python知识和【免费】工具