zoukankan      html  css  js  c++  java
  • python 线程池原理及实现

    概述

    传统多线程方案会使用“即时创建, 即时销毁”的策略。尽管与创建进程相比,创建线程的时间已经大大的缩短,但是如果提交给线程的任务是执行时间较短,而且执行次数极其频繁,那么服务器将处于不停的创建线程,销毁线程的状态。

    一个线程的运行时间可以分为3部分:线程的启动时间、线程体的运行时间和线程的销毁时间。在多线程处理的情景中,如果线程不能被重用,就意味着每次创建都需要经过启动、销毁和运行3个过程。这必然会增加系统相应的时间,降低了效率。

    使用线程池:
    由于线程预先被创建并放入线程池中,同时处理完当前任务之后并不销毁而是被安排处理下一个任务,因此能够避免多次创建线程,从而节省线程创建和销毁的开销,能带来更好的性能和系统稳定性。

    1240
    线程池原理图.png

    线程池模型

    这里使用创建Thread()实例来实现,下面会再用继承threading.Thread()的类来实现

    # 创建队列实例, 用于存储任务
    queue = Queue()
     
    # 定义需要线程池执行的任务
    def do_job():
        while True:
            i = queue.get()
            time.sleep(1)
            print 'index %s, curent: %s' % (i, threading.current_thread())
            queue.task_done()
     
    if __name__ == '__main__':
        # 创建包括3个线程的线程池
        for i in range(3):
            t = Thread(target=do_job)
            t.daemon=True # 设置线程daemon  主线程退出,daemon线程也会推出,即时正在运行
            t.start()
     
        # 模拟创建线程池3秒后塞进10个任务到队列
        time.sleep(3)
        for i in range(10):
            queue.put(i)
     
        queue.join()
    View Code

    输出结果:

    index 1, curent: <Thread(Thread-2, started daemon 139652180764416)>
    index 0, curent: <Thread(Thread-1, started daemon 139652189157120)>
    index 2, curent: <Thread(Thread-3, started daemon 139652172371712)>
    index 4, curent: <Thread(Thread-1, started daemon 139652189157120)>
    index 3, curent: <Thread(Thread-2, started daemon 139652180764416)>
    index 5, curent: <Thread(Thread-3, started daemon 139652172371712)>
    index 6, curent: <Thread(Thread-1, started daemon 139652189157120)>
    index 7, curent: <Thread(Thread-2, started daemon 139652180764416)>
    index 8, curent: <Thread(Thread-3, started daemon 139652172371712)>
    index 9, curent: <Thread(Thread-1, started daemon 139652189157120)>
    finish

    可以看到所有任务都是在这几个线程中完成Thread-(1-3)

    线程池原理

    线程池基本原理: 我们把任务放进队列中去,然后开N个线程,每个线程都去队列中取一个任务,执行完了之后告诉系统说我执行完了,然后接着去队列中取下一个任务,直至队列中所有任务取空,退出线程。

    上面这个例子生成一个有3个线程的线程池,每个线程都无限循环阻塞读取Queue队列的任务所有任务都只会让这3个预生成的线程来处理。

    具体工作描述如下:

    1. 创建Queue.Queue()实例,然后对它填充数据或任务
    2. 生成守护线程池,把线程设置成了daemon守护线程
    3. 每个线程无限循环阻塞读取queue队列的项目item,并处理
    4. 每次完成一次工作后,使用queue.task_done()函数向任务已经完成的队列发送一个信号
    5. 主线程设置queue.join()阻塞,直到任务队列已经清空了,解除阻塞,向下执行

    这个模式下有几个注意的点:

    • 将线程池的线程设置成daemon守护进程,意味着主线程退出时,守护线程也会自动退出,如果使用默认
      daemon=False的话, 非daemon的线程会阻塞主线程的退出,所以即使queue队列的任务已经完成
      线程池依然阻塞无限循环等待任务,使得主线程也不会退出。

    • 当主线程使用了queue.join()的时候,说明主线程会阻塞直到queue已经是清空的,而主线程怎么知道queue已经是清空的呢?就是通过每次线程queue.get()后并处理任务后,发送queue.task_done()信号,queue的数据就会减1,直到queue的数据是空的,queue.join()解除阻塞,向下执行。

    • 这个模式主要是以队列queue的任务来做主导的,做完任务就退出,由于线程池是daemon的,所以主退出线程池所有线程都会退出。 有别于我们平时可能以队列主导thread.join()阻塞,这种线程完成之前阻塞主线程。看需求使用哪个join():

      1. 如果是想做完一定数量任务的队列就结束,使用queue.join(),比如爬取指定数量的网页
      2. 如果是想线程做完任务就结束,使用thread.join()

    示例:

    使用线程池写web服务器

    import socket
    import threading
    from threading import Thread
    import threading
    import sys
    import time
    import random
    from Queue import Queue
     
    host = ''
    port = 8888
    s = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
    s.bind((host, port))
    s.listen(3)
     
    class ThreadPoolManger():
        """线程池管理器"""
        def __init__(self, thread_num):
            # 初始化参数
            self.work_queue = Queue()
            self.thread_num = thread_num
            self.__init_threading_pool(self.thread_num)
     
        def __init_threading_pool(self, thread_num):
            # 初始化线程池,创建指定数量的线程池
            for i in range(thread_num):
                thread = ThreadManger(self.work_queue)
                thread.start()
     
        def add_job(self, func, *args):
            # 将任务放入队列,等待线程池阻塞读取,参数是被执行的函数和函数的参数
            self.work_queue.put((func, args))
     
    class ThreadManger(Thread):
        """定义线程类,继承threading.Thread"""
        def __init__(self, work_queue):
            Thread.__init__(self)
            self.work_queue = work_queue
            self.daemon = True
     
        def run(self):
            # 启动线程
            while True:
                target, args = self.work_queue.get()
                target(*args)
                self.work_queue.task_done()
     
    # 创建一个有4个线程的线程池
    thread_pool = ThreadPoolManger(4)
     
    # 处理http请求,这里简单返回200 hello world
    def handle_request(conn_socket):
        recv_data = conn_socket.recv(1024)
        reply = 'HTTP/1.1 200 OK 
    
    '
        reply += 'hello world'
        print 'thread %s is running ' % threading.current_thread().name
        conn_socket.send(reply)
        conn_socket.close()
     
    # 循环等待接收客户端请求
    while True:
        # 阻塞等待请求
        conn_socket, addr = s.accept()
        # 一旦有请求了,把socket扔到我们指定处理函数handle_request处理,等待线程池分配线程处理
        thread_pool.add_job(handle_request, *(conn_socket, ))
     
    s.close()
    View Code
    # 运行进程
    [master][/data/web/advance_python/socket]$ python sock_s_threading_pool.py 
     
    # 查看线程池状况
    [master][/data/web/advance_python/socket]$ ps -eLf|grep sock_s_threading_pool
    lisa+ 27488 23705 27488  0    5 23:22 pts/30   00:00:00 python sock_s_threading_pool.py
    lisa+ 27488 23705 27489  0    5 23:22 pts/30   00:00:00 python sock_s_threading_pool.py
    lisa+ 27488 23705 27490  0    5 23:22 pts/30   00:00:00 python sock_s_threading_pool.py
    lisa+ 27488 23705 27491  0    5 23:22 pts/30   00:00:00 python sock_s_threading_pool.py
    lisa+ 27488 23705 27492  0    5 23:22 pts/30   00:00:00 python sock_s_threading_pool.py
    # 跟我们预期一样一共有5个线程,一个主线程,4个线程池线程

    这个线程池web服务器编写框架包括下面几个组成部分及步骤:

    • 定义线程池管理器ThreadPoolManger,用于创建并管理线程池,提供add_job()接口,给线程池加任务
    • 定义工作线程ThreadManger, 定义run()方法,负责无限循环工作队列,并完成队列任务
    • 定义socket监听请求s.accept() 和处理请求 handle_requests() 任务。
    • 初始化一个4个线程的线程池,都阻塞等待这读取队列queue的任务
    • 当socket.accept()有请求,则把conn_socket做为参数,handle_request方法,丢给线程池,等待线程池分配线程处理

    GIL 对多线程的影响

    因为Python的线程虽然是真正的线程,但解释器执行代码时,有一个GIL锁:Global Interpreter Lock,任何Python线程执行前,必须先获得GIL锁,然后,每执行100条字节码,解释器就自动释放GIL锁,让别的线程有机会执行。这个GIL全局锁实际上把所有线程的执行代码都给上了锁,所以,多线程在Python中只能交替执行,即使100个线程跑在100核CPU上,也只能用到1个核。

    但是对于IO密集型的任务,多线程还是起到很大效率提升,这是协同式多任务
    当一项任务比如网络 I/O启动,而在长的或不确定的时间,没有运行任何 Python 代码的需要,一个线程便会让出GIL,从而其他线程可以获取 GIL 而运行 Python。这种礼貌行为称为协同式多任务处理,它允许并发;多个线程同时等待不同事件。

    两个线程在同一时刻只能有一个执行 Python ,但一旦线程开始连接,它就会放弃 GIL ,这样其他线程就可以运行。这意味着两个线程可以并发等待套接字连接,这是一件好事。在同样的时间内它们可以做更多的工作。

    线程池要设置为多少?

    服务器CPU核数有限,能够同时并发的线程数有限,并不是开得越多越好,以及线程切换是有开销的,如果线程切换过于频繁,反而会使性能降低

    线程执行过程中,计算时间分为两部分:

    • CPU计算,占用CPU
    • 不需要CPU计算,不占用CPU,等待IO返回,比如recv(), accept(), sleep()等操作,具体操作就是比如
      访问cache、RPC调用下游service、访问DB,等需要网络调用的操作

    那么如果计算时间占50%, 等待时间50%,那么为了利用率达到最高,可以开2个线程:
    假如工作时间是2秒, CPU计算完1秒后,线程等待IO的时候需要1秒,此时CPU空闲了,这时就可以切换到另外一个线程,让CPU工作1秒后,线程等待IO需要1秒,此时CPU又可以切回去,第一个线程这时刚好完成了1秒的IO等待,可以让CPU继续工作,就这样循环的在两个线程之前切换操作。

    那么如果计算时间占20%, 等待时间80%,那么为了利用率达到最高,可以开5个线程:
    可以想象成完成任务需要5秒,CPU占用1秒,等待时间4秒,CPU在线程等待时,可以同时再激活4个线程,这样就把CPU和IO等待时间,最大化的重叠起来

    抽象一下,计算线程数设置的公式就是:
    N核服务器,通过执行业务的单线程分析出本地计算时间为x,等待时间为y,则工作线程数(线程池线程数)设置为 N*(x+y)/x,能让CPU的利用率最大化。
    由于有GIL的影响,python只能使用到1个核,所以这里设置N=1

  • 相关阅读:
    PHP深入浅出之命名空间(Namespace)的使用详解
    函数func_get_args详解
    验证码封装类
    PHP中SESSION自定义会话管理器
    网页开发常见问题总结
    mysql远程连接只显示部分数据库问题
    认识和学习bash
    IPv6地址格式示例及IPv6与IPv4的区别分析
    用HTTP核心模块配置一个静态Web服务器
    Nginx服务项的基本配置
  • 原文地址:https://www.cnblogs.com/while-number/p/9627967.html
Copyright © 2011-2022 走看看