zoukankan      html  css  js  c++  java

  • 043.Python线程基本介绍

    一 线程的基本概念

    1.1 进程和线程

    进程是资源分配的最小单位

    线程是计算机中调度的最小单位

    进程池：

    开启过多的进程并不一走提高你的效率，

    如果cp负载任务过多，平均单个任务执行的效率就会低，反而降低执行速度

    • 1个人做4件事，4个人做4件事，4个人做1件事
    • 显然后者执行速度更快，
    • 前者是并发，后者是并行
    • 利用进程池，可以开启cpu的并行效果

    开启进程

    1. apply 开启进程，同步阻塞，每欠都都要等待当前任务完成之后，在开启下一个进程
    2. apply_async 开启进程，异步非咀塞，（主进程和子进程异步

    1.2 线程的缘起

    • 资源分配需要分配内存空间，分配cpu
    • 分配的内存空间存放着临时要处理的数据等，比如要执行的代码，数据
    • 而这些内存空间是有限的，不能无限分配
    • 目前配置高的主机，5万个并发已是上限线程概念应用而生

    1.3 线程的特点

    1. 线程是比较轻量级，能干更多的活，一个进程中的所有线程沒源是共享的
    2. 一个进程至少有一个线程在工作

    二 线程的基本使用

    2.1 一个进程可以有多个线程,共享同一份资源

    from threading import Thread
from multiprocessing import Process
import random,time,os

def func(num):
        time.sleep(random.uniform(0.1,1))
        print("子线程",num,os.getpid())

for i in range(10):
        t = Thread(target=func,args=(i,))
        t.start()

    执行

    [root@node10 python]# python3 test.py
子线程 7 4937
子线程 9 4937
子线程 6 4937
子线程 1 4937
子线程 5 4937
子线程 8 4937
子线程 0 4937
子线程 3 4937
子线程 4 4937
子线程 2 4937

    2.2 并发多线程 和 并发多进程 的速度对比

    多线程更快

    计算线程的时间

    from threading import Thread
from multiprocessing import Process
import random,time,os

def func(i):
        # time.sleep(random.uniform(0.1,1))
        print("子线程",i,os.getpid())

# starttime = time.time()
# endtime = time.time()
# 1.计算多线程的时间
startime = time.perf_counter()
lst = []
for i in range(10000):
        t = Thread(target=func,args=(i,))
        t.start()
        lst.append(t)

for i in lst:
        i.join()

endtime = time.perf_counter()
print(endtime-startime,"主线程执行结束===================")

    执行跑一万个线程

    [root@node10 python]# python3 test.py

    计算多进程的时间

    from threading import Thread
from multiprocessing import Process
import random,time,os

def func(i):
        # time.sleep(random.uniform(0.1,1))
        print("子线程",i,os.getpid())

# starttime = time.time()
# endtime = time.time()
# 1.计算多线程的时间
startime = time.perf_counter()
lst = []
for i in range(1000):
        t = Thread(target=func,args=(i,))
        t.start()
        lst.append(t)

for i in lst:
        i.join()

endtime = time.perf_counter()
print(endtime-startime,"主线程执行结束===================")

startime = time.perf_counter()
lst = []
for i in range(1000):
        p = Process(target=func,args=(i,))
        p.start()
        lst.append(p)

for i in lst:
        i.join()

endtime = time.perf_counter()
print(endtime-startime,"主进程执行结束======================")

    执行

    线程时间

    进程时间

    2.3 多线程共享同一份进程资源

    from threading import Thread
from multiprocessing import Process
import random,time,os

num = 100

lst = []
def func(i):
        global num
        num -= 1
for i in range(100):
        t =Thread(target=func,args=(i,))
        t.start()
        lst.append(t)
for i in lst:
        i.join()
print(num)

    执行

    [root@node10 python]# python3 test.py
0

    三  线程相关函数

    • 线程.is_alive() 检测线程是否仍然存在
    • 线程.setName() 设置线程名字
    • 线程.getName() 获取线程名字
    • 1.currentThread().ident 查看线程id号
    • 2.enumerate() 返回目前正在运行的线程列表
    • 3.activeCount() 返回目前正在运行的线程数量

    3.1 线程.is_alive()

    from threading import Thread
from multiprocessing import Process
import random,time,os

def func():
        pass
t =  Thread(target=func)
t.start()
print(t.is_alive())

    执行

    [root@node10 python]# python3 test.py
False

    修改

    from threading import Thread
from multiprocessing import Process
import random,time,os

def func():
        time.sleep(0.5)
t =  Thread(target=func)
t.start()
print(t.is_alive())

    执行

    [root@node10 python]# python3 test.py
True

    3.2 setName() 和getName() 

    from threading import Thread
from multiprocessing import Process
import random,time,os

def func():
        time.sleep(0.5)
t =  Thread(target=func)
t.start()
print(t.is_alive())
t.setName("消费者")
print (t.getName())

    执行

    [root@node10 python]# python3 test.py
True
消费者

    3.3 currentThread().ident 查看线程id号

    from threading import Thread,currentThread
from multiprocessing import Process
import random,time,os

def func():
        print ("子线程：",currentThread().ident)
t = Thread(target=func)
t.start()
print ("主线程：",currentThread().ident,os.getpid())

    执行

    [root@node10 python]# python3 test.py
子线程： 140242991515392
主线程： 140243176634176 41240

    3.4 enumerate()返回目前正在运行的线程列表

    from threading import Thread,currentThread,enumerate
from multiprocessing import Process
import random,time,os

def func():
        print ("子线程：",currentThread().ident)
        time.sleep(0.5)
for  i in range(10):
        t = Thread(target=func)
        t.start()
print (enumerate())

    执行

    子线程： 140043211654912
子线程： 140043203262208
子线程： 140043194869504
子线程： 140042978719488
子线程： 140042970326784
子线程： 140042961934080
子线程： 140042953541376
子线程： 140042945148672
子线程： 140042936755968
子线程： 140042928363264
[<_MainThread(MainThread, started 140043396773696)>, 
    <Thread(Thread-1, started 140043211654912)>, 
    <Thread(Thread-2, started 140043203262208)>, 
    <Thread(Thread-3, started 140043194869504)>, 
    <Thread(Thread-4, started 140042978719488)>, 
    <Thread(Thread-5, started 140042970326784)>, 
    <Thread(Thread-6, started 140042961934080)>, 
    <Thread(Thread-7, started 140042953541376)>, 
    <Thread(Thread-8, started 140042945148672)>, 
    <Thread(Thread-9, started 140042936755968)>, 
    <Thread(Thread-10, started 140042928363264)>]
    11

    3.5 activeCount() 返回目前正在运行的线程数量

    from threading import Thread,currentThread,enumerate
from multiprocessing import Process
import random,time,os

from threading import activeCount
def func():
        print ("子线程：",currentThread().ident)
        time.sleep(0.5)
for  i in range(10):
        t = Thread(target=func)
        t.start()
print (enumerate())
print(activeCount())

    执行

    [root@node10 python]# python3 test.py
子线程： 140087921592064
子线程： 140087913199360
子线程： 140087904806656
子线程： 140087896413952
子线程： 140087888021248
子线程： 140087539005184
子线程： 140087530612480
子线程： 140087522219776
子线程： 140087513827072
子线程： 140087505434368
[<_MainThread(MainThread, started 140088106710848)>, <Thread(Thread-1, started 140087921592064)>, <Thread(Thread-2, started 140087913199360)>, <Thread(Thread-3, started 140087904806656)>, <Thread(Thread-4, started 140087896413952)>, <Thread(Thread-5, started 140087888021248)>, <Thread(Thread-6, started 140087539005184)>, <Thread(Thread-7, started 140087530612480)>, <Thread(Thread-8, started 140087522219776)>, <Thread(Thread-9, started 140087513827072)>, <Thread(Thread-10, started 140087505434368)>]
11

    3.6 守护线程

    等待所有线程执行结束之后,在自动结束,守护所有线程

    from threading import Thread
import time

def func1():
        #这里定义一个死循环，可以一直跑
        while True:
                print ("This is Thread 1,func1")
def func2():
        print ("This is Thread 2,and I will start run")
        time.sleep(0.05)
        print ("This is Thread 2,and I have aready end")

#启动线程1
t1 = Thread(target=func1)
#因为线程1是死循环状态，可以给这个线程设置一个守护线程，当所有线程都执行完，结束这个线程
t1.setDaemon(True)
t1.start()
#启动线程2
t2 = Thread(target=func2)
t2.start()
print("Main Thread has aready stop run")
  • 相关阅读:
    正负样本不平衡的处理
    基于贝叶斯优化的超参数搜索
    Axure RP的基础使用
    keil：C语言里面调用汇编程序
    keil的使用：新建Project
    汇编入门：循环语句的汇编实现
    转gif图
    LeetCode题解 #5 Longest Palindromic Substring
    Android 从本地图库或拍照后裁剪图片并设置头像
    Android使用简单的Service
  • 原文地址：https://www.cnblogs.com/zyxnhr/p/12362000.html
Copyright © 2011-2022 走看看