【Python基础学习】—多线程

前言

我们知道，每个独立的进程有一个程序运行的入口、顺序执行序列和程序的出口。进程里面的任务由线程执行，线程必须依存在应用程序中，多个线程执行能够提高应用程序的执行效率，多个线程之间共用进程的寄存器数据和堆栈等等。

python多线程类似于同时执行多个不同程序，具有以下特点：

1、用户界面可以更加吸引人，这样比如用户点击了一个按钮去触发某些事件的处理，可以弹出一个进度条来显示处理的进度
程序的运行速度可能加快
2、在一些等待的任务实现上如用户输入、文件读写和网络收发数据等，线程就比较有用了。在这种情况下我们可以释放一些珍贵的资源如内存占用等等。
 

一、python使用多线程

Python中使用线程有两种方式：_thread模块函数或者用threading 模块封装类来使用线程对象。

1、_thread模块函数方式：

_thread.start_new_thread ( function, args[, kwargs] )

注：原本的thread 模块已被废弃。所以，在 Python3 中不能再使用"thread" 模块。为了兼容性，Python3 将 thread 重命名为 "_thread"。在此推荐使用第二种模块封装的方式：threading 模块。

 

2、threading 模块封装：

threading 模块除了包含 _thread 模块中的所有方法外，还提供的其他方法：

threading.currentThread(): 返回当前的线程变量。
threading.enumerate(): 返回一个包含正在运行的线程的list。正在运行指线程启动后、结束前，不包括启动前和终止后的线程。
threading.activeCount(): 返回正在运行的线程数量，与len(threading.enumerate())有相同的结果。

除了使用方法外，线程模块同样提供了Thread类来处理线程，Thread类提供了以下方法:

使用 threading 模块创建线程：

#!/usr/bin/python3

import threading
import time

exitFlag = 0

class myThread (threading.Thread):
    def __init__(self, threadID, name, counter):
        threading.Thread.__init__(self)
        self.threadID = threadID
        self.name = name
        self.counter = counter
    def run(self):
        print ("开始线程：" + self.name)
        print_time(self.name, self.counter, 5)
        print ("退出线程：" + self.name)

def print_time(threadName, delay, counter):
    while counter:
        if exitFlag:
            threadName.exit()
        time.sleep(delay)
        print ("%s: %s" % (threadName, time.ctime(time.time())))
        counter -= 1

# 创建新线程
thread1 = myThread(1, "Thread-1", 1)
thread2 = myThread(2, "Thread-2", 2)

# 开启新线程
thread1.start()
thread2.start()
thread1.join()
thread2.join()
print ("退出主线程")

二、线程同步问题

和Java的多线程一样，Python多线程也要处理线程同步问题，如果多个线程共同对某个数据修改，则在数据的正确性和一致性方面可能出现不可预料的结果。

使用 Thread 对象的锁机制可以实现简单的线程同步，这两个对象都有 acquire 方法和 release 方法，对于那些需要每次只允许一个线程操作的数据，可以将其操作放到 acquire 和 release 方法之间。如下：

锁有两种状态——锁定和未锁定。每当一个线程要访问共享数据时，必须先获得锁定；如果已经有别的线程获得锁定了，那么就让当前线程暂停，也就是同步阻塞；等到锁定的线程访问完毕，释放锁以后，再让当前线程继续。

#!/usr/bin/python3

import threading
import time

class myThread (threading.Thread):
    def __init__(self, threadID, name, counter):
        threading.Thread.__init__(self)
        self.threadID = threadID
        self.name = name
        self.counter = counter
    def run(self):
        print ("开启线程： " + self.name)
        # 获取锁，用于线程同步
        threadLock.acquire()
        print_time(self.name, self.counter, 3)
        # 释放锁，开启下一个线程
        threadLock.release()

def print_time(threadName, delay, counter):
    while counter:
        time.sleep(delay)
        print ("%s: %s" % (threadName, time.ctime(time.time())))
        counter -= 1

threadLock = threading.Lock()

# 创建新线程
thread1 = myThread(1, "Thread-1", 1)
thread2 = myThread(2, "Thread-2", 2)

# 开启新线程
thread1.start()
thread2.start()

thread1.join()
thread2.join()
print ("退出主线程")

以上程序输出结果就是同步阻塞的：

开启线程： Thread-1
开启线程： Thread-2
Thread-1: Wed Apr  6 11:52:57 2016
Thread-1: Wed Apr  6 11:52:58 2016
Thread-1: Wed Apr  6 11:52:59 2016
Thread-2: Wed Apr  6 11:53:01 2016
Thread-2: Wed Apr  6 11:53:03 2016
Thread-2: Wed Apr  6 11:53:05 2016
退出主线程

三、python多线程的局限性

与PHP一样，脚本解释性的语言都需要一个解析器，一边解析一边运行程序，PHP中通常使用CGI、Fast-CGI协议解析器来解释PHP语言，python也有多种解析器，可以让python在多种环境下(如CPython解析器，PyPy，Psyco)执行，通常默认的也就是用的最多的是CPython解析器，CPython实现了PHP的解析器没有实现的多线程环境，能对多线程进行调度管理。

但是，CPython里面就算开了多个线程环境，CPython解释器也只能一个一个地解释Python语言来运行，这是因为Python解释器CPython采用了全局解释器锁(GIL)的机制，所以多线程实质上也是由当个解释器逐一解释运行，没办法做到真正的并行。

关于Python的全局解释器锁(GIL)的机制，将会在接下来的文章中详细介绍。

本文参考链接：https://www.runoob.com/python3/python3-multithreading.html