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)>, 
, 
, 
, 
, 
, 
, 
, 
, 
, 
]
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)>, , , , , , , , , , ]
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")