python多线程多进程_Python系列之多线程、多进程

线程是操作系统直接支持的执行单元，因此，高级语言通常都内置多线程的支持，Python也不例外，并且，Python的线程是真正的Posix Thread，而不是模拟出来的线程。

Python的标准库提供了两个模块：_thread和threading，_thread是低级模块，threading是高级模块，对_thread进行了封装。绝大多数情况下，我们只需要使用threading这个高级模块。

importthreadingimporttimedeff1(num):

time.sleep(1)print("Thread-->%d" %num)if __name__ == '__main__':for i in range(10):

t= threading.Thread(target=f1,args=(i,))

t.start()#####output#####

Thread-->1Thread-->0

Thread-->2Thread-->5Thread-->3Thread-->6Thread-->4Thread-->8Thread-->7Thread-->9

多线程方法:

t.start() : 启动线程

t.name() : 设置获取进程名称

t.is_alive(): 检查线程是否存活

t.setDaemon() 设置为后台线程或前台线程(默认：False);通过一个布尔值设置线程是否为守护线程，必须在执行start()方法之后才可以使用。如果是后台线程，主线程执行过程中，后台线程也在进行，主线程执行完毕后，后台线程不论成功与否，均停止；如果是前台线程，主线程执行过程中，前台线程也在进行，主线程执行完毕后，等待前台线程也执行完成后，程序停止

t.isDaemon() ： 判断是否为守护线程

t.ident ：获取线程的标识符。线程标识符是一个非零整数，只有在调用了start()方法之后该属性才有效，否则它只返回None。

t.join() ：逐个执行每个线程，执行完毕后继续往下执行，该方法使得多线程变得无意义

t.run() ：线程被cpu调度后自动执行线程对象的run方法

线程的生命周期：

New 创建。

Runnable 就绪。等待调度

Running 运行。

Blocked 阻塞。阻塞可能在 Wait Locked Sleeping

Dead 消亡

线程中执行到阻塞，可能有3种情况：

同步：线程中获取同步锁，但是资源已经被其他线程锁定时，进入Locked状态，直到该资源可获取(获取的顺序由Lock队列控制)

睡眠：线程运行sleep()或join()方法后，线程进入Sleeping状态。区别在于sleep等待固定的时间，而join是等待子线程执行完。当然join也可以指定一个“超时时间”。从语义上来说，如果两个线程a,b, 在a中调用b.join()，相当于合并(join)成一个线程。最常见的情况是在主线程中join所有的子线程。

等待：线程中执行wait()方法后，线程进入Waiting状态，等待其他线程的通知(notify)。

线程类型：

主线程

子线程

守护线程(后台线程)

后台线程

二、线程锁threading.RLock和threading.Lock

多线程和多进程最大的不同在于，多进程中，同一个变量，各自有一份拷贝存在于每个进程中，互不影响，而多线程中，所有变量都由所有线程共享，所以，任何一个变量都可以被任何一个线程修改，因此，线程之间共享数据最大的危险在于多个线程同时改一个变量，把内容给改乱了。看下面的例子：

num =0deff1(arg):globalnum

num+=arg

num-=argdeff2(num):for i in range(100000):

f1(num)

t1= threading.Thread(target=f2, args=(5,))

t2= threading.Thread(target=f2, args=(8,))

t1.start()

t2.start()

t1.join()

t2.join()print(num)

定义一个全局变量num 并且初始化为0，并且启动两个线程先加后减理论上应该为0 但是，由于线程的调度是由操作系统决定的，当t1、t2交替执行时，只要循环次数足够多，num的结果就不一定是0了。引入锁的概念

importthreadingimporttime

globals_num=0

lock=threading.RLock()defFunc():

lock.acquire()#获得锁

globalglobals_num

globals_num+= 1time.sleep(1)print(globals_num)

lock.release()#释放锁

for i in range(10):

t= threading.Thread(target=Func)

t.start()

threading.RLock和threading.Lock 的区别

RLock允许在同一线程中被多次acquire。而Lock却不允许这种情况。 如果使用RLock，那么acquire和release必须成对出现，即调用了n次acquire，必须调用n次的release才能真正释放所占用的琐。

importthreading

lock= threading.Lock() #Lock对象

lock.acquire()

lock.acquire()#产生了死琐。

lock.release()

lock.release()

importthreading

rLock= threading.RLock() #RLock对象

rLock.acquire()

rLock.acquire()#在同一线程内，程序不会堵塞。

rLock.release()

rLock.release()

三、Event

python线程的事件用于主线程控制其他线程的执行，事件主要提供了三个方法 set、wait、clear。

事件处理的机制：全局定义了一个“Flag”，如果“Flag”值为 False，那么当程序执行 event.wait 方法时就会阻塞，如果“Flag”值为True，那么event.wait 方法时便不再阻塞。

clear：将“Flag”设置为False

set：将“Flag”设置为True

importthreadingdefdo(event):print('start')

event.wait()print('execute')

event_obj=threading.Event()for i in range(5): #创建5个线程并激活

t = threading.Thread(target=do,args=(event_obj,))

t.start()

event_obj.clear()#将“Flag”设置为False

inp = input('input:')if inp =='true':

event_obj.set()#将“Flag”设置为True

四、queue

queue 就是对队列，它是线程安全的。

queue提供了一下方法：

importqueue

q= queue.Queue(maxsize=0) #构造一个先进显出队列，maxsize指定队列长度，为0 时，表示队列长度无限制。

q.join()#等到队列为空的时候，在执行别的操作

q.qsize() #返回队列的大小 (不可靠)

q.empty() #当队列为空的时候，返回True 否则返回False (不可靠)

q.full() #当队列满的时候，返回True，否则返回False (不可靠)

q.put(item, block=True, timeout=None) #将item放入Queue尾部，item必须存在，可以参数block默认为True,表示当队列满时，会等待队列给出可用位置，

为False时为非阻塞，此时如果队列已满，会引发queue.Full 异常。 可选参数timeout，表示 会阻塞设置的时间，过后，

如果队列无法给出放入item的位置，则引发 queue.Full 异常

q.get(block=True, timeout=None) #移除并返回队列头部的一个值，可选参数block默认为True，表示获取值的时候，如果队列为空，则阻塞，为False时，不阻塞，

若此时队列为空，则引发 queue.Empty异常。 可选参数timeout，表示会阻塞设置的时候，过后，如果队列为空，则引发Empty异常。

q.put_nowait(item)#等效于 put(item,block=False)

q.get_nowait() #等效于 get(item,block=False)

五、多进程

python中的多线程其实并不是真正的多线程，如果想要充分地使用多核CPU的资源，在python中大部分情况需要使用多进程。Python提供了非常好用的多进程包multiprocessing，只需要定义一个函数，Python会完成其他所有事情。借助这个包，可以轻松完成从单进程到并发执行的转换。multiprocessing模块提供了一个Process类来代表一个进程对象

创建进程：

from multiprocessing importProcessdeff(name):#time.sleep(3)

print('hello',name)if __name__ =="__main__":

p= Process(target=f,args=('job',))

p.start()

p.join()#join方法就是阻塞父进程，等待子进程执行完毕

注意：由于进程之间的数据需要各自持有一份，所以创建进程需要的非常大的开销。

进程各自持有一份数据，默认无法共享数据如果想进行共享multiprocessing 提供两种方法Value和Array

六、进程之间的数据共享Value、Array

方法一、Value

from multiprocessing importProcess, Value, Arraydeff(n, a):

n.value= 3.1415927

for i inrange(len(a)):

a[i]= -a[i]if __name__ == '__main__':

num= Value('d', 0.0)

arr= Array('i', range(10))

p= Process(target=f, args=(num, arr))

p.start()

p.join()print(num.value)print(arr[:])

输出：

3.1415927[0,-1, -2, -3, -4, -5, -6, -7, -8, -9]

创建num和arr时，“d”和“i”参数由Array模块使用的typecodes创建：“d”表示一个双精度的浮点数，“i”表示一个有符号的整数，这些共享对象将被线程安全的处理。

Array(‘i’, range(10))中的‘i’参数：

‘c’: ctypes.c_char　　　　 ‘u’: ctypes.c_wchar　　　　‘b’: ctypes.c_byte　　　　 ‘B’: ctypes.c_ubyte

‘h’: ctypes.c_short　　　 ‘H’: ctypes.c_ushort　　 ‘i’: ctypes.c_int　　　　　 ‘I’: ctypes.c_uint

‘l’: ctypes.c_long,　　　　‘L’: ctypes.c_ulong　　　　‘f’: ctypes.c_float　　　　‘d’: ctypes.c_double

View Code

方法二、Array

from multiprocessing importProcess, Managerdeff(d, l):

d[1] = '1'd['2'] = 2d[0.25] =None

l.reverse()if __name__ == '__main__':

with Manager() as manager:

d=manager.dict()

l= manager.list(range(10))

p= Process(target=f, args=(d, l))

p.start()

p.join()print(d)print(l)

输出：

{0.25: None, 1: '1', '2': 2}

[9, 8, 7, 6, 5, 4, 3, 2, 1, 0]

七、Pool

程池内部维护一个进程序列，当使用时，则去进程池中获取一个进程，如果进程池序列中没有可供使用的进进程，那么程序就会等待，直到进程池中有可用进程为止。

进程池中有两个方法：

apply   每一个任务是排队进行默认,进程.join()

apply_async  每一个任务都并发进行；可以设置回调函数；进程.无join()；进程daemon=True

#!/usr/bin/env python#-*- coding:utf-8 -*-

from multiprocessing importPoolimporttimedefFoo(i):

time.sleep(0.5)return i+100

defBar(arg):print(arg)if __name__ == '__main__':

pool= Pool(5)for i in range(10):

pool.apply_async(func=Foo, args=(i,),callback=Bar)print('end')

pool.close()

pool.join()#进程池中进程执行完毕后再关闭，如果注释，那么程序直接关闭。

八、协程

协程存在的意义：对于多线程应用，CPU通过切片的方式来切换线程间的执行，线程切换时需要耗时(保存状态，下次继续)。协程，则只使用一个线程，在一个线程中规定某个代码块执行顺序。

协程的适用场景：当程序中存在大量不需要CPU的操作时(IO)，适用于协程；

协程有两个模块分别为greenlet和gevent 其中greenlet为原始的模块而gevent为高级的，在greenlet的基础上进行了封装使用更为方便，可以通过pip3安装gevent也可以源码安装，需要注意安装gevent 的时候需要先安装greenlet。

1 、greenlet实例：

from greenlet importgreenletdeftest1():print(12)

gr2.switch()print (34)

gr2.switch()deftest2():print (56)

gr1.switch()print (78)

gr1=greenlet(test1)

gr2=greenlet(test2)

gr1.switch()#######output#######

12

56

34

78

2、gevent实例：

importgeventdeffoo():print('12')

gevent.sleep(0)print('34')defbar():print('56')

gevent.sleep(0)print('78')

gevent.joinall([

gevent.spawn(foo),

gevent.spawn(bar),

])

遇到IO操作自动切换：

from gevent importmonkey; monkey.patch_all()importgeventimportrequestsdeff(url):print('GET: %s' %url)

resp=requests.get(url)

data=resp.textprint('%s bytes received from %d.' %(url,len(data)))

gevent.joinall([

gevent.spawn(f,'https://www.python.org/'),

gevent.spawn(f,'https://www.yahoo.com/'),

gevent.spawn(f,'https://github.com/'),

])

View Code

九、管理上下文

先看下面的代码：

import queue

li = []

q = queue.Queue()

q.put("wukong")

#

li.append(1)

print(li)

q.get()

li.remove(1)

print(li)

###########output##########

[1]

[]

从上面的例子可以看出q.get()之前往列表里面添加了一个1，然后又移除，说这个例子就是为了引入上下文管理，看下面的代码：

import contextlib

@contextlib.contextmanager #用来处理上下文

def worker_state(xxx,val):

xxx.append(val)

try:

yield

finally:

xxx.remove(val)

#测试

li = []

q = queue.Queue()

q.put('wukong')

with worker_state(li,1):

print(li)

q.get()

print( li)

###########output###########

[1]

[]

首先定义一个函数并且被必须@contextlib.contextmanager 装饰 ，调用的时候 直接with xxx  ；worker_state函数执行流程 通过with 进入到函数先xxx添加val 然后到yield 跳出函数，执行q.get，执行完后跳回yield，然后移除val。这就是基础的上下文管理

更多参见上下文管理：https://docs.python.org/2/library/contextlib.html

九、自定义线程池

#!/usr/bin/env python#_*_ coding:utf-8 _*_#设计理念 队列里面放任务 ，线程一个一个的处理任务

importqueueimportthreadingimportcontextlibimporttime

StopEvent= object() #全局变量，用于停止线程 call 方法里面有体现

classThreadPool(object):def __init__(self, max_num):

self.q= queue.Queue() #放任务

self.max_num = max_num #最多创建的线程数(线程池最大容量)

self.generate_list = [] #真实创建的线程列表

self.free_list = [] #空闲线程数量

self.terminal =Falsedef run(self,func,args,callback=None):''':param func: 任务函数

:param args: 任务函数所需参数

:param callback:

:return:'''w= (func, args, callback) #封装到一个元祖里

self.q.put(w) #将任务放到队列里

#创建线程

if len(self.free_list) ==0 and len(self.generate_list)

self.generate_thread()defgenerate_thread(self):'''创建线程

:return:'''t=threading.Thread(target=self.call)

t.start()defcall(self):'''循环去获取任务函数并执行任务函数

:return:'''current_thread= threading.currentThread #获取当前线程

self.generate_list.append(current_thread) #当前线程添加到列表

#取任务并执行

event =self.q.get()while event !=StopEvent:#是任务

func, arguments, callback =eventtry:

restlt= func(*arguments) #执行函数

status = True #表示任务执行成功

exceptException as e:

status= False #表示任务执行失败

restlt = e #封装多有错误的信息

if callback is notNone:try:

callback(status, restlt)#回调函数

exceptException as e :passwith self.worker_state(self.free_list, current_thread):if self.terminal: #False

event =StopEventelse:#方法一 ，未用上下文管理

#self.free_list.append(current_thread)

#event = self.q.get() 有任务取任务，没有任务等待

#self.free_list.remove(current_thread)

#方法二，用上下文管理

event=self.q.get()else:#不是任务,把当前任务从任务列表移除

self.generate_list.remove(current_thread)defclose(self):

num= len(self.generate_list) #那到线程数

whilenum:

self.q.put(StopEvent)#往队列里放终止符

num-=1

defterminate(self):'''调用次方法线程立即停止(清空队列)

:return:'''self.terminal=Truewhileself.generate_list:

self.q.put(StopEvent)

self.q.empty()#清空队列

#def terminate(self):

#'''

#调用次方法线程立即停止(不清空队列)

#:return:

#'''

#self.terminal = True

#max_num = len(self.generate_list)

#while max_num:

#self.q.put(StopEvent)

#max_num-=1

#self.q.empty() #清空队列

@contextlib.contextmanager #用来处理上下文

defworker_state(self,state_list, worker_thread):

state_list.append(worker_thread)try:yield

finally:

state_list.remove(worker_thread)###测试###

defwork(i):print(i)

pool= ThreadPool(10)for item in range(50):

pool.run(work,args=(item,))

pool.close()#执行完关闭

pool.terminate() #立即终止

自定义线程池