详解 Python 中的多线程

3 线程和 Python

---

3.1 全局解释器锁

Python 代码的执行是由 Python 虚拟机（又名解释器主循环）进行控制的。 Python 在设计时是这样考虑的，在主循环中同时只能有一个控制线程在执行，就像单核 CPU 系统中的多进程一样。内存中可以有许多程序，但是在任意给定时刻只能有一个程序在运行。同理，尽管 Python 解释器中可以运行多个线程，但是在任意给定时刻只有一个线程会被解释器执行。

对 Python 虚拟机的访问是由全局解释器锁（GIL）控制的。这个锁就是用来保证同时只能有一个线程运行的。在多线程环境中， Python 虚拟机将按照下面所述的方式执行。
1．设置 GIL。
2．切换进一个线程去运行。
3．执行下面操作之一。
a．指定数量的字节码指令。
b．线程主动让出控制权（可以调用 time.sleep(0)来完成）。
4．把线程设置回睡眠状态（切换出线程）。
5．解锁 GIL。
6．重复上述步骤。

当调用外部代码（即，任意 C/C++扩展的内置函数）时， GIL 会保持锁定，直至函数执行结束（因为在这期间没有 Python 字节码计数）。编写扩展函数的程序员有能力解锁 GIL，然而，作为 Python 开发者， 你并不需要担心 Python 代码会在这些情况下被锁住。
 

3.2 退出线程

当一个线程完成函数的执行时，它就会退出。另外，还可以通过调用诸如 thread.exit()之类的退出函数，或者 sys.exit()之类的退出 Python 进程的标准方法，亦或者抛出 SystemExit异常，来使线程退出。不过，你不能直接“终止”一个线程。

3.3 在 Python 中使用线程

Python 虽然支持多线程编程，但是还需要取决于它所运行的操作系统。如下操作系统是支持多线程的：绝大多数类 UNIX 平台（如 Linux、 Solaris、 Mac OS X、 *BSD 等），以及Windows 平台。 Python 使用兼容 POSIX 的线程，也就是众所周知的 pthread。

默认情况下，从源码构建的 Python（2.0 及以上版本）或者 Win32 二进制安装的 Python，线程支持是已经启用的。要确定你的解释器是否支持线程，只需要从交互式解释器中尝试导入 thread 模块即可，如下所示（如果线程是可用的，则不会产生错误）。

如果你的 Python 解释器没有将线程支持编译进去，模块导入将会失败。Python3使用import _thread。

这种情况下，你可能需要重新编译你的 Python 解释器才能够使用线程。一般可以在调用configure 脚本的时候使用--with-thread 选项。查阅你所使用的发行版本的 README 文件，来获取如何在你的系统中编译线程支持的 Python 的指定指令。

---

3.4 不使用线程的情况

我们将使用 time.sleep()函数来演示线程是如何工作的。 time.sleep()函数需要一个浮点型的参数，然后以这个给定的秒数进行“睡眠”，也就是说，程序的执行会暂时停止指定的时间。

创建两个时间循环：一个睡眠 4 秒（loop0()）；另一个睡眠 2 秒（loop1()）（这里使用“loop0”和“loop1”作为函数名，暗示我们最终会有一个循环序列）。如果在一个单进程或单线程的程序中顺序执行 loop0()和 loop1()，就会像示例 4-1 中的 onethr.py 一样，整个执行时间至少会达到 6 秒钟。而在启动 loop0()和 loop1()以及执行其他代码时，也有可能存在 1 秒的开销，使得整个时间达到 7 秒。

可以通过执行 onethr.py 来验证这一点，下面是输出结果。

现在，假设 loop0()和 loop1()中的操作不是睡眠，而是执行独立计算操作的函数，所有结果汇总成一个最终结果。那么，让它们并行执行来减少总的执行时间是不是有用的呢？这就是现在要介绍的多线程编程的前提。
 

3.5 Python 的 threading 模块

Python 提供了多个模块来支持多线程编程，包括 thread、 threading 和 Queue 模块等。程序是可以使用 thread 和 threading 模块来创建与管理线程。 thread 模块提供了基本的线程和锁定支持；而 threading 模块提供了更高级别、功能更全面的线程管理。使用 Queue 模块，用户可以创建一个队列数据结构，用于在多线程之间进行共享。

4 thread 模块

让我们先来看看 thread 模块提供了什么。除了派生线程外， thread 模块还提供了基本的同步数据结构，称为锁对象（lock object，也叫原语锁、 简单锁、 互斥锁、 互斥和二进制信号量）。如前所述，这个同步原语和线程管理是密切相关的。
表 4-1 列出了一些常用的线程函数，以及 LockType 锁对象的方法。
thread 模块的核心函数是 start_new_thread()。它的参数包括函数（对象）、函数的参数以及可选的关键字参数。将专门派生新的线程来调用这个函数。
把多线程整合进 onethr.py 这个例子中。把对 loop*()函数的调用稍微改变一下，得到示例4-2 中的 mtsleepA.py 文件。

start_new_thread()必须包含开始的两个参数，于是即使要执行的函数不需要参数，也需要传递一个空元组。
与之前的代码相比，本程序执行后的输出结果有很大不同。原来需要运行 6～7 秒的时间，而现在的脚本只需要运行 4 秒，也就是最长的循环加上其他所有开销的时间之和。

睡眠 4 秒和睡眠 2 秒的代码片段是并发执行的，这样有助于减少整体的运行时间。你甚至可以看到 loop 1 是如何在 loop 0 之前结束的。
这个应用程序中剩下的一个主要区别是增加了一个 sleep(6)调用。为什么必须要这样做呢？这是因为如果我们没有阻止主线程继续执行，它将会继续执行下一条语句，显示“all done”然后退出，而 loop0()和 loop1()这两个线程将直接终止。
我们没有写让主线程等待子线程全部完成后再继续的代码，即我们所说的线程需要某种形式的同步。在这个例子中，调用 sleep()来作为同步机制。将其值设定为 6 秒是因为我们知道所有线程（用时 4 秒和 2 秒的）会在主线程计时到 6 秒之前完成。

再一次修改代码，引入锁，并去除单独的循环函数，修改后的代码为 mtsleepB.py。我们可以看到输出结果与 mtsleepA.py 相似。唯一的区别是我们不需要再像mtsleepA.py 那样等待额外的时间后才能结束。通过使用锁，我们可以在所有线程全部完成执
行后立即退出。其输出结果如下所示。

与 mtsleepA.py 中调用 sleep()来挂起主线程不同，锁的使用将更加合理。

5 threading 模块

现在介绍更高级别的 threading 模块。除了 Thread 类以外，该模块还包括许多非常好用的同步机制。表 4-2 给出了 threading 模块中所有可用对象的列表。

本节将研究如何使用 Thread 类来实现多线程。由于之前已经介绍过锁的基本概念，因此这里不会再对锁原语进行介绍。因为 Thread()类同样包含某种同步机制，所以锁原语的显式使用不再是必需的了。

5.1 Thread 类

threading 模块的 Thread 类是主要的执行对象。它有 thread 模块中没有的很多函数。
表 4-3 给出了它的属性和方法列表。

使用 Thread 类，可以有很多方法来创建线程。我们将介绍其中比较相似的三种方法。选择你觉得最舒服的，或者是最适合你的应用和未来扩展的方法（我们更倾向于最后一种方案）。
• 创建 Thread 的实例，传给它一个函数。
• 创建 Thread 的实例，传给它一个可调用的类实例。
• 派生 Thread 的子类，并创建子类的实例。
你会发现你将选择第一个或第三个方案。当你需要一个更加符合面向对象的接口时，会选择后者；否则会选择前者。老实说，你会发现第二种方案显得有些尴尬并且稍微难以阅读。
 

5.2 threading 模块的其他函数

除了各种同步和线程对象外， threading 模块还提供了一些函数，如表 4-4 所示。

6 单线程和多线程执行对比

示例 4-8 的 mtfacfib.py 脚本比较了递归求斐波那契、阶乘与累加函数的执行。该脚本按照单线程的方式运行这三个函数。之后使用多线程的方式执行同样的任务，用来说明多线程环境的优点

以单线程模式运行时，只是简单地依次调用每个函数，并在函数执行结束后立即显示相应的结果。
而以多线程模式运行时，并不会立即显示结果。 因为我们希望让 MyThread 类越通用越好（有输出和没有输出的调用都能够执行），我们要一直等到所有线程都执行结束，然后调用getResult()方法来最终显示每个函数的返回值。因为这些函数执行起来都非常快（也许斐波那契函数除外），所以你会发现在每个函数中都加入了 sleep()调用，用于减慢执行速度，以便让我们看到多线程是如何改善性能的。在实际工作中，如果确实有不同的执行时间，你肯定不会在其中调用 sleep()函数。无论如何，下面是程序的输出结果。