Python学习之多线程编程

Threading模块从Python 1.5.2 版开始出现,用于增强底层的多线程模块 thread Threading 模块让操作多线程变得更简单,并且支持程序同时运行多个操作。

  注意, Python开发中的多线程最好用于处理有关 I/O 的操作 ,如从网上下载资源或者从本地读取文件或者目录。如果你要做的是 CPU 密集型操作,那么你需要使用 Python 的 multiprocessing 模块。这样做的原因是,Python 有一个全局解释器锁 (GIL),使得所有子线程都必须运行在同一个主线程中。正因为如此,当你通过多线程来处理多个 CPU 密集型任务时,你会发现它实际上运行的更慢。因此,我们将重点放在那些多线程最擅长的领域:I/O 操作!

  线程简介

  多线程能让你像运行一个独立的程序一样运行一段长代码。这有点像调用子进程(subprocess),不过区别是你调用的是一个函数或者一个类,而不是独立的程序。在我看来,举例说明更有助于解释。下面来看一个简单的例子:

  import threading

  def doubler(number):

  """

  可以被线程使用的一个函数

  """

  print(threading.currentThread().getName() + 'n')

  print(number * 2)

  print()

  if __name__ == '__main__':

  for i in range(5):

  my_thread = threading.Thread(target=doubler, args=(i,))

  my_thread.start()

  这里,我们导入 threading 模块并且创建一个叫 doubler 的常规函数。这个函数接受一个值,然后把这个值翻一番。它还会打印出调用这个函数的线程的名称,并在最后打印一行空行。然后在代码的最后一块,我们创建五个线程并且依次启动它们。在我们实例化一个线程时,你会注意到,我们把 doubler 函数传给 target 参数,同时也给 doubler 函数传递了参数。 Args 参数看起来有些奇怪,那是因为我们需要传递一个序列给 doubler 函数,但它只接受一个变量,所以我们把逗号放在尾部来创建只有一个参数的序列。

  需要注意的是,如果你想等待一个线程结束,那么需要调用 join() 方法。

  当你运行以上这段代码,会得到以下输出内容:

  Thread-1

  0

  Thread-2

  2

  Thread-3

  4

  Thread-4

  6

  Thread-5

  8

  当然,通常情况下你不会希望输出打印到标准输出。如果不幸真的这么做了,那么最终的显示效果将会非常混乱。你应该使用 Python 的 logging 模块。它是线程安全的,并且表现出色。让我们用 logging 模块修改上面的例子并且给我们的线程命名。代码如下:

  import logging

  import threading

  def get_logger():

  logger = logging.getLogger("threading_example")

  logger.setLevel(logging.DEBUG)

  fh = logging.FileHandler("threading.log")

  fmt = '%(asctime)s - %(threadName)s - %(levelname)s - %(message)s'

  formatter = logging.Formatter(fmt)

  fh.setFormatter(formatter)

  logger.addHandler(fh)

  return logger

  def doubler(number, logger):

  """

  可以被线程使用的一个函数

  """

  logger.debug('doubler function executing')

  result = number * 2

  logger.debug('doubler function ended with: {}'.format(

  result))

  if __name__ == '__main__':

  logger = get_logger()

  thread_names = ['Mike', 'George', 'Wanda', 'Dingbat', 'Nina']

  for i in range(5):

  my_thread = threading.Thread(

  target=doubler, name=thread_names[i], args=(i,logger))

  my_thread.start()

  代码中最大的改变就是加入了 get_logger 函数。这段代码将创建一个被设置为调试级别的日志记录器。它将日志保存在当前目录(即脚本运行所在的目录)下,然后设置每行日志的格式。格式包括时间戳、线程名、日志记录级别以及日志信息。

  在 doubler 函数中,我们把 print 语句换成 logging 语句。你会注发现,在创建线程时,我们给 doubler 函数传入了 logger 对象。这样做的原因是,如果在每个线程中实例化 logging 对象,那么将会产生多个 logging 单例(singleton),并且日志中将会有很多重复的内容。

  最后,创建一个名称列表,然后使用 name 关键字参数为每一个线程设置具体名称,这样就可以为线程命名。运行以上代码,将会得到包含以下内容的日志文件:

  2016-07-24 20:39:50,055 - Mike - DEBUG - doubler function executing

  2016-07-24 20:39:50,055 - Mike - DEBUG - doubler function ended with: 0

  2016-07-24 20:39:50,055 - George - DEBUG - doubler function executing

  2016-07-24 20:39:50,056 - George - DEBUG - doubler function ended with: 2

  2016-07-24 20:39:50,056 - Wanda - DEBUG - doubler function executing

  2016-07-24 20:39:50,056 - Wanda - DEBUG - doubler function ended with: 4

  2016-07-24 20:39:50,056 - Dingbat - DEBUG - doubler function executing

  2016-07-24 20:39:50,057 - Dingbat - DEBUG - doubler function ended with: 6

  2016-07-24 20:39:50,057 - Nina - DEBUG - doubler function executing

  2016-07-24 20:39:50,057 - Nina - DEBUG - doubler function ended with: 8

  输出结果不言自明,所以继续介绍其他内容。在本节中再多说一点,即通过继承 threading.Thread 实现多线程。举最后一个例子,通过继承 threading.Thread 创建子类,而不是直接调用Thread 函数。

  更新后的代码如下:

  import logging

  import threading

  class MyThread(threading.Thread):

  def __init__(self, number, logger):

  threading.Thread.__init__(self)

  self.number = number

  self.logger = logger

  def run(self):

  """

  运行线程

  """

  logger.debug('Calling doubler')

  doubler(self.number, self.logger)

  def get_logger():

  logger = logging.getLogger("threading_example")

  logger.setLevel(logging.DEBUG)

  fh = logging.FileHandler("threading_class.log")

  fmt = '%(asctime)s - %(threadName)s - %(levelname)s - %(message)s'

  formatter = logging.Formatter(fmt)

  fh.setFormatter(formatter)

  logger.addHandler(fh)

  return logger

  def doubler(number, logger):

  """

  可以被线程使用的一个函数

  """

  logger.debug('doubler function executing')

  result = number * 2

  logger.debug('doubler function ended with: {}'.format(

  result))

  if __name__ == '__main__':

  logger = get_logger()

  thread_names = ['Mike', 'George', 'Wanda', 'Dingbat', 'Nina']

  for i in range(5):

  thread = MyThread(i, logger)

  thread.setName(thread_names[i])

  thread.start()

  这个例子中,我们只是创建一个继承于 threading.Thread 的子类。像之前一样,传入一个需要翻一番的数字,以及 logging 对象。但是这次,设置线程名称的方式有点不太一样,变成了通过调用 thread 对象的 setName 方法来设置。不过仍然需要调用 start 来启动线程,不过你可能注意到我们并不需要在子类中定义该方法。当调用 start 时,它会通过调用 run 方法来启动线程。在我们的类中,我们调用 doubler 函数来做处理。输出结果中除了一些添加的额外信息内容几乎差不多。运行下这个脚本,看看你会得到什么。

  线程锁与线程同步

  当你有多个线程,就需要考虑怎样避免线程冲突。我的意思是说,你可能遇到多个线程同时访问同一资源的情况。如果不考虑这些问题并且制定相应的解决方案,那么在开发产品过程中,你总会在最糟糕的时候遇到这些棘手的问题。

  解决办法就是使用线程锁。锁由 Python 的 threading 模块提供,并且它最多被一个线程所持有。当一个线程试图获取一个已经锁在资源上的锁时,该线程通常会暂停运行,直到这个锁被释放。来让我们看一个非常典型没有却应具备锁功能的例子:

  import threading

  total = 0

  def update_total(amount):

  """

  Updates the total by the given amount

  """

  global total

  total += amount

  print (total)

  if __name__ == '__main__':

  for i in range(10):

  my_thread = threading.Thread(

  target=update_total, args=(5,))

  my_thread.start()

  如果往以上代码添加 time.sleep 函数并给出不同长度的时间,可能会让这个例子更有意思。无论如何,这里的问题是,一个线程可能已经调用 update_total 函数并且还没有更新完成,此时另一个线程也有可能调用它并且尝试更新内容。根据操作执行顺序的不同,该值可能只被增加一次。

  让我们给这个函数添加锁。有两种方法可以实现。第一种方式是使用 try/finally ,从而确保锁肯定会被释放。下面是示例:

  import threading

  total = 0

  lock = threading.Lock()

  def update_total(amount):

  """

  Updates the total by the given amount

  """

  global total

  lock.acquire()

  try:

  total += amount

  finally:

  lock.release()

  print (total)

  if __name__ == '__main__':

  for i in range(10):

  my_thread = threading.Thread(

  target=update_total, args=(5,))

  my_thread.start()

  如上,在我们做任何处理之前就获取锁。然后尝试更新 total 的值,最后释放锁并打印出 total 的当前值。事实上,我们可以使用 Python 的 with 语句避免使用 try/finally 这种较为繁琐的语句:

  import threading

  total = 0

  lock = threading.Lock()

  def update_total(amount):

  """

  Updates the total by the given amount

  """

  global total

  with lock:

  total += amount

  print (total)

  if __name__ == '__main__':

  for i in range(10):

  my_thread = threading.Thread(

  target=update_total, args=(5,))

  my_thread.start()

  正如你看到的那样,我们不再需要 try/finally 作为上下文管理器,而是由 with 语句作为替代。

  当然你也会遇到要在代码中通过多个线程访问多个函数的情况。当你第一次编写并发代码时,代码可能是这样的:

  import threading

  total = 0

  lock = threading.Lock()

  def do_something():

  lock.acquire()

  try:

  print('Lock acquired in the do_something function')

  finally:

  lock.release()

  print('Lock released in the do_something function')

  return "Done doing something"

  def do_something_else():

  lock.acquire()

  try:

  print('Lock acquired in the do_something_else function')

  finally:

  lock.release()

  print('Lock released in the do_something_else function')

  return "Finished something else"

  if __name__ == '__main__':

  result_one = do_something()

  result_two = do_something_else()

  这样的代码在上面的情况下能够正常工作,但假设你有多个线程都调用这两个函数呢。当一个线程正在运行这两个函数,然后另外一个线程也可能会修改这些数据,最后得到的就是不正确的结果。问题是,你甚至可能没有马上意识到结果错了。有什么解决办法呢?让我们试着找出答案。

  通常首先想到的就是在调用这两个函数的地方上锁。让我们试着修改上面的例子,修改成如下所示:

  import threading

  total = 0

  lock = threading.RLock()

  def do_something():

  with lock:

  print('Lock acquired in the do_something function')

  print('Lock released in the do_something function')

  return "Done doing something"

  def do_something_else():

  with lock:

  print('Lock acquired in the do_something_else function')

  print('Lock released in the do_something_else function')

  return "Finished something else"

  def main():

  with lock:

  result_one = do_something()

  result_two = do_something_else()

  print (result_one)

  print (result_two)

  if __name__ == '__main__':

  main()

  当你真正运行这段代码时,你会发现它只是挂起了。究其原因,是因为我们只告诉 threading 模块获取锁。所以当我们调用第一个函数时,它发现锁已经被获取,随后便把自己挂起了,直到锁被释放,然而这将永远不会发生。

  真正的解决办法是使用 重入锁(Re-Entrant Lock) 。threading 模块提供的解决办法是使用 RLock 函数。即把 lock = threading.lock() 替换为 lock = threading.RLock() ,然后重新运行代码,现在代码就可以正常运行了。

  如果你想在线程中运行以上代码,那么你可以用以下代码取代直接调用 main 函数:

  if __name__ == '__main__':

  for i in range(10):

  my_thread = threading.Thread(

  target=main)

  my_thread.start()

  每个线程都会运行 main 函数,main 函数则会依次调用另外两个函数。最终也会产生 10 组结果集。

  定时器

  Threading 模块有一个优雅的 Timer 类,你可以用它来实现在指定时间后要发生的动作。它们实际上会启动自己的自定义线程,通过调用常规线程上的 start() 方法即可运行。你也可以调用它的 cancel 方法停止定时器。值得注意的是,你甚至可以在开始定时器之前取消它。

  有一天,我遇到一个特殊的情况:我需要与已经启动的子进程通信,但是我需要它有超时处理。虽然处理这种特殊问题有很多不同的方法,不过我最喜欢的解决方案是使用 threading 模块的 Timer 类。

  在下面这个例子中,我们将使用 ping 指令作为演示。在 Linux 系统中,ping 命令会一直运行下去直到你手动杀死它。所以在 Linux 世界里,Timer 类就显得非常方便。示例如下:

  import subprocess

  from threading import Timer

  kill = lambda process: process.kill()

  cmd = ['ping', 'www.google.com']

  ping = subprocess.Popen(

  cmd, stdout=subprocess.PIPE, stderr=subprocess.PIPE)

  my_timer = Timer(5, kill, [ping])

  try:

  my_timer.start()

  stdout, stderr = ping.communicate()

  finally:

  my_timer.cancel()

  print (str(stdout))

  这里我们在 lambda 表达式中调用 kill 杀死进程。接下来启动 ping 命令,然后创建 Timer 对象。你会注意到,第一个参数就是需要等待的秒数,第二个参数是需要调用的函数,紧跟其后的参数是要调用函数的入参。在本例中,我们的函数是一个 lambda 表达式,传入的是一个只有一个元素的列表。如果你运行这段代码,它应该会运行 秒钟,然后打印出 ping 的结果。

  其他线程组件

  Threading 模块包含对其他功能的支持。例如,你可以创建信号量( Semaphore ),这是计算机科学中最古老的同步原语之一。基本上,一个信号量管理一个内置的计数器。当你调用 acquire 时计数器就会 递减 ,相反当你调用 release 时就会 递增 。根据其设计,计数器的值无法小于零,所以如果正好在计数器为零时调用 acquire 方法,该方法将阻塞线程。

  译者注:通常使用信号量时都会初始化一个大于零的值,如 semaphore = threading.Semaphore(2)

  另一个非常有用的同步工具就是事件( Event )。它允许你使用信号(signal)实现线程通信。在下一节中我们将举一个使用事件的实例。

  最后,在 Python 3.2 中加入了 Barrier 对象。Barrier 是管理线程池中的同步原语,在线程池中多条线程需要相互等待对方。如果要传递 barrier,每一条线程都要调用 wait() 方法,在其他线程调用该方法之前线程将会阻塞。全部调用之后将会同时释放所有线程。

  线程通信

  某些情况下,你会希望线程之间互相通信。就像先前提到的,你可以通过创建 Event 对象达到这个目的。但更常用的方法是使用队列( Queue )。在我们的例子中,这两种方式都会有所涉及。下面让我们看看到底是什么样子的:

  import threading

  from queue import Queue

  def creator(data, q):

  """

  生成用于消费的数据,等待消费者完成处理

  """

  print('Creating data and putting it on the queue')

  for item in data:

  evt = threading.Event()

  q.put((item, evt))

  print('Waiting for data to be doubled')

  evt.wait()

  def my_consumer(q):

  """

  消费部分数据,并做处理

  这里所做的只是将输入翻一倍

  """

  while True:

  data, evt = q.get()

  print('data found to be processed: {}'.format(data))

  processed = data * 2

  print(processed)

  evt.set()

  q.task_done()

  if __name__ == '__main__':

  q = Queue()

  data = [5, 10, 13, -1]

  thread_one = threading.Thread(target=creator, args=(data, q))

  thread_two = threading.Thread(target=my_consumer, args=(q,))

  thread_one.start()

  thread_two.start()

  q.join()

  让我们掰开揉碎分析一下。首先,我们有一个创建者(creator)函数(亦称作生产者(producer)),我们用它来创建想要操作(或者消费)的数据。然后用另外一个函数 my_consumer 来处理刚才创建出来的数据。Creator 函数使用 Queue 的 put 方法向队列中插入数据,消费者将会持续不断的检测有没有更多的数据,当发现有数据时就会处理数据。Queue 对象处理所有的获取锁和释放锁的过程,这些不用我们太关心。

  在这个例子中,先创建一个列表,然后创建两个线程,一个用作生产者,一个作为消费者。你会发现,我们给两个线程都传递了 Queue 对象,这两个线程隐藏了关于锁处理的细节。队列实现了数据从第一个线程到第二个线程的传递。当第一个线程把数据放入队列时,同时也传递一个 Event 事件,紧接着挂起自己,等待该事件结束。在消费者侧,也就是第二个线程,则做数据处理工作。当完成数据处理后就会调用 Event 事件的 set 方法,通知第一个线程已经把数据处理完毕了,可以继续生产了。

  最后一行代码调用了 Queue 对象的 join 方法,它会告知 Queue 等待所有线程结束。当第一个线程把所有数据都放到队列中,它也就运行结束了。

  结束语

  以上涵盖了关于线程的诸多方面,主要包括:

  线程基础知识

  锁的工作方式

  什么是事件以及如何使用

  如何使用定时器

  通过 Queues/Events 实现线程间通信

  现在你们知道如何使用线程以及线程擅长什么了,希望在你们的代码中能有它们的用武之地。

 

文章来源: 数据分析网

你可能感兴趣的:(Python学习之多线程编程)