Python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 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-10

Thread-22

Thread-34

Thread-46

Thread-58

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 loggerdef 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 executing2016-07-24 20:39:50,055 - Mike - DEBUG - doubler function ended with: 02016-07-24 20:39:50,055 - George - DEBUG - doubler function executing2016-07-24 20:39:50,056 - George - DEBUG - doubler function ended with: 22016-07-24 20:39:50,056 - Wanda - DEBUG - doubler function executing2016-07-24 20:39:50,056 - Wanda - DEBUG - doubler function ended with: 42016-07-24 20:39:50,056 - Dingbat - DEBUG - doubler function executing2016-07-24 20:39:50,057 - Dingbat - DEBUG - doubler function ended with: 62016-07-24 20:39:50,057 - Nina - DEBUG - doubler function executing2016-07-24 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.get
		Logger("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 loggerdef 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 subprocessfrom 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 5 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

你可能感兴趣的:(Python,Python爬虫,python,多线程,线程,编程,Queue)