Python教程:如何创建多线程?

简介: Python教程:如何创建多线程?

一、python线程的模块

1.thread和threading模块

  • thread模块提供了基本的线程和锁的支持
  • threading提供了更高级别、功能更强的线程管理的功能。

2. Queue模块

Queue模块允许用户创建一个可以用于多个线程之间共享数据的队列数据结构。

3.注意模块的选择

  • 避免使用thread模块
  • 因为更高级别的threading模块更为先进,对线程的支持更为完善
  • 而且使用thread模块里的属性有可能会与threading出现冲突;
  • 其次低级别的thread模块的同步原语很少(实际上只有一个),而threading模块则有很多;
  • 再者,thread模块中当主线程结束时,所有的线程都会被强制结束掉,没有警告也不会有正常的清除工作,至少threading模块能确保重要的子线程退出后进程才退出。

注意:thread模块不支持守护线程,当主线程退出时,所有的子线程不论它们是否还在工作,都会被强行退出。而threading模块支持守护线程,守护线程一般是一个等待客户请求的服务器,如果没有客户提出请求它就在那等着,如果设定一个线程为守护线程,就表示这个线程是不重要的,在进程退出的时候,不用等待这个线程退出。

二、Threading模块

multiprocess模块的完全模仿了threading模块的接口,二者在使用层面,有很大的相似性,因而不再详细介绍

三、通过Threading.Thread类来创建线程

1 .创建线程的方式一

直接通过Threading.Thread来创建

from threading import Thread
import time

def task(name):
    print(f'子线程{name} is running')
    time.sleep(1)
    print(f'子线程{name} is end')
    
# 因为创建线程不需要重新开辟内存空间,所以不用写main,创建线程只是单独把启动线程函数里面的代码拿出来用
t = Thread(target=task,args=('小明',))
t.start()
print('主线程结束')

2 创建线程的方式二

通过自定义类来继承Thread类来创建线程

from threading import Thread
import time

class MyDic(Thread,name):
    def __init__(self,name)
        super().__init__()
        self.name = name
    
    def run(self):
        print(f'子线程{name} is running')
        time.sleep(1)
        print(f'子线程{name} is end')

       
t = Mydic('小明')
t.start()
print('主进程结束')

四、多线程和多进程的比较

1 pid的比较

from threading import Thread
from multiprocessing import  Process
import time
import os

def task(name):
    print(f'子线程{name} is running')
    time.sleep(1)
    print(f'子线程{name} is end')
    print(f'子线程{name}的pid:{os.getpid()}')


def task1(name):
    print(f'进程{name} is running')
    time.sleep(1)
    print(f'进程{name} is end')
    print(f'进程的{name}pid:{os.getpid()}')


if __name__ == '__main__':
    # part1:在主进程下开启多个线程,每个线程都跟主进程的pid一样
    t = Thread(target=task, args=('小明',))
    t.start()
    t.join()
    print(f'主线程的pid:{os.getpid()}')

    
    # 开多个进程,每一个进程的pid号都不一样
    p = Process(target=task1,args=('zhangsan',))
    p1 = Process(target=task1,args=('zhang',))
    p.start()
    p1.start()
    p.join()
    p1.join()
    print(f'主进程的pid:{os.getpid()}')

2 线程和进程开启效率的较量

from threading import Thread
from multiprocessing import Process
import time

def task(name):
    print(f'{name} is running')
    time.sleep(2)
    print(f'{name} is end')


if __name__ == '__main__':
    t = Thread(target=task,args=('子线程',))
    p = Process(target=task,args=('子进程',))
    t.start()
    # p.start()
    print('主')

(1.开启线程的速度:

子线程 is running

主

子线程 is end

(2.开启进程的速度:

主

子进程 is running

子进程 is end

3 内存数据共享问题

from threading  import Thread
from multiprocessing import  Process
import time,os

x = 100
def task():
    global x
    x = 50 # 此时线程是在拿全局的x的值
    print(os.getpid()) # 因为开启线程是不需要操作系统给线程分配内存空间的,所以线程用的是它当前所在的进程的进程号


if __name__ == '__main__':
    # 线程
    t = Thread(target=task)
    t.start()
    time.sleep(2)
    print(x) # 50,这里说明线程他是共享他所在进程下的所有资源,对资源进行一系列的操作
    print(os.getpid())

    # 进程
   # p = Process(target=task)
   # p.start() 
   # print(x) # 这里的x还是主进程的x 100

五、Thread类的其他方法

Thread实例对象的方法:

  • isAlive():返回线程是否活动的。
  • getName():返回线程名。
  • setName():设置线程名。

threading模块提供的一些方法:

  • threading.currentThread():返回当前的线程变量。
  • threading.enumerate():返回一个包含正在运行的线程的list。正在运行指线程启动后、结束前,不包括启动前和终止后的线程。
  • threading.activeCount():返回正在运行的线程数量,与len(threading.enumerate())有相同的结果。

1 代码实例

from threading import Thread,currentThread,enumerate,activeCount
import time

def task():
    print('子线程 start')
    time.sleep(2)
    print('子线程 end')
    print(enumerate())# 返回一个包含正在运行的线程的list。正在运行指线程启动后、结束前,不包括启动前和终止后的线程。
    print(currentThread(),'子线程') # 返回当前的线程变量
    print(activeCount())

if __name__ == '__main__':
   t1 = Thread(target=task)
   t2 = Thread(target=task)
   t1.start()
   t2.start()
   t2.setName('小明')
   print(t2.getName()) # 得到t2的线程名字,是我们设置好的小明
   print(t1.getName()) # 得到t1的线程名子 Thread-1
   print(t1.is_alive()) # True

2 join方法

from threading import Thread
import time
def task():
    print('子线程 start')
    time.sleep(2)
    print('子线程 end')

t = Thread(target=task)
t.start() #Python学习交流群:711312441
t.join() # 等待子线程运行结束
print('主线程')

六、多线程实现socket

1 服务端

import socket
from threading import Thread

socket = socket.socket(socket.AF_INET,socket.SOCK_STREAM)
socket.bind(('192.168.11.78',8004))
socket.listen(5)

def action(conn,addr):
    while True:
        try:

            msg = (conn.recv(1024)).decode('utf8').upper()
            print(f'客户端{addr}发送的数据为:{msg.lower()}')
            print(f'向客户端{addr}发送数据为',msg)
            conn.send(msg.encode('utf8'))
        except:
            break


if __name__ == '__main__':
    print('等待客户端连接:')
    while True:
        try:
            conn,addr = socket.accept()
            print(f'客户端已连接{addr}')
            t = Thread(target=action,args=(conn,addr))
            t.start()
        except:
            print(f'客户端{addr}断开连接 !!')
            break

2 客户端

import  socket

client = socket.socket()
client.connect(('192.168.11.78',8004))

while True:
    msg = input('输入:')
    if msg == 'q':
        break
    client.send(msg.encode('utf8'))
    flag = client.recv(1024)
    print('接收服务端的数据为:',flag.decode('utf8'))
相关文章
|
1月前
|
数据可视化 DataX Python
Seaborn 教程-绘图函数
Seaborn 教程-绘图函数
77 8
|
1月前
Seaborn 教程-主题(Theme)
Seaborn 教程-主题(Theme)
132 7
|
1月前
|
Python
Seaborn 教程-模板(Context)
Seaborn 教程-模板(Context)
52 4
|
1月前
|
数据可视化 Python
Seaborn 教程
Seaborn 教程
52 5
|
2月前
|
数据采集 存储 数据处理
Python中的多线程编程及其在数据处理中的应用
本文深入探讨了Python中多线程编程的概念、原理和实现方法,并详细介绍了其在数据处理领域的应用。通过对比单线程与多线程的性能差异,展示了多线程编程在提升程序运行效率方面的显著优势。文章还提供了实际案例,帮助读者更好地理解和掌握多线程编程技术。
|
2月前
|
Python
SciPy 教程 之 Scipy 显著性检验 9
SciPy 教程之 Scipy 显著性检验第9部分,介绍了显著性检验的基本概念、作用及原理,通过样本信息判断假设是否成立。着重讲解了使用scipy.stats模块进行显著性检验的方法,包括正态性检验中的偏度和峰度计算,以及如何利用normaltest()函数评估数据是否符合正态分布。示例代码展示了如何计算一组随机数的偏度和峰度。
36 1
|
2月前
|
BI Python
SciPy 教程 之 Scipy 显著性检验 8
本教程介绍SciPy中显著性检验的应用,包括如何利用scipy.stats模块进行显著性检验,以判断样本与总体假设间的差异是否显著。通过示例代码展示了如何使用describe()函数获取数组的统计描述信息,如观测次数、最小最大值、均值、方差等。
39 1
|
2月前
|
数据采集 数据可视化 数据挖掘
深入浅出:使用Python进行数据分析的基础教程
【10月更文挑战第41天】本文旨在为初学者提供一个关于如何使用Python语言进行数据分析的入门指南。我们将通过实际案例,了解数据处理的基本步骤,包括数据的导入、清洗、处理、分析和可视化。文章将用浅显易懂的语言,带领读者一步步掌握数据分析师的基本功,并在文末附上完整的代码示例供参考和实践。
|
2月前
|
Python
SciPy 教程 之 Scipy 显著性检验 6
显著性检验是统计学中用于判断样本与总体假设间是否存在显著差异的方法。SciPy的scipy.stats模块提供了执行显著性检验的工具,如T检验,用于比较两组数据的均值是否来自同一分布。通过ttest_ind()函数,可以获取两样本的t统计量和p值,进而判断差异是否显著。示例代码展示了如何使用该函数进行T检验并输出结果。
39 1
|
2月前
|
监控 JavaScript 前端开发
python中的线程和进程(一文带你了解)
欢迎来到瑞雨溪的博客,这里是一位热爱JavaScript和Vue的大一学生分享技术心得的地方。如果你从我的文章中有所收获,欢迎关注我,我将持续更新更多优质内容,你的支持是我前进的动力!🎉🎉🎉
37 0