【Python零基础入门篇 · 31】:多线程、线程的无序和封装

简介: 【Python零基础入门篇 · 31】:多线程、线程的无序和封装

多任务的概念


并发: 在一段时间内交替去执行任务


并行: 对于多核cpu处理多任务,操作系统会给cpu的每个内核安排一个执行的软件,多个内核是真正的一起执行软件。


这里需要注意多核cpu是并行的执行多任务,始终有多个软件一起执行。





多线程


使用threading模块里面的Thread类创建出实例对象, 然后通过**start()**方法真正的去产生一个新的线程。



主线程和子线程


解释器中来执行代码的叫做主线程。


通过start()方法创建出来的叫做子线程。


  • 线程模块:threading


  • 创建子线程:Thread()


  • 开启线程:start()


基本代码演示


  • 下图的代码逻辑:


  • 开启子线程时会**同时运行func()和funb()**函数,同时等待两秒,相当于减少了两秒时间


67efe5b037f74b1a8fec2a05e54216f1.png



setDaemon(True)的使用


守护线程,主线程执行完了,子线程也会跟着结束,要放在start()前面。


代码逻辑:


   过滤执行代码__name__=='__main__'下的代码开始执行,执行到 t1.start()和t2.start()时,同时运行 func()和funb() 函数,然后程序继续运行 t1.start()和t2.start() 后的代码。


   print(123)是主线程的代码,运行完主线程的代码之后子线程也会跟着结束,因为 t1.start()和t2.start() 中有时间等待,在这个等待的时间里子线程已经随着主线程一起结束,所以后面的代码执行无法执行。


34c7efb5fa034c468620982f22e88253.png



join()的使用


阻塞主线程:暂停的作用,等添加了join的子线程执行完,主线程才继续执行,要放在start()后面。


代码逻辑:


  • 过滤执行代码__name__=='__main__'下的代码开始执行,执行到 t1.join()时会等到 fund()函数运行结束后,才继续执行 t1.join()后的代码

1422d6a66f1f48638137afa5309ab4ea.png


setName()和getName()的使用


setName():修改线程的名字,括号中写入的是所要修改成的名字


getName():获取线程名字


d6e91b13c1324eceace138803abd227a.png


线程的无序


threading.current_thread().name——显示当前的线程对象名


f61c41290f8349faa9a3f8e5fe319d8a.png



线程的封装


代码逻辑:


  • 过滤执行代码__name__=='__main__'下的代码开始执行,运行到 my.start() 时会调用 Mythread 类中的 run() 方法,不会调用text()方法


9b36a176f6364d7aaf705360d4af7af2.png

相关文章
|
人工智能 安全 调度
Python并发编程之线程同步详解
并发编程在Python中至关重要,线程同步确保多线程程序正确运行。本文详解线程同步机制,包括互斥锁、信号量、事件、条件变量和队列,探讨全局解释器锁(GIL)的影响及解决线程同步问题的最佳实践,如避免全局变量、使用线程安全数据结构、精细化锁的使用等。通过示例代码帮助开发者理解并提升多线程程序的性能与可靠性。
375 0
|
11月前
|
Java 调度 数据库
Python threading模块:多线程编程的实战指南
本文深入讲解Python多线程编程,涵盖threading模块的核心用法:线程创建、生命周期、同步机制(锁、信号量、条件变量)、线程通信(队列)、守护线程与线程池应用。结合实战案例,如多线程下载器,帮助开发者提升程序并发性能,适用于I/O密集型任务处理。
885 0
|
数据采集 消息中间件 并行计算
Python多线程与多进程性能对比:从原理到实战的深度解析
在Python编程中,多线程与多进程是提升并发性能的关键手段。本文通过实验数据、代码示例和通俗比喻,深入解析两者在不同任务类型下的性能表现,帮助开发者科学选择并发策略,优化程序效率。
886 1
|
人工智能 自然语言处理 安全
Python构建MCP服务器:从工具封装到AI集成的全流程实践
MCP协议为AI提供标准化工具调用接口,助力模型高效操作现实世界。
1914 1
|
数据采集 监控 调度
干货分享“用 多线程 爬取数据”:单线程 + 协程的效率反超 3 倍,这才是 Python 异步的正确打开方式
在 Python 爬虫中,多线程因 GIL 和切换开销效率低下,而协程通过用户态调度实现高并发,大幅提升爬取效率。本文详解协程原理、实战对比多线程性能,并提供最佳实践,助你掌握异步爬虫核心技术。
|
数据采集 存储 Java
多线程Python爬虫:加速大规模学术文献采集
多线程Python爬虫:加速大规模学术文献采集
|
数据采集 Java 数据处理
Python实用技巧:轻松驾驭多线程与多进程,加速任务执行
在Python编程中,多线程和多进程是提升程序效率的关键工具。多线程适用于I/O密集型任务,如文件读写、网络请求;多进程则适合CPU密集型任务,如科学计算、图像处理。本文详细介绍这两种并发编程方式的基本用法及应用场景,并通过实例代码展示如何使用threading、multiprocessing模块及线程池、进程池来优化程序性能。结合实际案例,帮助读者掌握并发编程技巧,提高程序执行速度和资源利用率。
872 0
|
并行计算 数据处理 调度
Python中的并发编程:探索多线程与多进程的奥秘####
本文深入探讨了Python中并发编程的两种主要方式——多线程与多进程,通过对比分析它们的工作原理、适用场景及性能差异,揭示了在不同应用需求下如何合理选择并发模型。文章首先简述了并发编程的基本概念,随后详细阐述了Python中多线程与多进程的实现机制,包括GIL(全局解释器锁)对多线程的影响以及多进程的独立内存空间特性。最后,通过实例演示了如何在Python项目中有效利用多线程和多进程提升程序性能。 ####
|
数据采集 存储 安全
如何确保Python Queue的线程和进程安全性:使用锁的技巧
本文探讨了在Python爬虫技术中使用锁来保障Queue(队列)的线程和进程安全性。通过分析`queue.Queue`及`multiprocessing.Queue`的基本线程与进程安全特性,文章指出在特定场景下使用锁的重要性。文中还提供了一个综合示例,该示例利用亿牛云爬虫代理服务、多线程技术和锁机制,实现了高效且安全的网页数据采集流程。示例涵盖了代理IP、User-Agent和Cookie的设置,以及如何使用BeautifulSoup解析HTML内容并将其保存为文档。通过这种方式,不仅提高了数据采集效率,还有效避免了并发环境下的数据竞争问题。
451 1
如何确保Python Queue的线程和进程安全性:使用锁的技巧
Python中的多线程与多进程
本文将探讨Python中多线程和多进程的基本概念、使用场景以及实现方式。通过对比分析,我们将了解何时使用多线程或多进程更为合适,并提供一些实用的代码示例来帮助读者更好地理解这两种并发编程技术。

热门文章

最新文章

推荐镜像

更多