python对于守护进程join , 以及daemon 的使用条件

简介: python对于守护进程join , 以及daemon 的使用条件

对于守护进程daemon , join 的使用条件

daemon属性

  1. daemon 属性:
  • 在创建线程时,可以设置线程的 daemon 属性。如果将一个线程设置为守护线程(daemon=True),则该线程会在主线程结束时自动退出,而不管该守护线程是否完成。
  • 守护线程的作用是在主线程运行时,守护线程也在运行,但主线程结束后,守护线程将被强制退出,不等待它完成。这通常用于执行一些后台任务,如监控或定期清理
import threading
import time
def daemon_thread():
    while True:
        print("Daemon thread is running...")
        time.sleep(1)
daemon_thread = threading.Thread(target=daemon_thread)
daemon_thread.daemon = True  # 设置为守护线程
daemon_thread.start()
time.sleep(3)  # 主线程等待3秒
print("Main thread is exiting.")
  1. 守护进程join
  • join 方法用于等待线程结束。调用线程的 join 方法会阻塞当前线程,直到被调用的线程执行完成。
  • 如果不调用 join,主线程可能在子线程执行完之前就退出。join 用于确保主线程等待所有子线程完成,然后再继续执行。
import threading
import time
def worker():
    time.sleep(2)
    print("Worker thread is done.")
thread = threading.Thread(target=worker)
thread.start()
thread.join()  # 等待子线程执行完成
print("Main thread is exiting.")

所以,daemonjoin 的区别在于:

  • daemon 控制线程是否在主线程退出时自动退出。
  • join 控制主线程是否等待子线程完成后再继续执行。
  1. 等待子线程完成: 当主线程启动了多个子线程,并且主线程需要等待所有子线程都执行完成后再继续执行,就可以使用 join 方法
pythonCopy code
import threading
import time
def worker(name, delay):
    print(f"{name} starts working.")
    time.sleep(delay)
    print(f"{name} finishes working.")
thread1 = threading.Thread(target=worker, args=("Thread 1", 3))
thread2 = threading.Thread(target=worker, args=("Thread 2", 5))
thread1.start()
thread2.start()
thread1.join()
thread2.join()
print("All threads have finished. Main thread exits.")
  1. 线程协同: 在某些情况下,主线程可能需要等待一个子线程执行完成后,将结果传递给另一个子线程。通过 join,可以确保线程的执行顺序。
pythonCopy code
import threading
import time
result = None
def worker1():
    global result
    print("Worker 1 starts working.")
    time.sleep(3)
    result = "Result from Worker 1"
    print("Worker 1 finishes working.")
def worker2():
    global result
    print("Worker 2 starts working.")
    while result is None:
        time.sleep(1)
    print(f"Worker 2 uses result: {result}")
    print("Worker 2 finishes working.")
thread1 = threading.Thread(target=worker1)
thread2 = threading.Thread(target=worker2)
thread1.start()
thread2.start()
thread1.join()
thread2.join()
print("All threads have finished. Main thread exits.")
  1. 主线程等待多个子线程的完成: 当有多个子线程时,主线程可以使用 join 逐个等待它们的完成,以确保它们按照预期的顺序执行
pythonCopy code
import threading
import time
def worker(name, delay):
    print(f"{name} starts working.")
    time.sleep(delay)
    print(f"{name} finishes working.")
threads = []
for i in range(5):
    thread = threading.Thread(target=worker, args=(f"Thread {i}", i))
    threads.append(thread)
    thread.start()
for thread in threads:
    thread.join()
print("All threads have finished. Main thread exits.")

总之,join 方法用于线程之间的同步,确保主线程等待所需的子线程执行完成。

相关文章
|
7天前
|
调度 iOS开发 MacOS
python多进程一文够了!!!
本文介绍了高效编程中的多任务原理及其在Python中的实现。主要内容包括多任务的概念、单核和多核CPU的多任务实现、并发与并行的区别、多任务的实现方式(多进程、多线程、协程等)。详细讲解了进程的概念、使用方法、全局变量在多个子进程中的共享问题、启动大量子进程的方法、进程间通信(队列、字典、列表共享)、生产者消费者模型的实现,以及一个实际案例——抓取斗图网站的图片。通过这些内容,读者可以深入理解多任务编程的原理和实践技巧。
24 1
|
14天前
|
Python
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。
|
27天前
|
数据挖掘 程序员 调度
探索Python的并发编程:线程与进程的实战应用
【10月更文挑战第4天】 本文深入探讨了Python中实现并发编程的两种主要方式——线程和进程,通过对比分析它们的特点、适用场景以及在实际编程中的应用,为读者提供清晰的指导。同时,文章还介绍了一些高级并发模型如协程,并给出了性能优化的建议。
26 3
|
2月前
|
负载均衡 Java 调度
探索Python的并发编程:线程与进程的比较与应用
本文旨在深入探讨Python中的并发编程,重点比较线程与进程的异同、适用场景及实现方法。通过分析GIL对线程并发的影响,以及进程间通信的成本,我们将揭示何时选择线程或进程更为合理。同时,文章将提供实用的代码示例,帮助读者更好地理解并运用这些概念,以提升多任务处理的效率和性能。
55 3
|
24天前
|
存储 Python
Python中的多进程通信实践指南
Python中的多进程通信实践指南
14 0
|
1月前
|
数据采集 消息中间件 Python
Python爬虫-进程间通信
Python爬虫-进程间通信
|
2月前
|
数据采集 Linux 调度
Python之多线程与多进程
Python之多线程与多进程
|
2月前
|
存储 算法 Java
关于python3的一些理解(装饰器、垃圾回收、进程线程协程、全局解释器锁等)
该文章深入探讨了Python3中的多个重要概念,包括装饰器的工作原理、垃圾回收机制、进程与线程的区别及全局解释器锁(GIL)的影响等,并提供了详细的解释与示例代码。
27 0
|
2月前
|
调度 Python
python3多进程实战(python3经典编程案例)
该文章提供了Python3中使用多进程的实战案例,展示了如何通过Python的标准库`multiprocessing`来创建和管理进程,以实现并发任务的执行。
71 0
|
2月前
|
并行计算 API 调度
探索Python中的并发编程:线程与进程的对比分析
【9月更文挑战第21天】本文深入探讨了Python中并发编程的核心概念,通过直观的代码示例和清晰的逻辑推理,引导读者理解线程与进程在解决并发问题时的不同应用场景。我们将从基础理论出发,逐步过渡到实际案例分析,旨在揭示Python并发模型的内在机制,并比较它们在执行效率、资源占用和适用场景方面的差异。文章不仅适合初学者构建并发编程的基础认识,同时也为有经验的开发者提供深度思考的视角。