Python中线程的实现
1. 线程
在Python中，threading 库提供了线程的接口。我们通过threading 中提供的接口创建、启动、同步线程。
例1. 使用线程旋转指针
想象一个场景：程序执行了一个耗时较长的操作，如复制一个大文件，我们希望这个过程中程序显示一个动画，表示程序正常运行没有卡死。
简化一下：启动一个函数，执行 3 秒。在这3秒内，在终端持续显示指针旋转的动画。下面用线程来实现这个操作。
注：本例代码主要来自《流畅的Python》(第二版) 19.4.
1首先我们定义旋转函数spin和阻塞函数slow。
spin函数每隔0.1s依次打印\|/-，看起来就像是指针转动：
import itertools import time def spin(msg: str) -> None: for char in itertools.cycle(r'\|/-'): status = f'\r{char} {msg}' print(status, end='', flush=True) time.sleep(0.1) blanks = ' ' * len(status) print(f'\r{blanks}\r', end='') if __name__ == '__main__': spin("thinking...")
slow函数用来模拟一个耗时的操作。这里我们直接调用time.sleep(3) 等待3秒，然后返回一个结果。
# 阻塞3秒，并返回42 def slow() -> int: time.sleep(3) return 42
调用time.sleep() 阻塞所在的线程，但是释放 GIL，其他 Python 线程可以继续运行。
现在，我们要用线程实现并发。看起来就像是slow和spin同时进行。
下面对spin函数做了一些修改，通过threading.Event信号量来同步线程。
import itertools import time from threading import Thread, Event # 旋转 def spin(msg: str, done: Event) -> None: # done用于同步线程 for char in itertools.cycle(r'\|/-'): status = f'\r{char} {msg}' print(status, end='', flush=True) if done.wait(.1): #等待/阻塞 。除非有其他线程set了这个事件,则返回True；或者经过指定的时间(0.1s)后，返回 False。 break blanks = ' ' * len(status) print(f'\r{blanks}\r', end='') # 阻塞3秒，并返回42 def slow() -> int: time.sleep(3) return 42
使用线程来并发执行两个函数。
下面我们只手动启动了一个spinner线程，因为程序本身就有一个主线程。
def supervisor() -> int: done = Event() # 信号量，用于线程同步 spinner = Thread(target=spin, args=('thinking!', done)) # 使用Thread创建线程实例spinner。 print(f'spinner object: {spinner}') spinner.start() # 启动spinner线程 result = slow() # 调用slow，阻塞 main 线程。同时，次线程spinner运行旋转指针动画 done.set() # 设置done为真，唤醒等待done的线程。结束spinner中的循环。 spinner.join() # 等待spinner 线程结束。-貌似这里加不加都不影响。 return result def main() -> None: result = supervisor() print(f'Answer: {result}') if __name__ == '__main__': main()
程序的执行顺序，主要步骤都发生在supervisor函数中，我们跳过main从supervisor开始看。
由于GIL的存在，同一时刻只有一个线程在执行。所以下面是一个顺序执行的过程。
执行过程大致如下：
主线程：创建spinner线程，启动spinner线程
spinner线程：输出字符，然后遇到done.wait(.1) 阻塞自己。
主线程：调用slow函数，遇到time.sleep(3) 阻塞
spinner线程：done.wait(.1) 超过了0.1秒返回False，继续输出字符。重复进行阻塞0.1秒、输出字符。
3秒后…
主线程：slow执行完毕，返回结果42。主线程继续执行done.set()，这会唤醒等待done的线程spinner。
spinner线程：运行到done.wait(.1)，由于主线程执行了done.set()使得这里的结果为True，所以执行break，结束循环。执行循环下面的print语句后spinner线程结束。
主线程：返回结果。
例2.计算因子
第二个例子我们看一个（失败的）并行计算的例子：
我们希望用n个线程并行计算n个数各自的因子。
注：本例代码来自《Effective Python》(第二版) 第53章
基准方法：
逐个计算。
import time # 计算number的因子 def factorize(number): for i in range(1, number + 1): if number % i == 0: yield i numbers = [2139079, 1214759, 1516637, 1852285, 14256346, 12456533] start = time.time() for number in numbers: list(factorize(number)) end = time.time() delta = end - start print(f'串行方法花费了 {delta:.3f} 秒')
多线程方式：
可以像例1中使用Thread函数实现线程：
def get_factor(number): factors = list(factorize(number)) return factors start = time.time() threads = [] for number in numbers: thread = Thread(target=get_factor, args=(number,)) thread.start() # 启动 threads.append(thread) # 等待所有线程完成 for thread in threads: thread.join() # 等待完成 end = time.time() delta = end - start print(f'Thread方法花费了 {delta:.3f} 秒')
实现线程的另一种方式是继承Thread类并实现run方法：
from threading import Thread # 继承Thread，需要实现run方法，在run方法中执行要做的事情 class FactorizeThread(Thread): def __init__(self, number): super().__init__() self.number = number def run(self): self.factors = list(factorize(self.number)) start = time.time() threads = [] for number in numbers: thread = FactorizeThread(number) thread.start() # 启动 threads.append(thread) # 等待所有线程完成 for thread in threads: thread.join() # 等待完成 end = time.time() delta = end - start print(f'Thread方法花费了 {delta:.3f} 秒')
运行结果：
你会发现这个多线程的版本并没有变快，这并不意外。
介绍线程时说过，因为GIL的存在，多线程无法同时执行，甚至因为创建和切换线程产生额外的开销导致耗时增加。
小结：
在GIL的限制下，Python线程对于并行计算没有用处，但是对于等待（IO、网络、后台任务）是有用处的。下一节我们会看一些Python线程的实际案例。
