【Python之旅】第六篇(三):Python多线程及其使用方法

简介:

1.Python中的多线程

    执行一个程序,即在操作系统中开启了一个进程,在某一时刻,一个CPU内核只能进行一个进程的任务,现在的计算机所说的多进程/多任务其实是通过加快CPU的执行速度来实现的,因为一个CPU每秒能执行上亿次的计算,能够对进程进行很多次切换,所以在人为可以感知的时间里,看上去,计算机确实是在同时执行多个程序,即同时处理多个进程。

    一个进程中可以包含有多个线程,这多个线程为实现该进程的某个主要功能而运行着,多个线程可以进行串行工作,也可以并发同时进行工作,显然后者可以节省更多的时间。

    在Python中是支持多线程并发执行的,只是Python中的多线程只能利用单核,也就是说Python中的某一个进程的多个线程只能在一个CPU核心上运行,而不能分配在多个CPU核心中运行,这是考虑到线程安全的缘故,而Python中的GIL则保证了线程安全。关于Python中的GIL,可以参考下面一篇文章:《浅析Python的GIL和线程安全》

   下面是自己在学习过程中的一些课堂笔记,因为还没有真正学习一些理论,所以可能会有些错误,但目前是方便自己的理解:

1
2
3
4
5
6
7
8
9
即GLI是以CPU核心为单位来控制全局锁,所以是不能跨不同的CPU(核心 )的
GLI可以保证同一个进程中,某一个线程的共享数据在某一时刻只能同时被另外一个线程修改(使用),
而不能同时被多个线程修改(使用),如果去掉GLI,则需要自己为线程加锁,这样之后,性能比原来还要差。
当然,难道就不能充分利用多核CPU或多个CPU了?
做成多进程就可以了,不同的进程运行在不同的CPU(核心)上,也可以实现并发,
只是这样的话就会比较浪费内存空间,考虑同时运行 10 个QQ程序的情况,
假如 1 个QQ占用500M的内存空间,则 10 个QQ就要占用5G的内存空间了。但如果是多线程的话,
可能 10 个QQ还是共享着这500M的内存空间。还有一个缺点就是,多进程间的数据直接访问可能
会比较麻烦,但其实也是可以实现的,比如chrome浏览器就是用多进程实现的。

     目前首先要明确的是,Python中是不能把一个进程的多个线程分布在不同的CPU核心上运行的。


2.Python多线程使用方法1

    给出下面的程序代码及注释:

1
2
3
4
5
6
7
8
9
10
import  threading    #Python多线程模块
import  time
 
def run(num):
     print  'Hi, I am thread %s..lalala'  % num
     time.sleep( 1 )
 
for  in  range( 20 ):
     t = threading.Thread(target=run, args=(i,))    #多线程使用方法,target为需要执行多线程的函数,args为函数中的参数,注意这里的参数写成(i,),即如果只能一个参数,也要加上一个 ","
     t.start()    #开始执行多线程

    程序运行结果如下:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
xpleaf@xpleaf-machine:/mnt/hgfs/Python/day6$ python thread4.py 
Hi, I am thread  0 ..lalala
Hi, I am thread  1 ..lalala
Hi, I am thread  2 ..lalala
Hi, I am thread  3 ..lalala
Hi, I am thread  4 ..lalala
Hi, I am thread  5 ..lalala
Hi, I am thread  6 ..lalala
Hi, I am thread  7 ..lalala
Hi, I am thread  8 ..lalala
Hi, I am thread  9 ..lalala
Hi, I am thread  10 ..lalala
Hi, I am thread  11 ..lalala
Hi, I am thread  12 ..lalala
Hi, I am thread  13 ..lalala
Hi, I am thread  14 ..lalala
Hi, I am thread  15 ..lalala
Hi, I am thread  16 ..lalala
Hi, I am thread  17 ..lalala
Hi, I am thread  18 ..lalala
Hi, I am thread  19 ..lalala

    直接看执行结果是看不出什么的,这里说一下这个程序的执行过程:0到19是同时打印输入的,在打印19后,程序sleep 1秒后才结束程序的运行。

    上面这个程序有20个线程执行,每个线程都是:打印字符串+sleep(1)。我们实际看到的结果是0到19同时打印,然后才sleep 1秒,但是需要注意的是,并非是20个线程才执行一次sleep(1),而是在每个线程中都执行了一次sleep(1),即该程序实际上是执行了20次sleep(1),而我们实际看到的结果是程序运行时仅仅是暂停了1秒,那是因为这20次sleep(1)是并发执行的。

    上面的程序可以这么去理解:20个线程相当于有20匹马,20匹马同时起跑(打印字符串),然后以同时停1秒(sleep(1)),最后同时到达终点(20个线程运行结束,即程序执行结束)。

    为了更好的理解上面的程序,可以把上面的代码改为如下:

1
2
3
4
5
6
7
8
9
10
11
import  threading
import  time
 
def run(num):
     print  'Hi, I am thread %s..lalala'  % num
     time.sleep( 1 )
 
for  in  range( 20 ):
     t = threading.Thread(target=run, args=(i,))
     t.start()
     t.join()    #等上一个线程执行完后再执行下一个线程

    执行结果如下:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
xpleaf@xpleaf-machine:/mnt/hgfs/Python/day6$ python thread4.py 
Hi, I am thread  0 ..lalala
Hi, I am thread  1 ..lalala
Hi, I am thread  2 ..lalala
Hi, I am thread  3 ..lalala
Hi, I am thread  4 ..lalala
Hi, I am thread  5 ..lalala
Hi, I am thread  6 ..lalala
Hi, I am thread  7 ..lalala
Hi, I am thread  8 ..lalala
Hi, I am thread  9 ..lalala
Hi, I am thread  10 ..lalala
Hi, I am thread  11 ..lalala
Hi, I am thread  12 ..lalala
Hi, I am thread  13 ..lalala
Hi, I am thread  14 ..lalala
Hi, I am thread  15 ..lalala
Hi, I am thread  16 ..lalala
Hi, I am thread  17 ..lalala
Hi, I am thread  18 ..lalala
Hi, I am thread  19 ..lalala

    执行结果看上去跟前面是一样的,但执行过程却是这样的:每打印一次字符串,再暂停一秒

    通过这个程序,也就可以更好的理解Python的多线程并发执行了,当然,因为这是一个动态的过程,所以把程序执行一遍后会有更好的理解。


3.Python多线程使用方法2

    程序代码如下:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
import  threading,time
 
class  MyThread(threading.Thread):
     def __init__(self, num):
         threading.Thread.__init__(self)
         self.num = num
 
     def run(self): # this  name must be  'run'
         print  'I am thread %s'  % self.num
         time.sleep( 2 )
 
for  in  range( 20 ):
     t = MyThread(i)
     t.start()

    程序的执行结果与方法1是一样的,这里就不给出了,只是这里利用了面向对象编程的思想方法来设计程序代码。

相关文章
|
3天前
|
Python
|
6天前
|
安全 调度 Python
探索Python中的并发编程:协程与多线程的比较
本文将深入探讨Python中的并发编程技术,重点比较协程与多线程的特点和应用场景。通过对协程和多线程的原理解析,以及在实际项目中的应用案例分析,读者将能够更好地理解两种并发编程模型的异同,并在实践中选择合适的方案来提升Python程序的性能和效率。
|
4天前
|
Java 测试技术 Python
Python的多线程允许在同一进程中并发执行任务
【5月更文挑战第17天】Python的多线程允许在同一进程中并发执行任务。示例1展示了创建5个线程打印"Hello World",每个线程调用同一函数并使用`join()`等待所有线程完成。示例2使用`ThreadPoolExecutor`下载网页,创建线程池处理多个URL,打印出每个网页的大小。Python多线程还可用于线程间通信和同步,如使用Queue和Lock。
17 1
|
4天前
|
数据处理 Python
Python并发编程:实现高效的多线程与多进程
Python作为一种高级编程语言,提供了强大的并发编程能力,通过多线程和多进程技术,可以实现程序的并发执行,提升系统的性能和响应速度。本文将介绍Python中多线程和多进程的基本概念,以及如何利用它们实现高效的并发编程,解决实际开发中的并发性问题。
|
6天前
|
Java Python
Python 内置库 多线程threading使用讲解
本文介绍Python中的线程基础。首先展示了单线程的基本使用,然后通过`threading`模块创建并运行多线程。示例中创建了两个线程执行不同任务,并使用`active_count()`和`enumerate()`检查线程状态。接着讨论了守护线程,主线程默认等待所有子线程完成,但可设置子线程为守护线程使其随主线程一同结束。`join()`方法用于主线程阻塞等待子线程执行完毕,而线程池能有效管理线程,减少频繁创建的开销,Python提供`ThreadPoolExecutor`进行线程池操作。最后提到了GIL(全局解释器锁),它是CPython的机制,限制了多线程并行执行的能力,可能导致性能下降。
12 1
|
6天前
|
消息中间件 程序员 调度
Python并发编程:利用多线程提升程序性能
本文探讨了Python中的并发编程技术,重点介绍了如何利用多线程提升程序性能。通过分析多线程的原理和实现方式,以及线程间的通信和同步方法,读者可以了解如何在Python中编写高效的并发程序,提升程序的执行效率和响应速度。
|
6天前
|
并行计算 安全 测试技术
Python多线程
【4月更文挑战第13天】对比多线程与多进程:多线程适合I/O密集型任务,轻量级但受GIL限制;多进程适用于CPU密集型任务,能实现真正并行。多线程直接共享内存,多进程独立内存,各有优劣。
21 0
|
6天前
|
数据采集 安全 Java
Python的多线程,守护线程,线程安全
Python的多线程,守护线程,线程安全
|
6天前
|
并行计算 数据处理 开发者
Python并发编程:解析异步IO与多线程
本文探讨了Python中的并发编程技术,着重比较了异步IO和多线程两种常见的并发模型。通过详细分析它们的特点、优劣势以及适用场景,帮助读者更好地理解并选择适合自己项目需求的并发编程方式。
|
6天前
|
调度 Python 容器
【python】-详解进程与线程
【python】-详解进程与线程