【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
|
18天前
|
安全 Python
告别低效编程!Python线程与进程并发技术详解,让你的代码飞起来!
【7月更文挑战第9天】Python并发编程提升效率:**理解并发与并行,线程借助`threading`模块处理IO密集型任务,受限于GIL;进程用`multiprocessing`实现并行,绕过GIL限制。示例展示线程和进程创建及同步。选择合适模型,注意线程安全,利用多核,优化性能,实现高效并发编程。
28 3
|
18天前
|
安全 数据安全/隐私保护 数据中心
Python并发编程大挑战:线程安全VS进程隔离,你的选择影响深远!
【7月更文挑战第9天】Python并发:线程共享内存,高效但需处理线程安全(GIL限制并发),适合IO密集型;进程独立内存,安全但通信复杂,适合CPU密集型。使用`threading.Lock`保证线程安全,`multiprocessing.Queue`实现进程间通信。选择取决于任务性质和性能需求。
31 1
|
18天前
|
Python
解锁Python并发新世界:线程与进程的并行艺术,让你的应用性能翻倍!
【7月更文挑战第9天】并发编程**是同时执行多个任务的技术,提升程序效率。Python的**threading**模块支持多线程,适合IO密集型任务,但受GIL限制。**multiprocessing**模块允许多进程并行,绕过GIL,适用于CPU密集型任务。例如,计算平方和,多线程版本使用`threading`分割工作并同步结果;多进程版本利用`multiprocessing.Pool`分块计算再合并。正确选择能优化应用性能。
|
18天前
|
安全 Java 调度
「Python入门」Python多线程
1. **线程与进程区别**:线程共享内存,进程独立;线程启动快,多线程效率高于多进程。 2. **多线程使用**:直接使用Thread类,通过`target`指定函数,`args`传递参数;或继承Thread,重写`run`方法。 3. **守护线程**:设置`setDaemon(True)`,主线程结束时,守护线程一同结束。 4. **join线程同步**:主线程等待子线程完成,如`t.join()`。 5. **线程锁**(Mutex):防止数据竞争,确保同一时间只有一个线程访问共享资源。 6. **RLock(递归锁)**:允许多次锁定,用于需要多次加锁的递归操作。
21 1
「Python入门」Python多线程
|
2天前
|
存储 Python 容器
在Python中,如何处理线程内的变量
在Python中,如何处理线程内的变量
|
11天前
|
安全 Python
在Python中,实现多线程
【7月更文挑战第16天】在Python中,实现多线程
25 6
|
9天前
|
监控 安全 调度
在Python中,线程管理
【7月更文挑战第18天】在Python中,线程管理
12 3
|
9天前
|
开发者 Python
Python线程
【7月更文挑战第18天】Python线程
14 2
|
9天前
|
Python
Python线程是操作系统能够进行运算的最小单位
【7月更文挑战第18天】Python线程是操作系统能够进行运算的最小单位
11 1
|
13天前
|
消息中间件 安全 数据处理
Python中的并发编程:理解多线程与多进程的区别与应用
在Python编程中,理解并发编程是提高程序性能和响应速度的关键。本文将深入探讨多线程和多进程的区别、适用场景及实际应用,帮助开发者更好地利用Python进行并发编程。