【Python之旅】第六篇(三):Python多线程及其使用方法

简介:

  在前面使用Python Socket来编写简版SSH程序的时候,其实已经有使用多线程,不过当时对多线程的概念并不能很好的理解,在看了《进程与线程的一个简单解释》与学习了Python多线程之后,也算是有一个大致的理解了。

    内容主要如下:

1
2
3
1 .Python中的多线程
2 .Python多线程使用方法 1
3 .Python多线程使用方法 2

    

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。





本文转自 xpleaf 51CTO博客,原文链接:http://blog.51cto.com/xpleaf/1701903,如需转载请自行联系原作者

相关文章
|
2月前
|
安全 数据处理 开发者
Python中的多线程编程:从入门到精通
本文将深入探讨Python中的多线程编程,包括其基本原理、应用场景、实现方法以及常见问题和解决方案。通过本文的学习,读者将对Python多线程编程有一个全面的认识,能够在实际项目中灵活运用。
|
17天前
|
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。 ####
|
29天前
|
Java Unix 调度
python多线程!
本文介绍了线程的基本概念、多线程技术、线程的创建与管理、线程间的通信与同步机制,以及线程池和队列模块的使用。文章详细讲解了如何使用 `_thread` 和 `threading` 模块创建和管理线程,介绍了线程锁 `Lock` 的作用和使用方法,解决了多线程环境下的数据共享问题。此外,还介绍了 `Timer` 定时器和 `ThreadPoolExecutor` 线程池的使用,最后通过一个具体的案例展示了如何使用多线程爬取电影票房数据。文章还对比了进程和线程的优缺点,并讨论了计算密集型和IO密集型任务的适用场景。
50 4
|
12天前
|
数据采集 Java Python
爬取小说资源的Python实践:从单线程到多线程的效率飞跃
本文介绍了一种使用Python从笔趣阁网站爬取小说内容的方法,并通过引入多线程技术大幅提高了下载效率。文章首先概述了环境准备,包括所需安装的库,然后详细描述了爬虫程序的设计与实现过程,包括发送HTTP请求、解析HTML文档、提取章节链接及多线程下载等步骤。最后,强调了性能优化的重要性,并提醒读者遵守相关法律法规。
47 0
|
2月前
|
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。
|
2月前
|
Java Python
python知识点100篇系列(16)-python中如何获取线程的返回值
【10月更文挑战第3天】本文介绍了两种在Python中实现多线程并获取返回值的方法。第一种是通过自定义线程类继承`Thread`类,重写`run`和`join`方法来实现;第二种则是利用`concurrent.futures`库,通过`ThreadPoolExecutor`管理线程池,简化了线程管理和结果获取的过程,推荐使用。示例代码展示了这两种方法的具体实现方式。
python知识点100篇系列(16)-python中如何获取线程的返回值
|
2月前
|
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。
31 3
|
2月前
|
并行计算 安全 Java
Python 多线程并行执行详解
Python 多线程并行执行详解
72 3
|
2月前
|
JavaScript 前端开发 安全
轻松上手Web Worker:多线程解决方案的使用方法与实战指南
轻松上手Web Worker:多线程解决方案的使用方法与实战指南
46 0
|
2月前
|
网络协议 安全 Java
难懂,误点!将多线程技术应用于Python的异步事件循环
难懂,误点!将多线程技术应用于Python的异步事件循环
68 0