python线程join方法与seDaemon方法

简介:

前言

基于上篇文章之后,我们了解了python程序执行流程,为什么要使用线程,以及什么情况下使用python线程,本文继此之后说说python多线程编程时,经常用到的join()和setDaemon()方法.

join()方法

join ()方法:主线程(主程序)A中,创建了子线程B,并且在主线程A中调用了B.join()方法(或多个线程中的一个join()方法),那么,主线程A会在调用的地方等待,直到子线程B完成操作后,才可以接着往下执行.

无join()方法代码示例:

import threading
import time

class MyThread(threading.Thread):
    def __init__(self, id):
        threading.Thread.__init__(self)
        self.id = id
        print("I am child thread %s" % self.name)

    def run(self):
        time.sleep(6)  # 模拟阻塞
        print("%s running:%s" % (self.name, self.id))

if __name__ == "__main__":
    threads = []
    for i in range(5):
        threads.append(MyThread(i))    #生成线程实例
    for t in threads:     #

        t.start()       #由主线程启动所有线程

    for i in range(5):        #返回到主线程继续
        print("I am in Master Thread.",i)

运行结果:
python线程join方法与seDaemon方法

以上执行结果没有使用join()方法;主线程先生成生成子线程,子线程执行,由于执行过程中阻塞,返回执行主线程(主程序)内容,此间暂停了等主线程执行完后,子线程执行结束返回了执行结果.

加入join()方法程序执行示例

import threading
import time

class MyThread(threading.Thread):
    def __init__(self, id):
        threading.Thread.__init__(self)
        self.id = id
        print("I am child thread %s" % self.name)

    def run(self):
        time.sleep(6)  # 模拟阻塞
        print("%s running:%s" % (self.name, self.id))

if __name__ == "__main__":
    threads = []
    for i in range(5):
        threads.append(MyThread(i))    #生成线程实例
    for t in threads:     #

        t.start()       #由主线程启动所有线程
    t.join()            #等待所有线程运行结束,没有这条,由于线程里run中有阻塞,故主线程不等,而直接运行下面的for i

    for i in range(5):        #返回到主线程继续
        print("I am in Master Thread.",i)

执行结果如图:
python线程join方法与seDaemon方法

上面的程序代码只是加了join()方法,在有join时 等待所有子线程执行完毕(阻塞),(准确的说是等最后一个线程执行完毕) 再切回主线程(主程序)执行.

小结:jion()方法就是为了让主线程等待子线执行完并返回结果后,再执行主线程剩下的内容.子线程不执行完,主线程就一直等待状态.没有加join()方法时主线程只是开启子线程,至于子线程执行多久何里返回值,主线程暂时不管,仍然执行剩下的主程序,多次运行以上程序你会发现,在开启子线程后,主线程执行剩下的主程序时,有时没有执行完主程序,期间夹杂着子线程执行完返回的结果.这是有可能的,并不是程序出错.

setDaemon()方法

setDaemon()方法:主线程A中,创建了子线程B,并且在主线程A中调用了B.setDaemon()方法(B子线程只是其中子线程的一个)意思是,把主线程A设置为守护线程,这时候,要是主线程A执行结束了,就不管子线程B是否完成,一并和主线程A退出.这就是setDaemon方法的含义,这基本上和join是相反的作用。此外,需要特别注意的是:必须在start() 方法调用之前设置.
在以上的代码中稍稍修改即可看出setDaemon方法的作用;
示例代码:

import threading
import time

class MyThread(threading.Thread):
    def __init__(self, id):
        threading.Thread.__init__(self)
        self.id = id
        print("I am child thread %s" % self.name)

    def run(self):
        x = 0
        if self.id == 0:
            time.sleep(5)     #模拟阻塞
            print("%s running:%s" %(self.name,self.id))
        else:
            time.sleep(2)  # 模拟阻塞(程序执行时间)
            print("%s running:%s" % (self.name, self.id))

if __name__ == "__main__":
    threads = []
    for i in range(5):
        threads.append(MyThread(i))    #生成线程实例
    threads[0].setDaemon(True)        # 0号线程  不受保护,主线程结束时,如果没有运行完也结束掉
    for t in threads:     #

        t.start()       #由主线程启动所有线程
    t.join()            #等待所有线程运行结束,没有这条,由于线程里run中有阻塞,故主线程不等,而直接运行下面的for i

    for i in range(5):        #返回到主线程继续
        print("I am in Master Thread.",i)

运行结果:
python线程join方法与seDaemon方法

说明:
Threads[0].setDaemon(True) 对0号线程 设置不受保护,主线程结束时,如果没有运行完也结束掉;在程序中我设置了对Threads-0阻塞为5秒,而其他的子线程为2秒,0号线程设置了不受保护,所以在主线程执行完后,就退出了,不再等待.而其他子线程不受影响,可以把Thread[0]换成其他子线程,效果是一样的.

总结:

通过以上对join() setDaemon()方法的实验,我们总结如下:
程序运行是一个进程,一个进程最少有一个线程,这个线程就是主线程;执行一个主线程,如果主线程又创建一个或多个子线程,主线程和子线程就分兵多路,分别运行,那么当主线程完成想退出时,会检验子线程是否完成。如果子线程未完成,则主线程会等待子线程完成后再退出。就要加join()方法实现;但是有时候我们需要的是,只要主线程完成了,不管子线程是否完成,都要和主线程一起退出,这时就可以用setDaemon方法了。










本文转自 dyc2005 51CTO博客,原文链接:http://blog.51cto.com/dyc2005/2045584,如需转载请自行联系原作者
目录
相关文章
|
25天前
|
机器学习/深度学习 Python
堆叠集成策略的原理、实现方法及Python应用。堆叠通过多层模型组合,先用不同基础模型生成预测,再用元学习器整合这些预测,提升模型性能
本文深入探讨了堆叠集成策略的原理、实现方法及Python应用。堆叠通过多层模型组合,先用不同基础模型生成预测,再用元学习器整合这些预测,提升模型性能。文章详细介绍了堆叠的实现步骤,包括数据准备、基础模型训练、新训练集构建及元学习器训练,并讨论了其优缺点。
43 3
|
12天前
|
安全
Python-打印99乘法表的两种方法
本文详细介绍了两种实现99乘法表的方法:使用`while`循环和`for`循环。每种方法都包括了步骤解析、代码演示及优缺点分析。文章旨在帮助编程初学者理解和掌握循环结构的应用,内容通俗易懂,适合编程新手阅读。博主表示欢迎读者反馈,共同进步。
|
20天前
|
JSON 安全 API
Python调用API接口的方法
Python调用API接口的方法
86 5
|
29天前
|
算法 决策智能 Python
Python中解决TSP的方法
旅行商问题(TSP)是寻找最短路径,使旅行商能访问每个城市一次并返回起点的经典优化问题。本文介绍使用Python的`ortools`库解决TSP的方法,通过定义城市间的距离矩阵,调用库函数计算最优路径,并打印结果。此方法适用于小规模问题,对于大规模或特定需求,需深入了解算法原理及定制策略。
37 15
|
25天前
|
数据采集 存储 数据处理
Python中的多线程编程及其在数据处理中的应用
本文深入探讨了Python中多线程编程的概念、原理和实现方法,并详细介绍了其在数据处理领域的应用。通过对比单线程与多线程的性能差异,展示了多线程编程在提升程序运行效率方面的显著优势。文章还提供了实际案例,帮助读者更好地理解和掌握多线程编程技术。
|
27天前
|
机器学习/深度学习 人工智能 算法
强化学习在游戏AI中的应用,从基本原理、优势、应用场景到具体实现方法,以及Python在其中的作用
本文探讨了强化学习在游戏AI中的应用,从基本原理、优势、应用场景到具体实现方法,以及Python在其中的作用,通过案例分析展示了其潜力,并讨论了面临的挑战及未来发展趋势。强化学习正为游戏AI带来新的可能性。
72 4
|
1月前
|
监控 JavaScript 前端开发
python中的线程和进程(一文带你了解)
欢迎来到瑞雨溪的博客,这里是一位热爱JavaScript和Vue的大一学生分享技术心得的地方。如果你从我的文章中有所收获,欢迎关注我,我将持续更新更多优质内容,你的支持是我前进的动力!🎉🎉🎉
23 0
|
1月前
|
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。
62 0
|
1月前
|
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。 ####
|
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。
下一篇
DataWorks