Python线程锁

简介:

多线程适用于IO密集型,多线程实现方式有两种,详见下方例子

例子:

import threading

class MyThread(threading.Thread):

    def __init__(self, args):

        #使用super写法,按照父类.方法的方式直接重写

        super(MyThread, self).__init__()

        self.args = args

    def run(self):

        print ("start MyThread {0}".format(self.args))

def worker(n):

    print ("start worker{0}".format(n))

if __name__ == "__main__":

    #同多进程使用方法

    for i in xrange(1, 6):

        #使用threading.Thread指定函数和参数,多线程执行

        t1 = threading.Thread(target=worker, args=(i,))

        #开始多线程执行

        t1.start()

    t1.join()

    #重写threading.Thread中的run方法实现多线程

    for x in xrange(6, 11):

        t2 = MyThread(x)

        t2.start()

    t2.join()

输出:

start worker1

start worker2

start worker3

start worker4

start worker5

start MyThread 6

start MyThread 7

start MyThread 8

start MyThread 9

start MyThread 10

多线程锁

多线程锁的两种写法,详见下面两个例子

例子:

import threading

import time

def worker(name, lock):

    #with写法会自动获得锁并自动释放锁,与

    with lock:

        print ("start {0}".format(name))

        time.sleep(2)

        print ("end {0}".format(name))

if __name__ == "__main__":

    #锁的实例化

    lock = threading.Lock()

    t1 = threading.Thread(target=worker, args=("worker1", lock))

    t2 = threading.Thread(target=worker, args=("worker2", lock))

    t1.start()

    t2.start()

    print ("main end")

输出:

start worker1

main end

end worker1

start worker2

end worker2

例子:

import threading

import time

def worker(name, lock):

    #获取线程锁

    lock.acquire()

    #捕获异常

    try:

        print ("start {0}".format(name))

        time.sleep(2)

        print ("end {0}".format(name))

    except Exception as e:

        raise e

    finally:

        #释放线程锁

        lock.release()

if __name__ == "__main__":

    #锁的实例化

    lock = threading.Lock()

    t1 = threading.Thread(target=worker, args=("worker1", lock))

    t2 = threading.Thread(target=worker, args=("worker2", lock))

    t1.start()

    t2.start()

    print ("main end")

输出:

start worker1

main end

end worker1

start worker2

end worker2


线程的共享内存

线程缺点是有一个线程崩溃时所有剩余线程均会崩溃

例子:

#线程共享内存

import threading

def worker(l):

    l.append("a")

    l.append("b")

    l.append("c")

if __name__ == "__main__":

    l = list()

    l += xrange(1,6)

    print (l)

    t = threading.Thread(target=worker, args=(l,))

    t.start()

    print (l)

输出:

a1 b2 c3

a4 b5 c6



线程池

例子:

#此包为第三方包,需要使用pip安装

import threadpool

 

def test1(a, b, c):

    print("a{0} b{1} c{2}".format(a, b, c))

 

if __name__ == "__main__":

    #the way one

    lst_vars_1 = ['1', '2', '3']

    lst_vars_2 = ['4', '5', '6']

    func_var = [(lst_vars_1, None), (lst_vars_2, None)]

 

    # the way two

    dict_vars_1 = {'a':'1', 'b':'2', 'c':'3'}

    dict_vars_2 = {'a':'4', 'b':'5', 'c':'6'}

    func_var = [(None, dict_vars_1), (None, dict_vars_2)]

 

    pool1 = threadpool.ThreadPool(2)

    request = threadpool.makeRequests(test1, func_var)

    [pool1.putRequest(req) for req in request]

    pool1.wait()



本文转自 粗粮面包 51CTO博客,原文链接:http://blog.51cto.com/culiangmianbao/2050447,如需转载请自行联系原作者

相关文章
|
5月前
|
数据采集 存储 JSON
Python爬取知乎评论:多线程与异步爬虫的性能优化
Python爬取知乎评论:多线程与异步爬虫的性能优化
|
5月前
|
人工智能 安全 调度
Python并发编程之线程同步详解
并发编程在Python中至关重要,线程同步确保多线程程序正确运行。本文详解线程同步机制,包括互斥锁、信号量、事件、条件变量和队列,探讨全局解释器锁(GIL)的影响及解决线程同步问题的最佳实践,如避免全局变量、使用线程安全数据结构、精细化锁的使用等。通过示例代码帮助开发者理解并提升多线程程序的性能与可靠性。
212 0
|
2月前
|
设计模式 消息中间件 安全
【JUC】(3)常见的设计模式概念分析与多把锁使用场景!!理解线程状态转换条件!带你深入JUC!!文章全程笔记干货!!
JUC专栏第三篇,带你继续深入JUC! 本篇文章涵盖内容:保护性暂停、生产者与消费者、Park&unPark、线程转换条件、多把锁情况分析、可重入锁、顺序控制 笔记共享!!文章全程干货!
336 1
|
2月前
|
Java 调度 数据库
Python threading模块:多线程编程的实战指南
本文深入讲解Python多线程编程,涵盖threading模块的核心用法:线程创建、生命周期、同步机制(锁、信号量、条件变量)、线程通信(队列)、守护线程与线程池应用。结合实战案例,如多线程下载器,帮助开发者提升程序并发性能,适用于I/O密集型任务处理。
325 0
|
4月前
|
数据采集 消息中间件 并行计算
Python多线程与多进程性能对比:从原理到实战的深度解析
在Python编程中,多线程与多进程是提升并发性能的关键手段。本文通过实验数据、代码示例和通俗比喻,深入解析两者在不同任务类型下的性能表现,帮助开发者科学选择并发策略,优化程序效率。
356 1
|
5月前
|
数据采集 监控 调度
干货分享“用 多线程 爬取数据”:单线程 + 协程的效率反超 3 倍,这才是 Python 异步的正确打开方式
在 Python 爬虫中,多线程因 GIL 和切换开销效率低下,而协程通过用户态调度实现高并发,大幅提升爬取效率。本文详解协程原理、实战对比多线程性能,并提供最佳实践,助你掌握异步爬虫核心技术。
|
6月前
|
JSON 算法 Java
打造终端里的下载利器:Python实现可恢复式多线程下载器
在数字时代,大文件下载已成为日常需求。本文教你用Python打造专业级下载器,支持断点续传、多线程加速、速度限制等功能,显著提升终端下载体验。内容涵盖智能续传、多线程分块下载、限速控制及Rich库构建现代终端界面,助你从零构建高效下载工具。
434 1
|
5月前
|
数据采集 存储 Java
多线程Python爬虫:加速大规模学术文献采集
多线程Python爬虫:加速大规模学术文献采集
|
6月前
|
数据采集 网络协议 前端开发
Python多线程爬虫模板:从原理到实战的完整指南
多线程爬虫通过并发请求大幅提升数据采集效率,适用于大规模网页抓取。本文详解其原理与实现,涵盖任务队列、线程池、会话保持、异常处理、反爬对抗等核心技术,并提供可扩展的Python模板代码,助力高效稳定的数据采集实践。
322 0

推荐镜像

更多