1、threading模块详解
Python提供的与线程操作相关的模块，网上有很多资料还是用的thread模块，在3.x版本中已经使用
threading来替代thread，如果你在python 2.x版本想使用threading的话，可以使用dummy_threading模块。
① threading模块提供的可直接调用的函数
- active_count()：获取当前活跃(alive)线程的个数。
- current_thread()：获取当前的线程对象。
- get_ident()：返回当前线程的索引，一个非零的整数(3.3新增)。
- enumerate()：获取当前所有活跃线程的列表。
- main_thread()：返回主线程对象(3.4新增)。
- settrace(func)：设置一个回调函数，在run()执行之前被调用。
- setprofile(func)：设置一个回调函数，在run()执行完毕之后调用。
- stack_size()：返回创建新线程时使用的线程堆栈大小。
- threading.TIMEOUT_MAX：堵塞线程时间最大值，超过这个值会栈溢出。
② 线程局部变量(Thread-Local Data)
问题引入：
在一个进程内所有的线程共享进程的全局变量，线程间共享数据很方便但是每个线程都可以随意修改全局变量，可能会引起线程安全问题。
解决方法：
对于这种线程私有数据，最简单的方法就是对变量加锁或使用局部变量，只有线程自身可以访问，其他线程无法访问。除此之外还可以使用threading模块为我们提供的
ThreadLocal变量，它本身是一个全局变量，但是线程们却可以使用它来保存私有数据。
用法简介：
定义一个全局变量：data = thread.local()，然后就可以往里面存数据啦，比如data.num = xxx，但是有一点要注意：如果data里没有设置对应的属性，直接取会报AttributeError异常，使用时可以捕获这个异常或先调用hasattr(对象，属性)判断对象中是否有该属性！使用代码示例如下：
import threading import random data = threading.local() def show(d): try: num = d.num except AttributeError: print("线程 %s 还未设置该属性！" % threading.current_thread().getName()) else: print("线程 %s 中该属性的值为 = %s" % (threading.current_thread().getName(), num)) def thread_call(d): show(d) d.num = random.randint(1, 100) show(d) if __name__ == '__main__': show(data) data.num = 666 show(data) for i in range(2): t = threading.Thread(target=thread_call, args=(data,), name="Thread " + str(i)) t.start()
运行结果如下：
线程 MainThread 还未设置该属性！ 线程 MainThread 中该属性的值为 = 666 线程 Thread 0 还未设置该属性！ 线程 Thread 0 中该属性的值为 = 80 线程 Thread 1 还未设置该属性！ 线程 Thread 1 中该属性的值为 = 17
不同线程访问这个ThreadLocal变量，返回的都是不一样的值，原理：
threading.local()实例化一个全局对象，这个全局对象里有一个大字典，键值为两个弱引用对象{线程对象，字典对象}，然后可以通过
current_thread()获得当前的线程对象，然后根据这个对象可以拿到对应的字典对象，然后进行参数的读或者写。
③ 线程对象(threading.Thread)
创建新线程的两种方式：
- 1.直接创建threading.Thread对象，并把调用对象作为参数传入；
- 2.继承threading.Thread类，重写run()方法；
使用代码示例（验证单线程快还是多线程快）：
import threading import time def catch_fish(): pass def one_thread(): start_time = time.time() for i in range(1, 1001): catch_fish() end_time = time.time() print("单线程测试 耗时 === %s" % str(end_time - start_time)) def muti_thread(): start_time = time.time() for i in range(1, 1001): threading.Thread(target=catch_fish()).start() end_time = time.time() print("多线程测试 耗时 === %s" % str(end_time - start_time)) if __name__ == '__main__': # 单线程 threading.Thread(one_thread()).start() # 多线程 muti_thread()
运行结果如下：
单线程测试 耗时 === 0.00011301040649414062 多线程测试 耗时 === 0.07665514945983887
从输出结果可以看到，多线程反而比单线程要慢，原因是前面介绍过的Python中的全局解释器锁（GIL）， 使得任何时候仅有一个线程在执行。
Thread类构造函数
def __init__(self, group=None, target=None, name=None, args=(), kwargs=None, *, daemon=None):
构造函数参数依次是：
- group：线程组
- target：要执行的函数
- name：线程名字
- args/kwargs：要传入的函数的参数
- daemon：是否为守护线程
相关属性与函数：
- start()：启动线程，只能调用一次
- run()：线程执行的操作，可继承Thread重写，参数可从args和kwargs获取；
- join([timeout])：堵塞调用线程，直到被调用线程运行结束或超时；如果
没设置超时时间会一直堵塞到被调用线程结束。
- name/getName()：获得线程名；
- setName()：设置线程名；
- ident：线程是已经启动，未启动会返回一个非零整数；
- is_alive()：判断是否在运行，启动后，终止前；
- daemon/isDaemon()：线程是否为守护线程；
- setDaemon()：设置线程为守护线程；
④ Lock(指令锁)与RLock(可重入锁)
在概念那里就讲了，多个进程并发的访问临界资源可能会引起线程同步安全问题，写个简单的例子，然后再引入同步锁。代码示例如下：
import threading file_name = "test.txt" # 定义一个写入文件的方法 def write_to_file(msg): try: with open(file_name, "a+", encoding="utf-8") as f: f.write(msg + "\n") except OSError as reason: print(str(reason)) class MyThread(threading.Thread): def __init__(self, msg): super().__init__() self.msg = msg def run(self): write_to_file(self.name + "~" + self.msg) if __name__ == '__main__': for i in range(1, 21): t = MyThread(str(i)).start()
运行结果如下：
# test.txt文件内容 Thread-1~1 Thread-5~5 Thread-3~3 Thread-2~2 Thread-4~4 Thread-6~6 Thread-7~7 Thread-8~8 Thread-10~10 Thread-9~9 Thread-11~11 Thread-13~13 Thread-12~12 Thread-14~14 Thread-15~15 Thread-16~16 Thread-17~17 Thread-19~19 Thread-20~20 Thread-18~18
发现结果并没有按照我们预想的1-20那样顺序打印，而是乱的，threading模块中提供了两个类来确保多线程共享资源的访问：「Lock」 和 「RLock」。
