Python中过程threading.Thread的应用详细说明

　　1.过程这个概念

　　过程，有时候被称作轻量级进程(LightweightProcess，LWP），是程序执行流的最低控制模块。统一标准的过程由过程ID，现阶段命令表针(PC），存储器结合和局部变量构成。此外，过程是过程里的一个实体线，被系统软件多带带生产调度和分配的基本要素，过程自己并不有着服务器资源。

　　2.threading.thread()简单地应用

　　2.1加上过程能是程序执行迅速

　　pythod的thread模块还是比较最底层的控制模块，pythod的threading模块是对thread做了很多包装，能够方便快捷被应用。

　　有一点在运行时不可缺少的网络资源，但是它能与同为1个进度的其他线程共享过程所具有的所有网络资源。

　　import threading
　　import time
　　def saySorry():
　　print("亲爱的，我错了，我能吃饭了吗？")
　　time.sleep(5)
　　if __name__=="__main__":
　　start_time1=time.time()
　　for i in range(5):
　　t=threading.Thread(target=saySorry)
　　t.start()#启动线程，即让线程开始执行
　　end_time1=time.time()
　　print(end_time1-start_time1)
　　start_time2=time.time()
　　for i in range(5):
　　t=saySorry()
　　end_time2=time.time()
　　print(end_time2-start_time2)

　　输出为：

　　亲爱的，我错了，我能吃饭了吗？

　　亲爱的，我错了，我能吃饭了吗？

　　亲爱的，我错了，我能吃饭了吗？

　　亲爱的，我错了，我能吃饭了吗？

　　亲爱的，我错了，我能吃饭了吗？

　　0.001995086669921875

　　亲爱的，我错了，我能吃饭了吗？

　　亲爱的，我错了，我能吃饭了吗？

　　亲爱的，我错了，我能吃饭了吗？

　　亲爱的，我错了，我能吃饭了吗？

　　亲爱的，我错了，我能吃饭了吗？

　　25.001766204833984

　　2.2主线程会等待所有的子线程结束后才结束

　　import threading
　　from time import sleep,ctime
　　def sing():
　　for i in range(3):
　　print("正在唱歌...%d"%i)
　　sleep(1)
　　def dance():
　　for i in range(3):
　　print("正在跳舞...%d"%i)
　　sleep(1)
　　if __name__=='__main__':
　　print('---开始---:%s'%ctime())
　　t1=threading.Thread(target=sing)
　　t2=threading.Thread(target=dance)
　　t1.start()
　　t2.start()
　　#sleep(5)#屏蔽此行代码，试试看，程序是否会立马结束？
　　print('---结束---:%s'%ctime())

　　输出为：

　　---开始---:Mon Sep 28 14:42:09 2020

　　正在唱歌...0

　　正在跳舞...0---结束---:Mon Sep 28 14:42:09 2020

　　正在唱歌...1

　　正在跳舞...1

　　正在唱歌...2

　　正在跳舞...2

　　如果释放‘sleep(5)’，输出为：

　　---开始---:Mon Sep 28 14:43:36 2020

　　正在唱歌...0

　　正在跳舞...0

　　正在跳舞...1

　　正在唱歌...1

　　正在唱歌...2正在跳舞...2

　　---结束---:Mon Sep 28 14:43:41 2020

　　3.查看线程数量

　　import threading
　　from time import sleep,ctime
　　def sing():
　　for i in range(3):
　　print("正在唱歌...%d"%i)
　　sleep(1)
　　def dance():
　　for i in range(3):
　　print("正在跳舞...%d"%i)
　　sleep(1)
　　if __name__=='__main__':
　　print('---开始---:%s'%ctime())
　　t1=threading.Thread(target=sing)
　　t2=threading.Thread(target=dance)
　　t1.start()
　　t2.start()
　　while True:
　　length=len(threading.enumerate())
　　print('当前运行的线程数为：%d'%length)
　　if length<=1:
　　break
　　sleep(0.5)

　　输出为：

　　---开始---:Mon Sep 28 14:46:16 2020

　　正在唱歌...0

　　正在跳舞...0

　　当前运行的线程数为：3

　　当前运行的线程数为：3

　　正在唱歌...1

　　正在跳舞...1当前运行的线程数为：3

　　当前运行的线程数为：3

　　正在唱歌...2

　　正在跳舞...2

　　当前运行的线程数为：3

　　当前运行的线程数为：3

　　当前运行的线程数为：1

　　4.线程参数及顺序

　　4.1传递参数的方法

　　使用args传递参数threading.Thread(target=sing,args=(10,100,100))

　　使用kwargs传递参数threading.Thread(target=sing,kwargs={“a”:10,“b”:100,“c”:100})

　　同时使用args和kwargs传递参数threading.Thread(target=sing,args=(10,),kwargs={“b”:100,“c”:100})

　　4.2线程的执行顺序

　　import threading
　　import time
　　def sing():
　　for i in range(5):
　　print("我是sing")
　　time.sleep(1)
　　def dance():
　　for i in range(5):
　　print("我是dance")
　　time.sleep(1)
　　if __name__=='__main__':
　　#创建两个子线程
　　t1=threading.Thread(target=sing)
　　t2=threading.Thread(target=dance)
　　#启动子线程
　　t1.start()
　　t2.start()

　　输出为:

　　我是sing

　　我是dance

　　我是sing

　　我是dance

　　我是dance

　　我是sing

　　我是dance我是sing

　　我是sing

　　我是dance

　　说明:

　　从代码和执行结果我们可以看出，多线程程序的执行顺序是不确定的。当执行到sleep语句时，线程将被阻塞（Blocked），到sleep结束后，线程进入就绪（Runnable）状态，等待调度。而线程调度将自行选择一个线程执行。上面的代码中只能保证每个线程都运行完整个run函数，但是线程的启动顺序、run函数中每次循环的执行顺序都不能确定。

　　5.守护线程

　　守护线程：如果在程序中将子线程设置为守护线程，则该子线程会在主线程结束时自动退出，设置方式为thread.setDaemon(True)，要在thread.start()之前设置，默认是false的，也就是主线程结束时，子线程依然在执行。

　　5.1如下代码，主线程已经exit()【其实并没有真正结束】，子线程还在继续执行

　　import threading
　　import time
　　def test():
　　for i in range(7):
　　print("test is run:",i)
　　time.sleep(1)
　　if __name__=='__main__':
　　#创建子线程
　　t1=threading.Thread(target=test)
　　#启动子线程
　　t1.start()
　　#休眠2秒
　　time.sleep(2)
　　print("我OVER了")
　　#退出
　　exit()

　　输出为：

　　test is run:0

　　test is run:1

　　我OVER了

　　test is run:2

　　test is run:3

　　test is run:4

　　test is run:5

　　test is run:6

　　5.2设置守护线程

　　为线程设置守护，如果主线程结束，子线程也随之结束。

　　import threading
　　import time
　　def test():
　　for i in range(7):
　　print("test is run:",i)
　　time.sleep(1)
　　if __name__=='__main__':
　　#创建子线程
　　t1=threading.Thread(target=test)
　　#设置线程保护
　　t1.setDaemon(True)
　　#启动子线程
　　t1.start()
　　#休眠2秒
　　time.sleep(2)
　　print("我OVER了")
　　#退出
　　exit()
　　输出为：
　　test is run:0
　　test is run:1
　　我OVER了
　　参考代码
　　import threading
　　from threading import Lock,Thread
　　import time,os
　　'''

　　python多线程详解

　　什么是线程？

　　线程也叫轻量级进程，是操作系统能够进行运算调度的最小单位，它被包涵在进程之中，是进程中的实际运作单位。

　　线程自己不拥有系统资源，只拥有一点儿在运行中必不可少的资源，但它可与同属一个进程的其他线程共享进程所

　　拥有的全部资源。一个线程可以创建和撤销另一个线程，同一个进程中的多个线程之间可以并发执行

　　'''

　　'''

　　为什么要使用多线程？

　　线程在程序中是独立的、并发的执行流。与分隔的进程相比，进程中线程之间的隔离程度要小，它们共享内存、文件句柄

　　和其他进程应有的状态。

　　因为线程的划分尺度小于进程，使得多线程程序的并发性高。进程在执行过程之中拥有独立的内存单元，而多个线程共享

　　内存，从而极大的提升了程序的运行效率。

　　线程比进程具有更高的性能，这是由于同一个进程中的线程都有共性，多个线程共享一个进程的虚拟空间。线程的共享环境

　　包括进程代码段、进程的共有数据等，利用这些共享的数据，线程之间很容易实现通信。

　　操作系统在创建进程时，必须为改进程分配独立的内存空间，并分配大量的相关资源，但创建线程则简单得多。因此，使用多线程

　　来实现并发比使用多进程的性能高得要多。

　　'''

　　'''

　　总结起来，使用多线程编程具有如下几个优点：

　　进程之间不能共享内存，但线程之间共享内存非常容易。

　　操作系统在创建进程时，需要为该进程重新分配系统资源，但创建线程的代价则小得多。因此使用多线程来实现多任务并发执行比使用多进程的效率高

　　python语言内置了多线程功能支持，而不是单纯地作为底层操作系统的调度方式，从而简化了python的多线程编程。

　　'''
　　'''
　　普通创建方式
　　'''
　　#def run(n):
　　#print('task',n)
　　#time.sleep(1)
　　#print('2s')
　　#time.sleep(1)
　　#print('1s')
　　#time.sleep(1)
　　#print('0s')
　　#time.sleep(1)
　　#
　　#if __name__=='__main__':
　　#t1=threading.Thread(target=run,args=('t1',))#target是要执行的函数名（不是函数），args是函数对应的参数，以元组的形式存在
　　#t2=threading.Thread(target=run,args=('t2',))
　　#t1.start()
　　#t2.start()
　　'''
　　自定义线程：继承threading.Thread来定义线程类，其本质是重构Thread类中的run方法
　　'''
　　#class MyThread(threading.Thread):
　　#def __init__(self,n):
　　#super(MyThread,self).__init__()#重构run函数必须写
　　#self.n=n
　　#
　　#def run(self):
　　#print('task',self.n)
　　#time.sleep(1)
　　#print('2s')
　　#time.sleep(1)
　　#print('1s')
　　#time.sleep(1)
　　#print('0s')
　　#time.sleep(1)
　　#
　　#if __name__=='__main__':
　　#t1=MyThread('t1')
　　#t2=MyThread('t2')
　　#t1.start()
　　#t2.start()
　　'''

　　守护线程

　　下面这个例子，这里使用setDaemon(True)把所有的子线程都变成了主线程的守护线程，

　　因此当主线程结束后，子线程也会随之结束，所以当主线程结束后，整个程序就退出了。

　　所谓'线程守护'，就是主线程不管该线程的执行情况，只要是其他子线程结束且主线程执行完毕，主线程都会关闭。也就是说:主线程不等待该守护线程的执行完再去关闭。

　　'''
　　#def run(n):
　　#print('task',n)
　　#time.sleep(1)
　　#print('3s')
　　#time.sleep(1)
　　#print('2s')
　　#time.sleep(1)
　　#print('1s')
　　#
　　#if __name__=='__main__':
　　#t=threading.Thread(target=run,args=('t1',))
　　#t.setDaemon(True)
　　#t.start()
　　#print('end')
　　'''
　　通过执行结果可以看出，设置守护线程之后，当主线程结束时，子线程也将立即结束，不再执行
　　'''
　　'''
　　主线程等待子线程结束
　　为了让守护线程执行结束之后，主线程再结束，我们可以使用join方法，让主线程等待子线程执行
　　'''
　　#def run(n):
　　#print('task',n)
　　#time.sleep(2)
　　#print('5s')
　　#time.sleep(2)
　　#print('3s')
　　#time.sleep(2)
　　#print('1s')
　　#if __name__=='__main__':
　　#t=threading.Thread(target=run,args=('t1',))
　　#t.setDaemon(True)#把子线程设置为守护线程，必须在start()之前设置
　　#t.start()
　　#t.join()#设置主线程等待子线程结束
　　#print('end')
　　'''
　　多线程共享全局变量
　　线程时进程的执行单元，进程时系统分配资源的最小执行单位，所以在同一个进程中的多线程是共享资源的
　　'''
　　#g_num=100
　　#def work1():
　　#global g_num
　　#for i in range(3):
　　#g_num+=1
　　#print('in work1 g_num is:%d'%g_num)
　　#
　　#def work2():
　　#global g_num
　　#print('in work2 g_num is:%d'%g_num)
　　#
　　#if __name__=='__main__':
　　#t1=threading.Thread(target=work1)
　　#t1.start()
　　#time.sleep(1)
　　#t2=threading.Thread(target=work2)
　　#t2.start()
　　'''
　　由于线程之间是进行随机调度，并且每个线程可能只执行n条执行之后，当多个线程同时修改同一条数据时可能会出现脏数据，
　　所以出现了线程锁，即同一时刻允许一个线程执行操作。线程锁用于锁定资源，可以定义多个锁，像下面的代码，当需要独占
　　某一个资源时，任何一个锁都可以锁定这个资源，就好比你用不同的锁都可以把这个相同的门锁住一样。
　　由于线程之间是进行随机调度的，如果有多个线程同时操作一个对象，如果没有很好地保护该对象，会造成程序结果的不可预期，
　　我们因此也称为“线程不安全”。
　　为了防止上面情况的发生，就出现了互斥锁（Lock）
　　'''
　　#def work():
　　#global n
　　#lock.acquire()
　　#temp=n
　　#time.sleep(0.1)
　　#n=temp-1
　　#lock.release()
　　#
　　#
　　#if __name__=='__main__':
　　#lock=Lock()
　　#n=100
　　#l=[]
　　#for i in range(100):
　　#p=Thread(target=work)
　　#l.append(p)
　　#p.start()
　　#for p in l:
　　#p.join()
　　'''
　　递归锁：RLcok类的用法和Lock类一模一样，但它支持嵌套，在多个锁没有释放的时候一般会使用RLock类
　　'''
　　#def func(lock):
　　#global gl_num
　　#lock.acquire()
　　#gl_num+=1
　　#time.sleep(1)
　　#print(gl_num)
　　#lock.release()
　　#
　　#
　　#if __name__=='__main__':
　　#gl_num=0
　　#lock=threading.RLock()
　　#for i in range(10):
　　#t=threading.Thread(target=func,args=(lock,))
　　#t.start()
　　'''
　　信号量（BoundedSemaphore类）
　　互斥锁同时只允许一个线程更改数据，而Semaphore是同时允许一定数量的线程更改数据，比如厕所有3个坑，
　　那最多只允许3个人上厕所，后面的人只能等里面有人出来了才能再进去
　　'''
　　#def run(n,semaphore):
　　#semaphore.acquire()#加锁
　　#time.sleep(3)
　　#print('run the thread:%sn'%n)
　　#semaphore.release()#释放
　　#
　　#
　　#if __name__=='__main__':
　　#num=0
　　#semaphore=threading.BoundedSemaphore(5)#最多允许5个线程同时运行
　　#for i in range(22):
　　#t=threading.Thread(target=run,args=('t-%s'%i,semaphore))
　　#t.start()
　　#while threading.active_count()!=1:
　　#pass
　　#else:
　　#print('----------all threads done-----------')
　　'''
　　python线程的事件用于主线程控制其他线程的执行，事件是一个简单的线程同步对象，其主要提供以下的几个方法：
　　clear将flag设置为False
　　set将flag设置为True
　　is_set判断是否设置了flag
　　wait会一直监听flag，如果没有检测到flag就一直处于阻塞状态
　　事件处理的机制：全局定义了一个Flag，当Flag的值为False，那么event.wait()就会阻塞，当flag值为True，
　　那么event.wait()便不再阻塞
　　'''
　　event=threading.Event()
　　def lighter():
　　count=0
　　event.set()#初始者为绿灯
　　while True:
　　if 5<count<=10:
　　event.clear()#红灯，清除标志位
　　print("33[41;lmred light is on...33[0m]")
　　elif count>10:
　　event.set()#绿灯，设置标志位
　　count=0
　　else:
　　print('33[42;lmgreen light is on...33[0m')
　　time.sleep(1)
　　count+=1
　　def car(name):
　　while True:
　　if event.is_set():#判断是否设置了标志位
　　print('[%s]running.....'%name)
　　time.sleep(1)
　　else:
　　print('[%s]sees red light,waiting...'%name)
　　event.wait()
　　print('[%s]green light is on,start going...'%name)
　　#startTime=time.time()
　　light=threading.Thread(target=lighter,)
　　light.start()
　　car=threading.Thread(target=car,args=('MINT',))
　　car.start()
　　endTime=time.time()
　　#print('用时：',endTime-startTime)
　　'''

　　GIL全局解释器

　　在非python环境中，单核情况下，同时只能有一个任务执行。多核时可以支持多个线程同时执行。但是在python中，无论有多少个核

　　同时只能执行一个线程。究其原因，这就是由于GIL的存在导致的。

　　GIL的全程是全局解释器，来源是python设计之初的考虑，为了数据安全所做的决定。某个线程想要执行，必须先拿到GIL，我们可以

　　把GIL看做是“通行证”，并且在一个python进程之中，GIL只有一个。拿不到线程的通行证，并且在一个python进程中，GIL只有一个，

　　拿不到通行证的线程，就不允许进入CPU执行。GIL只在cpython中才有，因为cpython调用的是c语言的原生线程，所以他不能直接操

　　作cpu，而只能利用GIL保证同一时间只能有一个线程拿到数据。而在pypy和jpython中是没有GIL的

　　python在使用多线程的时候，调用的是c语言的原生过程。

　　'''

　　'''

　　python针对不同类型的代码执行效率也是不同的

　　1、CPU密集型代码（各种循环处理、计算等），在这种情况下，由于计算工作多，ticks技术很快就会达到阀值，然后出发GIL的

　　释放与再竞争（多个线程来回切换当然是需要消耗资源的），所以python下的多线程对CPU密集型代码并不友好。

　　2、IO密集型代码（文件处理、网络爬虫等设计文件读写操作），多线程能够有效提升效率（单线程下有IO操作会进行IO等待，

　　造成不必要的时间浪费，而开启多线程能在线程A等待时，自动切换到线程B，可以不浪费CPU的资源，从而能提升程序的执行

　　效率）。所以python的多线程对IO密集型代码比较友好。

　　'''

　　'''

　　主要要看任务的类型，我们把任务分为I/O密集型和计算密集型，而多线程在切换中又分为I/O切换和时间切换。如果任务属于是I/O密集型，

　　若不采用多线程，我们在进行I/O操作时，势必要等待前面一个I/O任务完成后面的I/O任务才能进行，在这个等待的过程中，CPU处于等待

　　状态，这时如果采用多线程的话，刚好可以切换到进行另一个I/O任务。这样就刚好可以充分利用CPU避免CPU处于闲置状态，提高效率。但是

　　如果多线程任务都是计算型，CPU会一直在进行工作，直到一定的时间后采取多线程时间切换的方式进行切换线程，此时CPU一直处于工作状态，

　　此种情况下并不能提高性能，相反在切换多线程任务时，可能还会造成时间和资源的浪费，导致效能下降。这就是造成上面两种多线程结果不能的解释。

　　结论:I/O密集型任务，建议采取多线程，还可以采用多进程+协程的方式(例如:爬虫多采用多线程处理爬取的数据)；对于计算密集型任务，python此时就不适用了。

　　'''

　　综上所述，这篇文章就给大家介绍到这里了，希望可以给大家带来帮助。