您的位置:首页 > 编程语言 > Python开发

[python] 专题八.多线程编程之thread和threading

2015-12-30 11:39 549 查看
  就个人而言,学了这么多年的课程又写了这么多年的程序,虽然没有涉及到企业级的项目,但还是体会到了有几个知识点是非常重要的,包括:面向对象的思想、如何架构一个项目、设计模式来具体解决问题、应用机器学习和深度学习的方法,当然也包括我这篇文章的内容——多线程和并行化处理数据。
        这篇文章主要是参考Wesley J. Chun的《Python核心编程(第二版)》书籍多线程部分,并结合我以前的一些实例进行简单分析。尤其是在大数据、Hadoop\Spark、分布式开发流行的今天,这些基础同样很重要。希望对你有所帮助吧!

        PS:推荐大家阅读《Python核心编程》和《Python基础教程》两本书~

        强推:http://www.cnblogs.com/huxi/archive/2010/06/26/1765808.html

一. 线程和进程的概念

        1.为什么引入多线程编程?

        在多线程(Multithreaded,MT)编程出现之前,电脑程序的运行由一个执行序列组成,执行序列按顺序在主机的中央处理器CPU中运行。即使整个程序由多个相互独立无关的子任务组成,程序都会顺序执行。

        由于并行处理可以大幅度地提升整个任务的效率,故引入多线程编程。

        多线程中任务具有以下特点:

        (1) 这些任务的本质是异步的,需要有多个并发事务;

        (2) 各个事务的运行顺序可以是不确定的、随机的、不可预测的。

        这样的编程任务可以分成多个执行流,每个流都有一个要完成的目标。再根据不同的应用,这些子任务可能都要计算出一个中间结果,用于合并得到最后的结果。

        2.什么是进程?

        计算机程序只不过是磁盘中可执行的二进制(或其他类型)的数据。它们只有在被读取到内存中,被操作系统调用时才开始它们的生命周期。

        进程(亦称为重量级进程)是程序的一次执行。每个进程都有自己的地址空间、内存、数据栈及其他记录其运行轨迹的辅助数据。操作系统管理在其上运行所有的进程,并为这些进程公平分配时间、进程也可以通过fork和spawn操作来完成其他的任务。

        不过进程有自己的内存空间,数据栈等,所以只能使用进程间通讯(interprocess communication, IPC),而不能直接共享信息。

        3.什么是线程?

        线程(亦称为轻量级进程)跟进程有些相似,不同的是:所有的线程运行在同一个进程中,共享相同的运行环境。它们可以被想象成是在主进程或“主线程”中并行运行的“迷你进程”。

        线程有开始,顺序执行和结束三部分。它有一个自己的指令指针,记录自己运行到什么地方。线程的运行可能被抢占(中断)或暂时的被挂起(睡眠),让其他线程运行,这叫做让步。

        一个进程中的各个线程之间共享同一片数据空间,所以线程之间可以比进程之间更方便地共享数据以及相互通讯。线程一般都是并发执行的,正是由于这种并行和数据共享的机制使得多个任务的合作变成可能。

        实际上,在单CPU的系统中,真正的并发是不可能的,每个线程会被安排成每次只运行一小会,然后就把CPU让出来,让其他的线程去运行。在进程的整个运行过程中,每个线程都只做自己的事,在需要的时候跟其他的线程共享运行的结果。

        当然,这样的共享并不是完全没有危险的。如果多个线程共同访问同一片数据,则由于数据访问的顺序不同,有可能导致数据结果的不一致的问题,即竞态条件(race condition)。同样,大多数线程库都带有一些列的同步原语,来控制线程的执行和数据的访问。

        另一个需要注意的是由于有的函数会在完成之前阻塞住,在没有特别为多线程做修改的情况下,这种“贪婪”的函数会让CPU的时间分配有所倾斜,导致各个线程分配到的运行时间可能不尽相同,不尽公平。

        4.简述进程和线程的区别

        参考下面三篇文章:

        进程和线程关系及区别 - yaosiming2011

        进程与线程的区别 - flashsky

        应届生经典面试题:说说进程与线程的区别与联系 - way_testlife

二. Python线程和全局解释器锁

       1.全局解释器锁(GIL)

        Python代码的执行由Python虚拟机(也叫解释器主循环)来控制。Python在设置之初就考虑到要在主循环中,同时只有一个线程在执行,就像单CPU的系统中运行多个进程那样,内存中可以存放多个程序,但任意时刻,只有一个程序在CPU中运行。同样,虽然Python解释器可以“运行”多个线程,但任意时刻,只有一个线程在解释器中运行。

        对Python虚拟机的访问由全局解释器锁(global interpreter lock,GIL)来控制,正是这个锁能保证同一时刻只有一个线程在运行。在多线程环境中,Python虚拟机按一下方式执行:

        (1) 设置GIL

        (2) 切换到一个线程去运行

        (3) 运行:

                 a. 指定数量的字节码的指令,或者

                 b. 线程主动让出控制(可以调用time.sleep(0))

        (4) 把线程设置为睡眠状态

        (5) 解锁GIL

        (6) 再次重复以上所有步骤

        在调用外部代码(如C/C++扩展函数)的时候,GIL将会被锁定,直到这个函数结束为止(由于这期间没有Python的字节码被运行,所以不会做线程切换)。编写扩展的程序员可以主动解锁GIL。不过Python开发人员则不用担心在这些情况下你的Python代码会被锁住。

        对源代码,解释器主循环和GIL感兴趣的人,可以看看Python/ceval.c文件。

        2.退出线程

        当一个线程结束计算,它就退出了。线程可以调用thread.exit()之类的退出函数,也可以使用Python退出进程的标准方法,如sys.exit()或抛出一个SystemExit异常等。不过,你不可以直接杀掉Kill一个线程。

        后面会讲述两个与线程相关的模块,在这两个模块中,该书中不建议使用thread模块。主要原因是当主线程退出的时候,其他所有线程没有被清除就退出了。而threading模块就能确保所有“重要的”子线程都退出后,进程才会结束。

        主线程应该是一个好的管理者,它要了解每个线程都要做些什么事,线程都需要什么数据和什么参数,以及在线程结束的时候,它们都提供了什么结果。这样,主线程就可以把各个线程的结果组成一个有意义的最后结果。

        在Python2.7交互式解释器中导入import thread没有报错即表示线程可用。

        3.没有线程的例子

        使用time.sleep()函数来演示线程的工作,这个例子主要为后面线程做对比。time.sleep()需要一个浮点型的参数,来指定“睡眠”的时间(单位秒)。这就相当于程序的运行会被挂起指定的时间。

        代码解释:两个计时器,loop0睡眠4秒,loop1()睡眠2秒,它们是在一个进程或者线程中,顺序地执行loop0()和loop1(),那总运行时间为6秒。有可能启动过程中会再花些时间。

[python]
view plaincopy

from time import sleep, ctime  
  
def loop0():  
    print 'Start loop 0 at:', ctime()  
    sleep(4)  
    print 'Loop 0 done at:', ctime()  
  
def loop1():  
    print 'Start loop 1 at:', ctime()  
    sleep(2)  
    print 'Loop 1 done at:', ctime()  
  
def main():  
    print 'Starting at:', ctime()  
    loop0()  
    loop1()  
    print 'All done at:', ctime()  
  
if __name__ == '__main__':  
    main()  

        代码的运行结果如下图所示,它将和后面的并行代码做对比。



        4.避免使用thread模块

        Python提供了几个用于多线程编程的模块,包括thread、threading和Queue等。

        (1) thread模块: 允许程序员创建和管理线程,它提供了基本的线程和锁的支持。

        (2) threading模块: 允许程序员创建和管理线程,它提供了更高级别,更强的线程管理的功能。

        (3) Queue模块: 允许用户创建一个可用于多个线程间共享数据的队列数据结构。

        下面简单分析为什么需要避免使用thread模块?

        (1) 首先更高级别的threading模块更为先进,对线程的支持更为完善,而且使用thread模块里的属性有可能会与threading出现冲突。

        (2) 其次,低级别的thread模块的同步原语很少(实际只有一个),而threading模块则有很多。

        (3) 另一个原因是thread对你的进程什么时候应该结束完全没有控制,当主线程结束时,所有的线程都会被强制结束掉,没有警告也不会有正常的清除工作。而threading模块能确保重要的子线程退出后进程才退出。

        当然,为了你更好的理解线程,还是会对thread进行讲解。但是我们只建议那些有经验的专家想访问线程的底层结构时,才使用thread模块。而如果可以,你的第一个线程程序应尽可能使用threading等高级别的模块。

            

   

三. thread模块

       1.基础知识

        首先来看看thread模块都提供了些什么。除了产生线程外,thread模块也提供了基本的同步数据结构锁对象(lock object,也叫原语锁、简单锁、互斥锁、互斥量、二值信号量)。同步原语与线程的管理是密不可分的。
       常用的线程模块函数

模块函数
描述
start_new_thread(function, args kwargs=None)
产生一个新线程,在新线程中用指定的参数和可选的kwargs来调用该函数
allocate_lock()
分配一个LockType类型的锁对象
exit()
让线程退出
         LockType类型锁对象方

类型锁对象方法
描述
acquire(wait=None)
尝试获取锁对象
locked()
如果获取了锁对象返回True,否则返回False
release()
释放锁
        start_new_thread()函数是thread模块的一个关键函数,它的语法和内建的apply()函数一样,其参数为:函数,函数的参数以及可选的关键字的参数。不同的是,函数不是在主线程里运行,而是产生一个新的线程来运行这个函数。

        2.Thread模块实现代码

        现在实现一个线程的代码,与前面没有线程总运行时间为6秒的进行对比。

[python]
view plaincopy

import thread  
from time import sleep, ctime  
  
def loop0():  
    print 'Start loop 0 at:', ctime()  
    sleep(4)  
    print 'Loop 0 done at:', ctime()  
  
def loop1():  
    print 'Start loop 1 at:', ctime()  
    sleep(2)  
    print 'Loop 1 done at:', ctime()  
  
def main():  
    try:  
        print 'Starting at:', ctime()  
        thread.start_new_thread(loop0, ())  
        thread.start_new_thread(loop1, ())  
        sleep(6)  
        print 'All done at:', ctime()  
    except Exception,e:        
        print 'Error:',e    
    finally:      
        print 'END\n'    
  
if __name__ == '__main__':  
    main()  

        代码解释:

        使用thread模块提供简单的额多线程机制。loop0和loop1并发地被执行(显然,短的那个先结束),总的运行时间为最慢的那个线程的运行时间,而不是所有的线程的运行时间之和。start_new_thread()要求一定要有前两个参数,即使运行的函数不要参数,也要传一个空的元组。

        由于采用Python IDLE运行总是报错Runtime,而且已经设置了sleep(6)。运行一个线程勉强能运行,两个线程无论是thread或threading都报错,估计环境配置问题。



        最后采用Cygwin Terminal模拟Linux下运行程序。可以发现loop1和loop0是并发执行的,其中loop1先结束运行2秒,而loop0运行4秒。

        同时程序主函数中多了个sleep(6),为什么要加这一句话呢?

        因为如果我们没有让主线程停下来,那主线程就会运行下一条语句,显示“All done”,然后就关闭运行着loop0和loop1的两个线程,退出了。

        我们没有写让主线程停下来等所有子线程结束后再继续运行的代码,这就是前面所说的需要同步的原因。在这里,我们使用sleep(6)作为同步机制。设置6秒,两个线程一个4秒(53-57),一个2秒(53-55),在主线程等待6秒(53-59)后应该已经结束了。



        cygwin需要用到的常见用法包括,也可以安装VIM编辑器:

                   cd c:            进入 'c:' 目录,空格用'\ '转义字符

                   pwd               显示工作路径

                     ls               查看目录中的文件

                   file test.py                 查看文件内容

                   python test.py          运行python程序

        配置方法见:http://blog.sina.com.cn/s/blog_691ebcfc0101lgme.html

        下载地址见:http://pan.baidu.com/s/1jGYEtro

        3.线程加锁方法

        那么,有什么好的管理线程的方法呢?而不是在主线程里做个额外的延时6秒操作。因为总的运行时间并不比单线程的代码少;而且使用sleep()函数做线程的同步操作是不可靠的;如果循环的执行时间不能事先确定的话,这可能会造成主线程过早或过晚的退出。

        这就需要引入锁的概念。下面代码执行loop函数,与前面代码的区别是不用为线程什么时候结束再做额外的等待了。使用锁之后,可以在两个线程都退出后,马上退出。

[python]
view plaincopy

#coding=utf-8  
import thread   
from time import sleep, ctime   
   
loops = [4,2]                           #等待时间  
  
#锁序号 等待时间 锁对象  
def loop(nloop, nsec, lock):  
    print 'start loop', nloop, 'at:', ctime()   
    sleep(nsec)   
    print 'loop', nloop, 'done at:', ctime()  
    lock.release()                      #解锁                    
   
def main():  
    print 'starting at:', ctime()  
    locks =[]  
    nloops = range(len(loops))          #以loops数组创建列表并赋值给nloops  
           
    for i in nloops:  
        lock = thread.allocate_lock()   #创建锁对象  
        lock.acquire()                  #获取锁对象 加锁  
        locks.append(lock)              #追加到locks[]数组中   
  
    #执行多线程 (函数名,函数参数)  
    for i in nloops:  
        thread.start_new_thread(loop,(i,loops[i],locks[i]))  
  
    #循环等待顺序检查每个所都被解锁才停止      
    for i in nloops:  
        while locks[i].locked():  
            pass  
  
    print 'all end:', ctime()   
  
if __name__ == '__main__':   
    main()  

        运行结果如下:
      Starting at: Tue Dec  8 21:57:56 2015

      Start loop 0 at: Tue Dec  8 21:57:56 2015

      Start loop 1 at: Tue Dec  8 21:57:56 2015

      Loop 1 done at: Tue Dec  8 21:57:58 2015

      Loop 0 done at: Tue Dec  8 21:58:00 2015

      All end: Tue Dec  8 21:58:00 2015
        我们在函数中记录下循环的号码和睡眠的时间,同时每个线程都会被分配一个事先已经获得的锁,在sleep()的时间到了之后就释放相应的锁以通知住线程,这个线程已经结束了。

        (1) loops[4, 2]定义睡眠时间 nloops=range(len(loops))创建列表[0, 1] 号码;

        (2) 调用thread.allocate_lock()函数创建一个锁的列表,并分别调用各个锁的acquire()函数获得锁对象。获得锁表示“把锁锁上”,并放到锁列表locks中;

        (3) 再循环创建线程,调用thread.start_new_thread(loop,(i,loops[i],locks[i]))。参数对应线程循环号、睡眠时间和锁。

        (4) 在线程结束时,需要做解锁操作,调用lock.release()函数;

        (5) 最后一个循环是坐在那一直等待(达到暂停主线程的目的),直到两个锁都被解锁才继续运行。它是顺序检查每个锁,主线程需不停地对所有锁进行检查直到都释放。

         为什么我们不在创建锁的循环里创建线程呢?一方面是想实现线程的同步,所以要让“所有的马同时冲出栅栏”;另外获取锁要花些时间,如果线程退出太快,可能导致还没有获得锁,线程就已经结束了。

         最后再强调下,thread模块仅仅了解就行,你应该使用更高级别的threading等。
  

四. threading模块

        threading模块不仅提供了Thread类,还提供了各种非常好用的同步机制。如下表列出了threading模块里所有的对象。

threading模块对象
描述
Thread
表示一个线程的执行的对象
Lock
锁原语对象(跟thread模块里的锁对象相同)
RLock
可重入锁对象。使单线程可以再次获得已经获得了的锁(递归锁定)
Condition
条件变量对象能让一个线程停下来,等待其他线程满足了某个“条件”。如状态的改变或值的改变
Event
通用的条件变量。多个线程可以等待某个时间的发生,在事件发生后,所有的线程都被激活
Semaphore
为等待锁的线程提供一个类似“等候室”的结构
BoundedSemaphore
与Semaphore类似,只是它不允许超过初始值
Timer
与thread类似,只是它要等待一段时间后才开始运行
        1.守护线程
        其中thread模块需要避免的一个原因是:它不支持守护线程。当主线程退出时,所有的子线程不论它们是否还在工作,都会被强行退出。有时我们并不期望这种行为,这就引入了守护线程的概念。
        Threading模块支持守护线程,它们工作流程如下:守护线程一般是一个等待客户请求的服务器,如果没有客户提出请求,它就在那等着。如果你设定一个线程为守护线程,就表示你在说这个线程是不重要的,在进程退出时,不用等待这个线程退出,正如网络编程中服务器线程运行在一个无限循环中,一般不会退出的。
        如果你的主线程要退出的时候,不用等待那些子线程完成,那就设定这些线程的daemon属性。即,线程开始(调用thread.start())之前,调用setDaemon()函数设定线程的daemon标准(thread.setDaemon(True))就表示这个线程“不重要”。

        如果你想要等待子线程完成再退出,那就什么都不用做,或者显示地调用thread.setDaemon(False)以保证其daemon标志位False。你可以调用thread.isDaemon()函数来判断其daemon标志的值。

        新的子线程会继承其父线程的daemon标志,整个Python会在所有的非守护线程退出后才会结束,即进程中没有非守护线程存在的时候才结束。

        2.Thread类
        threading的Thread类是你主要的运行对象。它有很多thread模块里没有的函数。
函数
描述
start()
开始线程的执行
run()
定义线程的功能的函数(一般会被子类重写)
join(timeout=None)
程序挂起,直到线程结束;如果给了timeout,则最多阻塞timeout秒
getName()
返回线程的名字
setName(name)
设置线程的名字
isAlive()
布尔标志,表示这个线程是否还在运行中
isDaemon()
返回线程的daemon标志
setDaemon(daemonic)
把线程的daemon标志设为daemonic(一定要在调用start()函数前调用)
        用Thread类,可以用多种方法来创建线程。现在介绍三种方法,你可以选择自己喜欢或社和自己程序的方法(通常选择最后一个):

        (1) 创建一个Thread的实例,传给它一个函数;

        (2) 创建一个Thread的实例,传给它一个可调用的类对象;

        (3) 从Thread派生出一个子类,创建一个这个子类的实例。

        3.创建Thread实例,传给它一个函数

        这第一个例子使用方法一,把函数及其参数如上面Thread模块的例子一样传进去。主要变化包括:添加了一些Thread对象;在实例化每个Thread对象时,把函数(target)和参数(args)都传进去,得到返回的Thread实例。

        实例化一个Thread调用Thread()方法与调用thread.start_new_thread()之间的最大区别是:新的线程不会立即开始。在你创建线程对象,但不想马上开始运行线程的时候,这是一个很有用的同步特性。
        threading模块的Thread类有一个join()函数,允许主线程等待线程的结束。

[python]
view plaincopy

#coding=utf-8  
import threading   
from time import sleep, ctime   
   
loops = [4,2]                      #睡眠时间  
   
def loop(nloop, nsec):  
    print 'Start loop', nloop, 'at:', ctime()   
    sleep(nsec)   
    print 'Loop', nloop, 'done at:', ctime()  
      
   
def main():  
    print 'Starting at:', ctime()  
    threads = []  
    nloops = range(len(loops))     #列表[0,1]  
          
    #创建线程  
    for i in nloops:  
        t = threading.Thread(target=loop,args=(i,loops[i]))  
        threads.append(t)  
  
    #开始线程  
    for i in nloops:  
        threads[i].start()  
  
    #等待所有结束线程  
    for i in nloops:  
        threads[i].join()  
  
    print 'All end:', ctime()   
  
if __name__ == '__main__':   
    main()  

        运行结果如下图所示:其中loop0和loop1并行执行,loop1先结束共执行2秒,loop0后结束执行4秒,总共运行时间4秒。注意:此时Start是分行显示了。



        所有的线程都创建之后,再一起调用start()函数启动线程,而不是创建一个启动一个。而且,不用再管理一堆锁(分配锁、获得锁、释放锁、检查锁的状态等),只要简单地对每个线程调用join()函数就可以了。

        join()会等到线程结束,或者在给了timeout参数的时候,等到超时为止。使用join()比使用一个等待锁释放的无限循环清楚一些(也称“自旋锁”)。

        join()的另一个比较重要的方法是它可以完全不用调用。一旦线程启动后,就会一直运行,直到线程的函数结束,退出为止。

         如果你的主线程除了等线程结束外,还有其他的事情要做(如处理或等待其他的客户请求),那就不用调用join(),只有在你要等待线程结束的时候才要调用join()。

        4.创建一个Thread实例,传给它一个可调用的类对象

        这是第二个方法,与传一个函数很相似,但它是传一个可调用的类的实例供线程启动的时候执行,这是多线程编程的一个更为面向对象的方法。相对于一个或几个函数来说,由于类对象里可以使用类请打的功能,可以保存更多的信息,这种方法更为灵活。

[python]
view plaincopy

#coding=utf-8  
import threading   
from time import sleep, ctime   
   
loops = [4,2]                   #睡眠时间  
  
class ThreadFunc(object):  
  
    def __init__(self, func, args, name=''):  
        self.name=name  
        self.func=func  
        self.args=args  
  
    def __call__(self):  
        apply(self.func, self.args)  
  
def loop(nloop, nsec):  
    print "Start loop", nloop, 'at:', ctime()  
    sleep(nsec)  
    print 'Loop', nloop, 'done at:', ctime()  
  
def main():  
    print 'Starting at:', ctime()  
    threads=[]  
    nloops = range(len(loops))   #列表[0,1]  
  
    for i in nloops:  
        #调用ThreadFunc类实例化的对象,创建所有线程  
        t = threading.Thread(  
                target=ThreadFunc(loop, (i,loops[i]), loop.__name__)  
            )   
        threads.append(t)  
          
    #开始线程  
    for i in nloops:  
        threads[i].start()  
  
    #等待所有结束线程  
    for i in nloops:  
        threads[i].join()  
  
    print 'All end:', ctime()   
  
if __name__ == '__main__':   
    main()  

        运行结果如下图所示,传递的是一个可调用的类,而不是一个函数。



        创建Thread对象时会实例化一个可调用类ThreadFunc的类对象。这个类保存了函数的参数,函数本身以及函数的名字字符串。

        构造器__init__()函数:初始化赋值工作;

        特殊函数__call__():由于我们已经有要用的参数,所以就不用再传到Thread()构造器中;由于我们有一个参数的元组,这时要在代码中使用apply()函数。
       
apply(func [, args [, kwargs ]]) 函数:用于当函数参数已经存在于一个元组或字典中时,间接地调用函数。args是一个包含将要提供给函数的按位置传递的参数的元组。如果省略了args,任何参数都不会被传递,kwargs是一个包含关键字参数的字典。

[python]
view plaincopy

def say(a, b):  
    print a, b  
apply(say,("Eastmount", "Python线程"))  
  
# 输出  
# Eastmount Python线程   

        5.Thread派生一个子类,创建这个子类的实例

        这是第三个方法,主要是如何子类化Thread类,该方法与第二个方法类似。其中创建子类方法和调用类对象方法的最重要改变是:

        (1) MyThread子类的构造器一定要先调用基类的构造器;

        (2) 之前特殊函数__call__()在子类中,名字要改为run()。

[python]
view plaincopy

#coding=utf-8  
import threading   
from time import sleep, ctime   
   
loops = [4,2]                   #睡眠时间  
  
class MyThread(threading.Thread):  
  
    def __init__(self, func, args, name=''):  
        threading.Thread.__init__(self)  
        self.name=name  
        self.func=func  
        self.args=args  
  
    def run(self):              #run()函数  
        apply(self.func, self.args)  
  
def loop(nloop, nsec):  
    print "Start loop", nloop, 'at:', ctime()  
    sleep(nsec)  
    print 'Loop', nloop, 'done at:', ctime()  
  
def main():  
    print 'Starting at:', ctime()  
    threads=[]  
    nloops = range(len(loops))   #列表[0,1]  
  
    for i in nloops:  
        #子类MyThread实例化,创建所有线程  
        t = MyThread(loop, (i,loops[i]), loop.__name__)  
        threads.append(t)  
          
    #开始线程  
    for i in nloops:  
        threads[i].start()  
  
    #等待所有结束线程  
    for i in nloops:  
        threads[i].join()  
  
    print 'All end:', ctime()   
  
if __name__ == '__main__':   
    main()  

运行结果如下图所示:



        6.线程运行斐波那契、阶乘和加和

        需要在MyThread类中加入输出信息,除了使用apply()函数运行斐波那契、接触和加和函数外,还把结果保存到实现的self.res属性中,并创建一个函数getResult()得到结果。换句话说,子类方法更加灵活。

[python]
view plaincopy

#coding=utf-8  
import threading   
from time import sleep, ctime   
  
class MyThread(threading.Thread):  
  
    def __init__(self, func, args, name=''):  
        threading.Thread.__init__(self)  
        self.name=name  
        self.func=func  
        self.args=args  
  
    def getResult(self):  
        return self.res  
      
    def run(self):              #run()函数  
        print "Starting", self.name, 'at:', ctime()  
        self.res = apply(self.func, self.args)  
        print self.name, 'finished at:', ctime()  

        在threadfunc.py文件中调用前面定义的Thread子类,myThread.py中的MyThread类。由于这些函数运行得很快(斐波那契函数运行慢些),使用sleep()函数比较它们的时间。实际工作中不需要添加sleep()函数。

[python]
view plaincopy

#coding=utf-8  
from myThread import MyThread   #myThread.py文件中MyThread类  
from time import sleep, ctime   
  
#斐波那契函数  
def fib(x):  
    sleep(0.005)  
    if x < 2:  
        return 1  
    return (fib(x-2) + fib(x-1))  
  
#阶乘函数 factorial calculation   
def fac(x):  
    sleep(0.1)  
    if x < 2:  
        return 1  
    return (x * fac(x-1))  
  
#求和函数  
def sum(x):  
    sleep(0.1)  
    if x < 2:  
        return 1  
    return (x + sum(x-1))  
  
funcs = [fib, fac, sum]  
n = 14  
  
def main():  
    nfuncs = range(len(funcs))  
  
    print '*****单线程方法*****'  
    for i in nfuncs:  
        print 'Starting', funcs[i].__name__, 'at:', ctime()  
        print funcs[i](n)  
        print 'Finished', funcs[i].__name__, 'at:', ctime()  
    print '*****结束单线程*****'  
  
    print ' '  
    print '*****多线程方法*****'  
    threads = []  
    for i in nfuncs:  
        #调用MyThread类实例化的对象,创建所有线程  
        t = MyThread(funcs[i], (n,), funcs[i].__name__)  
        threads.append(t)  
          
    #开始线程  
    for i in nfuncs:  
        threads[i].start()  
  
    #等待所有结束线程  
    for i in nfuncs:  
        threads[i].join()  
        print threads[i].getResult()  
  
    print '*****结束多线程*****'  
  
if __name__ == '__main__':   
    main()  

        运行结果如下图所示,单线程运行10s,多线程运行6s。



        至于Queue模块这里就不再叙述了。

        下面介绍除了各种同步对象和线程对象外,threading模块还提供了一些函数。

函数
描述
activeCount()
当前活动的线程对象的数量
currentThread()
返回当前线程对象
enumerate()
返回当前活动线程的列表
settrace(func)
为所有线程设置一个跟踪函数
setprofile(func)
为所有线程设置一个profile函数
        最后给出一些多线程编程中可能用得到的模块。

模块
描述
thread
基本的、低级别的线程模块
threading
高级别的线程和同步对象
Queue
供多线程使用的同步先进先出(FIFO)队列
mutex
互斥对象
SocketServer
具有线程控制的TCP和UDP管理器

       总之,这篇文章主要是参考《Python核心编程》的,希望文章对你有所帮助~尤其是初学Python编程的,同时为后面我学习多线程的爬虫或分布式爬虫做铺垫。这篇文章花了自己一些时间,写到半夜;写文不易,且看且珍惜吧!勿喷~
       (By:Eastmount 2015-12-09 半夜5点  http://blog.csdn.net/eastmount/
内容来自用户分享和网络整理,不保证内容的准确性,如有侵权内容,可联系管理员处理 点击这里给我发消息
标签: