python多线程学习总结

进程可以理解为一个运行中的程序，拥有自己的地址空间、内容、数据栈以及其他用于跟踪执行的辅助数据。
线程可立即为mini进程，其是在同一个进程下执行的，共享同一片数据空
间。线程包括开始、执行顺序和结束三个部分。

线程间的信息共享和通信更加容易。线程一般是以并发方式执行的，正是由于这种并行和数据共享机制，使得多任务间的协作成为可能。当然，在单核 CPU 系统中，因为真正的并发是不可能的，所以线程的执行实际上是这样规划的：每个线程运行一小会儿，然后让步给其他线程（再次排队等待更多的 CPU 时间）。在整个进程的执行过程中，每个线程执行它自己特定的任务，在必要时和其他线程进行结果通信。
当然，这种共享并不是没有风险的。如果两个或多个线程访问同一片数据，由于数据访问顺序不同，可能导致结果不一致。这种情况通常称为竞态条件（race condition）。所以大多数线程库都有一些同步原语，以允许线程管理器控制执行和访问。

全局解释器锁

python代码的执行是在python虚拟机中，尽管python解释器中可以运行多个线程，但是任意时刻只会有一个线程被解释器执行。

![全局解释器锁](https://img-blog.csdn.net/20170726092122349?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvdTAxMDU4NTI0Mg==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)

python支持多线程编写的模块有thread、threading、Queue等，目前比较推荐的为threading模块。

threading模块

**Thread类**
threading模块的Thread类是主要的执行对象，其主要的属性和方法如下：

两种常用的创建线程的方法：

创建Thread的实例，传一个函数进去

派生Thread的子类，重写run方法，并创建子类的实例

[code]# coding:utf-8
import threading
from time import sleep, ctime

loops = (4, 2)

派生子类，重写run方法

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):
self.func(*self.args)

多线程运行的函数

def loop(nloop, nsec):
print 'start loop', nloop, 'at:', ctime()
sleep(nsec)
print 'loop', nloop, 'done at:', ctime()

def main():
print 'startig at:', ctime()
threads = []
nloops = range(len(loops))
for i in nloops:
t = Mythread(loop, (i, loops[i]), loop.__name__)
threads.append(t)

for i in nloops:
threads[i].start()

for i in nloops:
threads[i].join()

print 'all done at:', ctime()
if __name__ == '__main__':
main()