1. 首页
  2. 笔记

python 多线程使用

发布于: 2012年5月18日
标签：, ,

一、Python中的线程使用：

Python中使用线程有两种方式：函数或者用类来包装线程对象。

1、函数式：调用thread模块中的start_new_thread()函数来产生新线程。如下例：

view plaincopy to clipboardprint?
  1. import time
  2. import thread
  3. def timer(no, interval):
  4.     cnt = 0
  5.     while cnt<10:
  6.         print‘Thread:(%d) Time:%s
    ‘    %(no, time.ctime())
  7.         time.sleep(interval)
  8.         cnt+=1
  9.     thread.exit_thread()
  10. def test(): #Use thread.start_new_thread() to create 2 new threads
  11.     thread.start_new_thread(timer, (1,1))
  12.     thread.start_new_thread(timer, (2,2))
  13. if __name__==‘__main__’:
  14.     test()

上面的例子定义了一个线程函数timer,它打印出10条时间记录后退出，每次打印的间隔由interval参数决定。thread.start_new_thread(function, args[, kwargs])的第一个参数是线程函数（本例中的timer方法），第二个参数是传递给线程函数的参数，它必须是tuple类型，kwargs是可选参数。

线程的结束可以等待线程自然结束，也可以在线程函数中调用thread.exit()或thread.exit_thread()方法。

2、创建threading.Thread的子类来包装一个线程对象，如下例：

view plaincopy to clipboardprint?
  1. import threading
  2. import time
  3. class timer(threading.Thread): #The timer class is derived from the class threading.Thread
  4.     def __init__(self, num, interval):
  5.         threading.Thread.__init__(self)
  6.         self.thread_num = num
  7.         self.interval = interval
  8.         self.thread_stop = False
  9.     def run(self): #Overwrite run() method, put what you want the thread do here
  10.         whilenotself.thread_stop:
  11.             print‘Thread Object(%d), Time:%s
    ‘     %(self.thread_num, time.ctime())
  12.             time.sleep(self.interval)
  13.     def stop(self):
  14.         self.thread_stop = True
  15. def test():
  16.     thread1 = timer(1, 1)
  17.     thread2 = timer(2, 2)
  18.     thread1.start()
  19.     thread2.start()
  20.     time.sleep(10)
  21.     thread1.stop()
  22.     thread2.stop()
  23.     return
  24. if __name__ == ‘__main__’:
  25.     test()

就我个人而言，比较喜欢第二种方式，即创建自己的线程类，必要时重写threading.Thread类的方法，线程的控制可以由自己定制。

threading.Thread类的使用：

1，在自己的线程类的__init__里调用threading.Thread.__init__(self, name = threadname)

Threadname为线程的名字

2， run()，通常需要重写，编写代码实现做需要的功能。

3，getName()，获得线程对象名称

4，setName()，设置线程对象名称

5，start()，启动线程

6，join([timeout])，等待另一线程结束后再运行。

7，setDaemon(bool)，设置子线程是否随主线程一起结束，必须在start()之前调用。默认为False。

8，isDaemon()，判断线程是否随主线程一起结束。

9，isAlive()，检查线程是否在运行中。

此外threading模块本身也提供了很多方法和其他的类，可以帮助我们更好的使用和管理线程。可以参看http://www.python.org/doc/2.5.2/lib/module-threading.html。


假设两个线程对象t1和t2都要对num=0进行增1运算，t1和t2都各对num修改10次，num的最终的结果应该为20。但是由于是多线程访问，有可能出现下面情况：在num=0时，t1取得num=0。系统此时把t1调度为”sleeping”状态，把t2转换为”running”状态，t2页获得num=0。然后t2对得到的值进行加1并赋给num，使得num=1。然后系统又把t2调度为”sleeping”，把t1转为”running”。线程t1又把它之前得到的0加1后赋值给num。这样，明明t1和t2都完成了1次加1工作，但结果仍然是num=1。

上面的case描述了多线程情况下最常见的问题之一：数据共享。当多个线程都要去修改某一个共享数据的时候，我们需要对数据访问进行同步。

1、简单的同步

最简单的同步机制就是“锁”。锁对象由threading.RLock类创建。线程可以使用锁的acquire()方法获得锁，这样锁就进入“locked”状态。每次只有一个线程可以获得锁。如果当另一个线程试图获得这个锁的时候，就会被系统变为“blocked”状态，直到那个拥有锁的线程调用锁的release()方法来释放锁，这样锁就会进入“unlocked”状态。“blocked”状态的线程就会收到一个通知，并有权利获得锁。如果多个线程处于“blocked”状态，所有线程都会先解除“blocked”状态，然后系统选择一个线程来获得锁，其他的线程继续沉默（“blocked”）。

Python中的thread模块和Lock对象是Python提供的低级线程控制工具，使用起来非常简单。如下例所示：

view plaincopy to clipboardprint?
  1. import thread
  2. import time
  3. mylock = thread.allocate_lock() #Allocate a lock
  4. num=0#Shared resource
  5. def add_num(name):
  6.     global num
  7.     whileTrue:
  8.         mylock.acquire() #Get the lock
  9.         # Do something to the shared resource
  10.         print‘Thread %s locked! num=%s’%(name,str(num))
  11.         if num >= 5:
  12.             print‘Thread %s released! num=%s’%(name,str(num))
  13.             mylock.release()
  14.             thread.exit_thread()
  15.         num+=1
  16.         print‘Thread %s released! num=%s’%(name,str(num))
  17.         mylock.release() #Release the lock.
  18. def test():
  19.     thread.start_new_thread(add_num, (‘A’,))
  20.     thread.start_new_thread(add_num, (‘B’,))
  21. if __name__== ‘__main__’:
  22.     test()

Python 在thread的基础上还提供了一个高级的线程控制库，就是之前提到过的threading。Python的threading module是在建立在thread module基础之上的一个module，在threading module中，暴露了许多thread module中的属性。在thread module中，python提供了用户级的线程同步工具“Lock”对象。而在threading module中，python又提供了Lock对象的变种: RLock对象。RLock对象内部维护着一个Lock对象，它是一种可重入的对象。对于Lock对象而言，如果一个线程连续两次进行acquire操作，那么由于第一次acquire之后没有release，第二次acquire将挂起线程。这会导致Lock对象永远不会release，使得线程死锁。RLock对象允许一个线程多次对其进行acquire操作，因为在其内部通过一个counter变量维护着线程acquire的次数。而且每一次的acquire操作必须有一个release操作与之对应，在所有的release操作完成之后，别的线程才能申请该RLock对象。

下面来看看如何使用threading的RLock对象实现同步。

view plaincopy to clipboardprint?
  1. import threading
  2. mylock = threading.RLock()
  3. num=0
  4. class myThread(threading.Thread):
  5.     def __init__(self, name):
  6.         threading.Thread.__init__(self)
  7.         self.t_name = name
  8.     def run(self):
  9.         global num
  10.         whileTrue:
  11.             mylock.acquire()
  12.             print‘
    Thread(%s) locked, Number: %d’    %(self.t_name, num)
  13.             if num>=4:
  14.                 mylock.release()
  15.                 print‘
    Thread(%s) released, Number: %d’    %(self.t_name, num)
  16.                 break
  17.             num+=1
  18.             print‘
    Thread(%s) released, Number: %d’    %(self.t_name, num)
  19.             mylock.release()
  20. def test():
  21.     thread1 = myThread(‘A’)
  22.     thread2 = myThread(‘B’)
  23.     thread1.start()
  24.     thread2.start()
  25. if __name__== ‘__main__’:
  26.     test()

我们把修改共享数据的代码成为“临界区”。必须将所有“临界区”都封闭在同一个锁对象的acquire和release之间。

2、条件同步

锁只能提供最基本的同步。假如只在发生某些事件时才访问一个“临界区”，这时需要使用条件变量Condition。

Condition对象是对Lock对象的包装，在创建Condition对象时，其构造函数需要一个Lock对象作为参数，如果没有这个Lock对象参数，Condition将在内部自行创建一个Rlock对象。在Condition对象上，当然也可以调用acquire和release操作，因为内部的Lock对象本身就支持这些操作。但是Condition的价值在于其提供的wait和notify的语义。

条件变量是如何工作的呢？首先一个线程成功获得一个条件变量后，调用此条件变量的wait()方法会导致这个线程释放这个锁，并进入“blocked”状态，直到另一个线程调用同一个条件变量的notify()方法来唤醒那个进入“blocked”状态的线程。如果调用这个条件变量的notifyAll()方法的话就会唤醒所有的在等待的线程。

如果程序或者线程永远处于“blocked”状态的话，就会发生死锁。所以如果使用了锁、条件变量等同步机制的话，一定要注意仔细检查，防止死锁情况的发生。对于可能产生异常的临界区要使用异常处理机制中的finally子句来保证释放锁。等待一个条件变量的线程必须用notify()方法显式的唤醒，否则就永远沉默。保证每一个wait()方法调用都有一个相对应的notify()调用，当然也可以调用notifyAll()方法以防万一。


生产者与消费者问题是典型的同步问题。这里简单介绍两种不同的实现方法。

1，条件变量

view plaincopy to clipboardprint?
  1. import threading
  2. import time
  3. class Producer(threading.Thread):
  4.     def __init__(self, t_name):
  5.         threading.Thread.__init__(self, name=t_name)
  6.     def run(self):
  7.         global x
  8.         con.acquire()
  9.         if x > 0:
  10.             con.wait()
  11.         else:
  12.             for i in range(5):
  13.                 x=x+1
  14.                 print“producing…” + str(x)
  15.             con.notify()
  16.         print x
  17.         con.release()
  18. class Consumer(threading.Thread):
  19.     def __init__(self, t_name):
  20.         threading.Thread.__init__(self, name=t_name)
  21.     def run(self):
  22.         global x
  23.         con.acquire()
  24.         if x == 0:
  25.             print‘consumer wait1’
  26.             con.wait()
  27.         else:
  28.             for i in range(5):
  29.                 x=x-1
  30.                 print“consuming…” + str(x)
  31.             con.notify()
  32.         print x
  33.         con.release()
  34. con = threading.Condition()
  35. x=0
  36. print‘start consumer’
  37. c=Consumer(‘consumer’)
  38. print‘start producer’
  39. p=Producer(‘producer’)
  40. p.start()
  41. c.start()
  42. p.join()
  43. c.join()
  44. print x

上面的例子中，在初始状态下，Consumer处于wait状态，Producer连续生产（对x执行增1操作）5次后，notify正在等待的Consumer。Consumer被唤醒开始消费（对x执行减1操作）

2，同步队列

Python中的Queue对象也提供了对线程同步的支持。使用Queue对象可以实现多个生产者和多个消费者形成的FIFO的队列。

生产者将数据依次存入队列，消费者依次从队列中取出数据。

view plaincopy to clipboardprint?
  1. # producer_consumer_queue
  2. from Queue import Queue
  3. import random
  4. import threading
  5. import time
  6. #Producer thread
  7. class Producer(threading.Thread):
  8.     def __init__(self, t_name, queue):
  9.         threading.Thread.__init__(self, name=t_name)
  10.         self.data=queue
  11.     def run(self):
  12.         for i in range(5):
  13.             print“%s: %s is producing %d to the queue!
    “     %(time.ctime(), self.getName(), i)
  14.             self.data.put(i)
  15.             time.sleep(random.randrange(10)/5)
  16.         print“%s: %s finished!” %(time.ctime(), self.getName())
  17. #Consumer thread
  18. class Consumer(threading.Thread):
  19.     def __init__(self, t_name, queue):
  20.         threading.Thread.__init__(self, name=t_name)
  21.         self.data=queue
  22.     def run(self):
  23.         for i in range(5):
  24.             val = self.data.get()
  25.             print“%s: %s is consuming. %d in the queue is consumed!
    “     %(time.ctime(), self.getName(), val)
  26.             time.sleep(random.randrange(10))
  27.         print“%s: %s finished!” %(time.ctime(), self.getName())
  28. #Main thread
  29. def main():
  30.     queue = Queue()
  31.     producer = Producer(‘Pro.’, queue)
  32.     consumer = Consumer(‘Con.’, queue)
  33.     producer.start()
  34.     consumer.start()
  35.     producer.join()
  36.     consumer.join()
  37.     print‘All threads terminate!’
  38. if __name__ == ‘__main__’:
  39.     main()

在上面的例子中，Producer在随机的时间内生产一个“产品”，放入队列中。Consumer发现队列中有了“产品”，就去消费它。本例中，由于Producer生产的速度快于Consumer消费的速度，所以往往Producer生产好几个“产品”后，Consumer才消费一个产品。

Queue模块实现了一个支持多producer和多consumer的FIFO队列。当共享信息需要安全的在多线程之间交换时，Queue非常有用。Queue的默认长度是无限的，但是可以设置其构造函数的maxsize参数来设定其长度。Queue的put方法在队尾插入，该方法的原型是：

put(item[, block[, timeout]])

如果可选参数block为true并且timeout为None（缺省值），线程被block，直到队列空出一个数据单元。如果timeout大于0，在timeout的时间内，仍然没有可用的数据单元，Full exception被抛出。反之，如果block参数为false（忽略timeout参数），item被立即加入到空闲数据单元中，如果没有空闲数据单元，Full exception被抛出。

Queue的get方法是从队首取数据，其参数和put方法一样。如果block参数为true且timeout为None（缺省值），线程被block，直到队列中有数据。如果timeout大于0，在timeout时间内，仍然没有可取数据，Empty exception被抛出。反之，如果block参数为false（忽略timeout参数），队列中的数据被立即取出。如果此时没有可取数据，Empty exception也会被抛出。

 

- EOF -