怎么在python中實現多線程

今天就跟大家聊聊有關怎么在python中實現多線程，可能很多人都不太了解，為了讓大家更加了解，小編給大家總結了以下內容，希望大家根據這篇文章可以有所收獲。

threading 模塊支持守護線程， 其工作方式是：守護線程一般是一個等待客戶端請求服務的服務器。

如果把一個線程設置為守護線程，進程退出時不需要等待這個線程執行完成。

如果主線程準備退出時，不需要等待某些子線程完成，就可以為這些子線程設置守護線程標記。 需要在啟動線程之前執行如下賦值語句： thread.daemon = True，檢查線程的守護狀態也只需要檢查這個值即可。

整個 Python 程序將在所有非守護線程退出之后才退出， 換句話說， 就是沒有剩下存活的非守護線程時才退出。

使用thread模塊

以下是三種使用 Thread 類的方法(一般使用第一個或第三個方案)

• 創建 Thread 的實例，傳給它一個函數。

import threading
from time import sleep, ctime
loops = [3, 2, 1, 1, 1]
def loop(i, nsec):
  print(f'start loop {i} at: {ctime()}')
  sleep(nsec)
  print(f'end loop {i} at: {ctime()}')
def main():
  print('start at', ctime())
  threads = []
  nloops = range(len(loops))
  for i in nloops:
    t = threading.Thread(target=loop, args=(i, loops[i]))
    threads.append(t)
  for i in nloops: # start threads
    threads[i].start()
  for i in nloops: # wait for all
    threads[i].join() # threads to finish
  print(f'all done at: {ctime()}')
if __name__ == '__main__':
  main()

當所有線程都分配完成之后，通過調用每個線程的 start()方法讓它們開始執行，而不是 在這之前就會執行。
相比于管理一組鎖（分配、獲取、釋放、檢查鎖狀態等）而言，這里只 需要為每個線程調用 join()方法即可。
join()方法將等待線程結束，或者在提供了超時時間的情況下，達到超時時間。
使用 join()方法要比等待鎖釋放的無限循環更加清晰（這也是這種鎖 又稱為自旋鎖的原因）。

• 創建 Thread 的實例，傳給它一個可調用的類實例。

import threading
from time import sleep, ctime
# 創建 Thread 的實例，傳給它一個可調用的類實例
loops = [3, 2, 1, 1, 1]
class ThreadFunc(object):
  def __init__(self, func, args, name=''):
    self.name = name
    self.func = func
    self.args = args
  def __call__(self):
    self.func(*self.args)
def loop(i, nsec):
  print(f'start loop {i} at: {ctime()}')
  sleep(nsec)
  print(f'end loop {i} at: {ctime()}')
def main():
  print('start at', ctime())
  threads = []
  nloops = range(len(loops))
  for i in nloops:
    t = threading.Thread(target=ThreadFunc(loop, (i, loops[i]), loop.__name__))
    threads.append(t)
  for i in nloops: # start threads
    threads[i].start()
  for i in nloops: # wait for all
    threads[i].join() # threads to finish
  print(f'all done at: {ctime()}')
if __name__ == '__main__':
  main()

• 派生 Thread 的子類，并創建子類的實例。

import threading
from time import sleep, ctime
# 創建 Thread 的實例，傳給它一個可調用的類實例
# 子類的構造函數必須先調用其基類的構造函數
# 特殊方法__call__()在 子類中必須要寫為 run()
loops = [3, 2, 1, 1, 1]
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)
def loop(i, nsec):
  print(f'start loop {i} at: {ctime()}')
  sleep(nsec)
  print(f'end loop {i} at: {ctime()}')
def main():
  print('start 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: # start threads
    threads[i].start()
  for i in nloops: # wait for all
    threads[i].join() # threads to finish
  print(f'all done at: {ctime()}')
if __name__ == '__main__':
  main()

使用鎖

python和java一樣，也具有鎖機制，而且創建與使用鎖都是很簡便的。

一般在多線程代碼中，總會有一些特 定的函數或代碼塊不希望（或不應該）被多個線程同時執行，通常包括修改數據庫、更新文件或 其他會產生競態條件的類似情況

鎖有兩種狀態：鎖定和未鎖定。而且它也只支持兩個函數：獲得鎖和釋放鎖。

一般鎖的調用如下

# 加載線程的鎖對象
lock = threading.Lock()
# 獲取鎖
lock.acquire()
# ...代碼
# 釋放鎖
lock.release()

更簡潔的方法是使用with關鍵字，如下代碼功能同上

# 加載線程的鎖對象
lock = threading.Lock()
with lock :
  #...代碼

示例代碼：

import threading
from time import sleep, ctime
lock = threading.Lock()
def a():
  lock.acquire()
  for x in range(5):
    print(f'a:{str(x)}')
    sleep(0.01)
  lock.release()
def b():
  lock.acquire()
  for x in range(5):
    print(f'a:{str(x)}')
    sleep(0.01)
  lock.release()
threading.Thread(target=a).start()
threading.Thread(target=b).start()

相關屬性和方法

• Thread對象的屬性

• Thread對象的方法

• threading模塊其他函數

后記

在Python多線程下，每個線程的執行方式：

1、獲取GIL
2、執行代碼直到sleep或者是python虛擬機將其掛起。
3、釋放GIL

通常來說，多線程是一個好東西。不過由于 Python 的 GIL 的限制，多線程更適合于 I/O 密集型應用（I/O 釋放了 GIL，可以允 許更多的并發），而不是計算密集型應用。對于后一種情況而言，為了實現更好的并行性，你需要使用多進程，以便讓 CPU 的其他內核來執行。

請注意：多核多線程比單核多線程更差，原因是單核下多線程，每次釋放GIL，喚醒的那個線程都能獲取到GIL鎖，所以能夠無縫執行，但多核下，CPU0釋放GIL后，其他CPU上的線程都會進行競爭，但GIL可能會馬上又被CPU0拿到，導致其他幾個CPU上被喚醒后的線程會醒著等待到切換時間后又進入待調度狀態，這樣會造成線程顛簸(thrashing)，導致效率更低

看完上述內容，你們對怎么在python中實現多線程有進一步的了解嗎？如果還想了解更多知識或者相關內容，請關注億速云行業資訊頻道，感謝大家的支持。