python 多线程编程之threading模块（Thread类）创建线程的三种方法

摘录 python核心编程

上节介绍的thread模块，是不支持守护线程的。当主线程退出的时候，所有的子线程都将终止，不管他们是否仍在工作。

本节开始，我们开始介绍python的另外多线程模块threading，该模块支持守护线程，其工作方式：守护线程一般是一个等待客户端请求的服务器。如果没有客户端请求，守护线程就是空闲的。如果把一个线程设置为守护线程，就表示这个线程是不重要的，进程退出时不需要等待这个线程执行完成。

如果主线程准备退出的时候，不需要等待某些子线程完成，就可以为这些子线程设置守护线程标记。该标记值为真的时候，标示线程是不重要的，或者说该线程只是用来等待客户端请求而不做其他任何事情。

使用下面的语句：thread.daemon=True 可以将一个线程设置为守护线程。同样的也可以通过这个值来查看线程的守护状态。一个新的子线程会继承父线程的守护标记。整个python程序（也可以称作主线程）将在所有的非守护线程退出之后才退出。

threading模块除了Thread类之外，还包括许多好用的同步机制：

对象	描述
Thread	表示一个执行线程的对象
Lock	锁对象
RLock	可重入锁对象，使单一线程可以（再次）获得已持有的锁（递归锁）
Condition	条件变量对象，使得一个线程等待另外一个线程满足特定的条件，比如改变状态或者某个数据值
Event	条件变量的通用版本，任意数量的线程等待某个事件的发生，在该事件发生后所有的线程都将被激活
Semaphore	为线程间的有限资源提供一个计数器，如果没有可用资源时会被阻塞
BoundedSemaphore	于Semaphore相似，不过它不允许超过初始值
Timer	于Thread类似，不过它要在运行前等待一定时间
Barrier	创建一个障碍，必须达到指定数量的线程后才可以继续

其中，Thread类是threading模块的主要执行对象。

下面是Thread类的属性和方法列表：

属性	描述
Thread类属性
name	线程名
ident	线程的标识符
daemon	布尔值，表示这个线程是否是守护线程
Thread类方法
__init__(group=None,target=None,name=None,args=(),kwargs={},verbose=None,daemon=None)	实例化一个线程对象，需要一个可调用的target对象，以及参数args或者kwargs。还可以传递name和group参数。daemon的值将会设定thread.daemon的属性
start()	开始执行该线程
run()	定义线程的方法。（通常开发者应该在子类中重写）
join(timeout=None)	直至启动的线程终止之前一直挂起；除非给出了timeout(单位秒)，否则一直被阻塞
getName()	返回线程名（该方法已被弃用）
setName()	设定线程名（该方法已弃用）
isAlive	布尔值，表示这个线程是否还存活（驼峰式命名，python2.6版本开始已被取代）
isDaemon()	布尔值，表示是否是守护线程(已经弃用)
setDaemon(布尔值)	在线程start()之前调用，把线程的守护标识设定为指定的布尔值（已弃用）

使用Thread类，可以有多种方法创建线程：

• 创建Thread类的实例，传递一个函数
• 创建Thread类的实例，传递一个可调用的类实例
• 派生Thread类的子类，并创建子类的实例

一般的，我们会采用第一种或者第三种方法。如果需要一个更加符合面向对象的接口时，倾向于选择第三种方法，否则就用第一种方法吧。

第一种方法：创建Thread类，传递一个函数

下面的脚本中，我们先实例化Thread类，并传递一个函数（及其参数），当线程执行的时候，函数也会被执行：

#!/usr/bin/env/ python
 
import threading
from time import sleep,ctime
#不再把4秒和2秒硬性的编码到不同的函数中，而是使用唯一的loop()函数，并把这些常量放进列表loops中
loops=[4,2]
 
def loop(nloop,nsec):
    print('开始循环',nloop,'at:',ctime())
    sleep(nsec)
    print('循环',nloop,'结束于：',ctime())
 
def main():
    print('程序开始于：',ctime())
    threads=[]
    nloops=range(len(loops))
 
    for i in nloops:
        t=threading.Thread(target=loop,args=(i,loops[i])) #循环 实例化2个Thread类，传递函数及其参数，并将线程对象放入一个列表中
        threads.append(t)
 
    for i in nloops:
        threads[i].start()  #循环 开始线程
 
    for i in nloops:
        threads[i].join()   #循环 join()方法可以让主线程等待所有的线程都执行完毕。
 
    print('任务完成于：',ctime())
 
if __name__=='__main__':
    main()

执行结果：

PS C:\Users\WC> python E:\Python3.6.3\workspace\mtsleepC.py
程序开始于： Thu Mar 29 21:35:13 2018
开始循环 0 at: Thu Mar 29 21:35:13 2018
开始循环 1 at: Thu Mar 29 21:35:13 2018
循环 1 结束于： Thu Mar 29 21:35:15 2018
循环 0 结束于： Thu Mar 29 21:35:17 2018
任务完成于： Thu Mar 29 21:35:17 2018

和上节的thread模块相比，不同点在于：实现同样的效果，thread模块需要锁对象，而threading模块的Thread类不需要。实例化Thread（调用Thread()）和调用thread.start_new_thread()的最大区别就是新线程不会立即执行！这是一个非常有用的同步功能，尤其在我们不希望线程立即开始执行的时候。

　　当所有的线程都分配完成之后，通过调用每个线程的start()方法再让他们开始。相比于thread模块的管理一组锁（分配、获取、释放检查锁状态）来说，threading模块的Thread类只需要为每个线程调用join()方法即可。join(timeout=None)方法将等待线程结束，或者是达到指定的timeout时间时。这种锁又称为自旋锁。

　　最重要的是：join()方法，其实你根本不需要调用它。一旦线程启动，就会一直执行，直到给定的函数完成后退出。如果主线程还有其他事情要做（并不需要等待这些线程完成），可以不调用join()。join()只有在你需要等待线程完成时候才是有用的。

例如上面的脚本中，我们注释掉join()代码：

……
  for i in nloops:
        threads[i].start()  #循环 开始线程
    '''
    for i in nloops:
        threads[i].join()   #循环 join()方法可以让主线程等待所有的线程都执行完毕。
    '''
    print('任务完成于：',ctime())
 
if __name__=='__main__':
    main()

运行结果：

PS C:\Users\WC> python E:\Python3.6.3\workspace\mtsleepC.py
程序开始于： Thu Mar 29 21:55:10 2018
开始循环 0 at: Thu Mar 29 21:55:10 2018
开始循环 1 at: Thu Mar 29 21:55:10 2018
任务完成于： Thu Mar 29 21:55:10 2018
循环 1 结束于： Thu Mar 29 21:55:12 2018
循环 0 结束于： Thu Mar 29 21:55:14 2018

我们发现：主线程的任务比两个循环线程要先执行（任务完成于……在 循环X结束……的前面）

第二种方法：创建Thread类的实例，传递一个可调用的类实例

创建线程时，于传入函数类似的方法是传入一个可调用的类的实例，用于线程执行——这种方法更加接近面向对象的多线程编程。比起一个函数或者从一个函数组中选择而言，这种可调用的类包含一个执行环境，有更好的灵活性。

在上述的mtsleepC.py脚本中添加一个新类ThreadFunc，稍微改动一番，形成mtsleepD.py文件：

#!/usr/bin/env python
 
import threading
from time import sleep,ctime
 
loops=[4,2]
 
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(nloop,nsec):
    print('开始循环',nloop,'在：',ctime())
    sleep(nsec)
    print('结束循环',nloop,'于：',ctime())
 
def main():
    print('程序开始于：',ctime())
    threads = []
    nloops = range(len(loops))
 
    for i in nloops:
        t = threading.Thread(target=ThreadFunc(loop,(i,loops[i]),loop.__name__)) #传递一个可调用类的实例
        threads.append(t)
 
    for i in nloops:
        threads[i].start()  #开始所有的线程
 
    for i in nloops:
        threads[i].join()   #等待所有的线程执行完毕
 
    print('任务完成于：',ctime())
 
if __name__=='__main__':
    main()
    

执行结果：

PS C:\Users\WC> python E:\Python3.6.3\workspace\mtsleepD.py
程序开始于： Thu Mar 29 22:30:02 2018
开始循环 0 在： Thu Mar 29 22:30:02 2018
开始循环 1 在： Thu Mar 29 22:30:02 2018
结束循环 1 于： Thu Mar 29 22:30:04 2018
结束循环 0 于： Thu Mar 29 22:30:06 2018
任务完成于： Thu Mar 29 22:30:06 2018

上述脚本中，主要添加了ThreadFunc类，并在实例化Thread对象时，通过传参的形式同时实例化了可调用类ThreadFunc。这里同时完成了两个实例化。

我们研究一下创建ThreadFunc类的思想：我们希望这个类更加通用，而不是局限于loop()函数，为此，添加了一些新的东西，比如这个类保存了函数自身、函数的参数、以及函数名。构造函数__init__()用于设定上述值。当创建新线程的时候，Thread类的代码将调用ThreadFunc对象，此时会调用__call__()这个特殊方法。

（老实说，这种方法显得有些尴尬，并且稍微难以阅读）

第三种方法：派生Thread的子类，并创建子类的实例

和方法二相比，方法三再创建线程时使用子类要相对更容易阅读，下面是mtsleepE.py脚本：

#！/usr/bin/env pyhton
 
import threading
from time import sleep,ctime
 
loops=[4,2]
 
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(nloop,nsec):
    print('开始循环',nloop,'在：',ctime())
    sleep(nsec)
    print('结束循环',nloop,'于：',ctime())
 
def main():
    print('程序开始于：',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('所有的任务完成于：',ctime())
 
if __name__ =='__main__':
    main()

运行结果：

PS C:\Users\WC> python E:\Python3.6.3\workspace\mtsleepE.py
程序开始于： Thu Mar 29 22:52:18 2018
开始循环 0 在： Thu Mar 29 22:52:18 2018
开始循环 1 在： Thu Mar 29 22:52:18 2018
结束循环 1 于： Thu Mar 29 22:52:20 2018
结束循环 0 于： Thu Mar 29 22:52:22 2018
所有的任务完成于： Thu Mar 29 22:52:22 2018

比较方法二和方法三，重要的变化在于：MyThread子类的构造函数必须先调用其父类的构造函数；重写run()方法，代替方法二中的__call__()方法。

优化第三种方法：

对MyThread类进行修改，增加一些调试信息的输出，并将该类单独存储为myThread.py的模块（MyThread.py），以便在以后的例子中需要的时候导入这个类。另外，除了简单的调用函数外，还可以将结果保存在实例的属性self.res中，同时增加新的方法getResult()来获取这个值：

#!/usr/bin/env python
 
import threading
from time import ctime
 
class MyThread(threading.Thread):
    def __init__(self,func,args,name=''):
        threading.Thread.__init__(self)
        self.func = func
        self.name = name
        self.args = args
 
    def run(self):
        print('开始执行',self.name,' 在：',ctime())
        self.res = self.func(*self.args)
        print(self.name,'结束于：',ctime())
 
    def getResult(self):
        return self.res

下面，我们介绍多线程和单线程执行效果对比的时候，会用到这个MyThread.py模块。

脚本mtfacfib.pt，比较了递归求斐波那契、阶乘和累计函数的执行，分别按照单线程和多线程的方式执行同样的任务：

#!/usr/bin/env python
 
from myThread import MyThread
from time import ctime,sleep
#斐波那契
def fib(x):
    sleep(0.005)
    if x < 2:
        return 1
    return fib(x-1)+fib(x-2)
#阶乘
def fac(x):
    sleep(0.1)
    if x < 2:
        return 1
    return x*fac(x-1)
#累加
def sum(x):
    sleep(0.1)
    if x < 2 :
        return 1
    return x + sum(x-1)
 
funcs=[fib,fac,sum]
n = 12
 
def main():
    nfuncs = range(len(funcs))
 
    #单线程
    print('单线程模式')
    for i in nfuncs:
        print('开始',funcs[i].__name__,' 在：',ctime())
        print(funcs[i](n))
        print(funcs[i].__name__,'结束于：',ctime())
 
    #多线程
    print('多线程模式')
    threads = []
    for i in nfuncs :
        t = MyThread(funcs[i],(n,),funcs[i].__name__)
        threads.append(t)
 
    for i in nfuncs:
        threads[i].start()
 
    for i in nfuncs:
        threads[i].join()
        print(threads[i].getResult())
 
    print('所有的任务结束')
 
if __name__ == '__main__':
    main()
    

运行结果：

PS C:\Users\WC> python E:\Python3.6.3\workspace\mtfacfib.py
单线程模式
开始 fib  在： Fri Mar 30 14:08:43 2018
233
fib 结束于： Fri Mar 30 14:08:45 2018
开始 fac  在： Fri Mar 30 14:08:45 2018
479001600
fac 结束于： Fri Mar 30 14:08:46 2018
开始 sum  在： Fri Mar 30 14:08:46 2018
78
sum 结束于： Fri Mar 30 14:08:48 2018
多线程模式
开始执行 fib  在： Fri Mar 30 14:08:48 2018
开始执行 fac  在： Fri Mar 30 14:08:48 2018
开始执行 sum  在： Fri Mar 30 14:08:48 2018
fac 结束于： Fri Mar 30 14:08:49 2018
sum 结束于： Fri Mar 30 14:08:49 2018
fib 结束于： Fri Mar 30 14:08:50 2018
233
479001600
78
所有的任务结束

程序中，为了看到多线程如何改善性能的，我们加入了sleep函数用于减慢执行速度。

看到单线程模式中，只是简单的一次调用每个函数，并在函数结束执行的时候立即显示相关的结果；而使用多线程的时候，并不会立刻显示结果，因为我们希望MyThread类越通用越好（有输出和无输出都能执行），我们一直等到所有线程都join之后，再调用getResult()方法显示每个函数的返回值。