多线程（threading module）

一、线程与进程

线程定义：线程是操作系统能够进行运算调度的最小单位。它被包含在进程之中，是进程中的实际运作单位。一条线程指的是进程中一个单一顺序的控制流，一个进程中可以并发多个线程，每条线程并行执行不同的任务。

进程定义：An executing instance of a program is called a process.（程序的执行实例称为进程。）

线程与进程的区别：

　　1. 线程共享创建它的进程的地址空间; 进程有自己的地址空间。
　　2. 线程可以直接访问其进程的数据段; 进程拥有自己父进程数据段的副本。
　　3. 线程可以直接与其进程的其他线程通信; 进程必须使用进程间通信来与兄弟进程通信。
　　4. 新线程很容易创建; 新流程需要复制父流程。
　　5. 线程可以对同一进程的线程进行相当大的控制; 进程只能控制子进程。
　　6. 对主线程的更改（取消，优先级更改等）可能会影响进程的其他线程的行为; 对父进程的更改不会影响子进程。

二、Python GIL（Global Interpreter Lock）

　　--> 全局解释器锁 ：在同一时刻，只能有一个线程进入解释器。

三、threading 模块

3.1 线程的2种调用方式

直接调用

 import threading
 import time

 def sayhi(num): #定义每个线程要运行的函数

     print("running on number:%s" %num)

     time.sleep(3)

 if __name__ == '__main__':

     t1 = threading.Thread(target=sayhi,args=(1,)) #生成一个线程实例
     t2 = threading.Thread(target=sayhi,args=(2,)) #生成另一个线程实例

     t1.start() #启动线程
     t2.start() #启动另一个线程

     print(t1.getName()) #获取线程名
     print(t2.getName())

继承式调用

 import threading
 import time

 class MyThread(threading.Thread):
     def __init__(self,num):
         threading.Thread.__init__(self)
         self.num = num

     def run(self):#定义每个线程要运行的函数

         print("running on number:%s" %self.num)

         time.sleep(3)

 if __name__ == '__main__':

     t1 = MyThread(1)
     t2 = MyThread(2)
     t1.start()
     t2.start()

3.2 常用方法（Join/Daemon）

　　join() --> 在子线程完成运行之前，这个子线程的父线程将一直被阻塞。

　　setDaemon(True) -->  将线程声明为守护线程，必须在start() 方法调用之前设置。当守护线程运行时间超过主线程时，守护线程将随主线程结束而结束。

其他方法：

 threading 模块提供的其他方法：
 # threading.currentThread(): 返回当前的线程变量。
 # threading.enumerate(): 返回一个包含正在运行的线程的list。正在运行指线程启动后、结束前，不包括启动前和终止后的线程。
 # threading.activeCount(): 返回正在运行的线程数量，与len(threading.enumerate())有相同的结果。
 # 除了使用方法外，线程模块同样提供了Thread类来处理线程，Thread类提供了以下方法:
 # run(): 用以表示线程活动的方法。
 # start():启动线程活动。
 # join([time]): 等待至线程中止。这阻塞调用线程直至线程的join() 方法被调用中止-正常退出或者抛出未处理的异常-或者是可选的超时发生。
 # isAlive(): 返回线程是否活动的。
 # getName(): 返回线程名。
 # setName(): 设置线程名。

Method

3.3 同步锁（Lock）

　　r = threading.Lock()　　r.acquire() --> 加锁　　r.release() --> 解锁

 import time
 import threading

 def addNum():
     global num #在每个线程中都获取这个全局变量
     # num-=1
     lock.acquire()
     temp=num
     print('--get num:',num )
     #time.sleep(0.1)
     num =temp-1 #对此公共变量进行-1操作
     lock.release()

 num = 100  #设定一个共享变量
 thread_list = []
 lock=threading.Lock()

 for i in range(100):
     t = threading.Thread(target=addNum)
     t.start()
     thread_list.append(t)

 for t in thread_list: #等待所有线程执行完毕
     t.join()

 print('final num:', num )

3.4 线程死锁和递归锁

　　在线程间共享多个资源的时候，如果两个线程分别占有一部分资源并且同时等待对方的资源，就会造成死锁，因为系统判断这部分资源都正在使用，所有这两个线程在无外力作用下将一直等待下去。下面是一个死锁的例子：

 import threading,time

 class myThread(threading.Thread):
     def doA(self):
         lockA.acquire()
         print(self.name,"gotlockA",time.ctime())
         time.sleep(3)
         lockB.acquire()
         print(self.name,"gotlockB",time.ctime())
         lockB.release()
         lockA.release()

     def doB(self):
         lockB.acquire()
         print(self.name,"gotlockB",time.ctime())
         time.sleep(2)
         lockA.acquire()
         print(self.name,"gotlockA",time.ctime())
         lockA.release()
         lockB.release()
     def run(self):
         self.doA()
         self.doB()
 if __name__=="__main__":

     lockA=threading.Lock()
     lockB=threading.Lock()
     threads=[]
     for i in range(5):
         threads.append(myThread())
     for t in threads:
         t.start()
     for t in threads:
         t.join()

deadLock

解决办法：使用递归锁

　　即重新定义一把锁：lock = threading.RLock() --> 递归锁

　　将所有的锁替换为递归锁即可。递归锁可以重复加锁。

　　RLock内部维护着一个Lock和一个counter变量，counter记录了acquire的次数，从而使得资源可以被多次acquire。直到一个线程所有的acquire都被release，其他的线程才能获得资源。

3.5 信号量（Semaphore）--> 相当于一把锁

　　信号量用来控制线程并发数的，BoundedSemaphore或Semaphore管理一个内置的计数 器，每当调用acquire()时-1，调用release()时+1。

　　计数器不能小于0，当计数器为 0时，acquire()将阻塞线程至同步锁定状态，直到其他线程调用release()。(类似于停车位的概念)

　　BoundedSemaphore与Semaphore的唯一区别在于前者将在调用release()时检查计数 器的值是否超过了计数器的初始值，如果超过了将抛出一个异常。

 import threading,time
 class myThread(threading.Thread):
     def run(self):
         if semaphore.acquire():
             print(self.name)
             time.sleep(5)
             semaphore.release()
 if __name__=="__main__":
     semaphore=threading.Semaphore(5)
     thrs=[]
     for i in range(100):
         thrs.append(myThread())
     for t in thrs:
         t.start()

Semaphore

3.6 条件变量同步（Condition）--> 锁

　　有一类线程需要满足条件之后才能够继续执行，Python提供了threading.Condition 对象用于条件变量线程的支持，它除了能提供RLock()或Lock()的方法外，还提供了 wait()、notify()、notifyAll()方法。

lock_con=threading.Condition([Lock/Rlock])： 锁是可选选项，不传入锁，对象自动创建一个RLock()。

 wait()：条件不满足时调用，线程会释放锁并进入等待阻塞；
 notify()：条件创造后调用，通知等待池激活一个线程；
 notifyAll()：条件创造后调用，通知等待池激活所有线程。

 import threading,time
 from random import randint
 class Producer(threading.Thread):
     def run(self):
         global L
         while True:
             val=randint(0,100)
             print('生产者',self.name,":Append"+str(val),L)
             if lock_con.acquire():
                 L.append(val)
                 lock_con.notify()
                 lock_con.release()
             time.sleep(3)
 class Consumer(threading.Thread):
     def run(self):
         global L
         while True:
                 lock_con.acquire()
                 if len(L)==0:
                     lock_con.wait()
                 print('消费者',self.name,":Delete"+str(L[0]),L)
                 del L[0]
                 lock_con.release()
                 time.sleep(0.25)

 if __name__=="__main__":

     L=[]
     lock_con=threading.Condition()
     threads=[]
     for i in range(5):
         threads.append(Producer())
     threads.append(Consumer())
     for t in threads:
         t.start()
     for t in threads:
         t.join()

Condition Demo

3.7 同步条件（Event）

条件同步和条件变量同步差不多意思，只是少了锁功能，因为条件同步设计于不访问共享资源的条件环境。event=threading.Event()：条件环境对象，初始值 为False；

 event.isSet()：返回event的状态值；

 event.wait()：如果 event.isSet()==False将阻塞线程；

 event.set()： 设置event的状态值为True，所有阻塞池的线程激活进入就绪状态， 等待操作系统调度；

 event.clear()：恢复event的状态值为False。

示例：

 import threading,time
 class Boss(threading.Thread):
     def run(self):
         print("BOSS：今晚大家都要加班到22:00。")
         event.isSet() or event.set()
         time.sleep(5)
         print("BOSS：<22:00>可以下班了。")
         event.isSet() or event.set()
 class Worker(threading.Thread):
     def run(self):
         event.wait()
         print("Worker：哎……命苦啊！")
         time.sleep(0.25)
         event.clear()
         event.wait()
         print("Worker：OhYeah!")
 if __name__=="__main__":
     event=threading.Event()
     threads=[]
     for i in range(5):
         threads.append(Worker())
     threads.append(Boss())
     for t in threads:
         t.start()
     for t in threads:
         t.join()

3.8 队列（queue）-->多线程利器

queue中的方法：

创建一个“队列”对象
import Queue
q = Queue.Queue(maxsize = 10)
Queue.Queue类即是一个队列的同步实现。队列长度可为无限或者有限。可通过Queue的构造函数的可选参数maxsize来设定队列长度。如果maxsize小于1就表示队列长度无限。

将一个值放入队列中
q.put(10)
调用队列对象的put()方法在队尾插入一个项目。put()有两个参数，第一个item为必需的，为插入项目的值；第二个block为可选参数，默认为
1。如果队列当前为空且block为1，put()方法就使调用线程暂停,直到空出一个数据单元。如果block为0，put方法将引发Full异常。

将一个值从队列中取出
q.get()
调用队列对象的get()方法从队头删除并返回一个项目。可选参数为block，默认为True。如果队列为空且block为True，get()就使调用线程暂停，直至有项目可用。如果队列为空且block为False，队列将引发Empty异常。

Python Queue模块有三种队列及构造函数:
1、Python Queue模块的FIFO队列先进先出。  class queue.Queue(maxsize)
2、LIFO类似于堆，即先进后出。             class queue.LifoQueue(maxsize)
3、还有一种是优先级队列级别越低越先出来。   class queue.PriorityQueue(maxsize)

此包中的常用方法(q = Queue.Queue()):
q.qsize() 返回队列的大小
q.empty() 如果队列为空，返回True,反之False
q.full() 如果队列满了，返回True,反之False
q.full 与 maxsize 大小对应
q.get([block[, timeout]]) 获取队列，timeout等待时间
q.get_nowait() 相当q.get(False)
非阻塞 q.put(item) 写入队列，timeout等待时间
q.put_nowait(item) 相当q.put(item, False)
q.task_done() 在完成一项工作之后，q.task_done() 函数向任务已经完成的队列发送一个信号
q.join() 实际上意味着等到队列为空，再执行别的操作

示例：

 import threading,queue
 from time import sleep
 from random import randint
 class Production(threading.Thread):
     def run(self):
         while True:
             r=randint(0,100)
             q.put(r)
             print("生产出来%s号包子"%r)
             sleep(1)
 class Proces(threading.Thread):
     def run(self):
         while True:
             re=q.get()
             print("吃掉%s号包子"%re)
 if __name__=="__main__":
     q=queue.Queue(10)
     threads=[Production(),Production(),Production(),Proces()]
     for t in threads:
         t.start()

Demo