Python学习 ：多线程

多线程

什么是线程？

- 能独立运行的基本单位——线程（Threads）。

- 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。

- 就好比生产的工厂，一个车间的工作过程是一个进程，车间中的一条条流水线工作的过程是不同的线程。

下面的图片就是线程与进程之间的关系

注意：进程是资源分配的最小单位,线程是CPU调度的最小单位.

每一个进程中至少有一个线程。

线程与进程的区别可以归纳为以下4点：

1）地址空间和其它资源（如打开文件）：进程间的地址空间相互独立，同一进程的各线程间共享进程的地址空间。某进程内的线程在其它进程不可见

2）通信：进程间通信IPC，线程间可以直接读写进程数据段（如全局变量）来进行通信——需要进程同步和互斥手段的辅助，以保证数据的一致性

3）调度和切换：线程上下文切换比进程上下文切换要快得多

4）在多线程操作系统中，进程不是一个可执行的实体

创建多线程简例

import time
import threading

def foo(n):
    print('线程%s'%n)
    time.sleep(3)
    print('线程%s结束' % n)

def bar(n):
    print('线程%s' % n)
    time.sleep(2)
    print('线程%s结束' % n)

begin = time.time()
print('------------主线程------------')
# 创建线程对象
t1 = threading.Thread(target = foo,args = (1,))
t2 = threading.Thread(target = bar,args = (2,))
# 通过 os 调度来抢占 cpu资源

t1.start()
t2.start()

# 线程不结束就不会继续向下进行
t1.join()
t2.join()

end = time.time()
print(end-begin)

join()方法

- join()方法会使线程在join处进行阻塞，倘若线程没完成就不会继续向下运行

import time
import threading
from time import ctime,sleep

def music(func):
    for i in range(2):
        print ("Begin listening to %s. %s" %(func,ctime()))
        sleep(4)
        print("----------end listening %s----------"%ctime())

def moive(func):
    for i in range(2):
        print ("Begin watching at the %s! %s" %(func,ctime()))
        sleep(5)
        print('----------end watching %s----------'%ctime())

threads = []
t1 = threading.Thread(target=music,args=('晴天',))
threads.append(t1)
t2 = threading.Thread(target=moive,args=('肖申克的救赎',))
threads.append(t2)

if __name__ == '__main__':
    start = time.time()
    for t in threads:
        t.start()
        #t.join() # t 先取的值为 t1 ，t1不结束就不会继续向下走，此时相当于串行
        #t1.join() # 与 t.join() 效果一致
    t.join() # 在python中不会报错，此时取值为 t2
    #t2.join()  # 在 t2 运行完成后，才会完成后续代码
    print ("all over %s" %ctime())
    end = time.time()
    print(end - start)

守护线程 Daemon

- 守护线程setDaemon(True)，必须在start() 方法调用之前设置，否则将会报错

- 如果不设置为守护线程程序会被无限挂起。这个方法基本和join是相反的。

- 主线程一旦结束，子线程也同时结束

- 当主线程完成时不需要某个子线程完全运行完就要退出程序，那么就可以将这个子线程设置为守护线程，

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(10)

if __name__ == '__main__':
    begin = time.time()
    t1 = MyThread(1)
    t2 = MyThread(2)
    threads = [t1, t2]
    for t in threads:
        t.setDaemon(True)
        t.start()
    print('进程结束！')
    end = time.time()
    print(end-begin)

队列 queue

- queue类的方法

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

队列的简例

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()