threading学习

多线程类似于同时执行多个不同程序，多线程运行有如下优点：

• 使用线程可以把占据长时间的程序中的任务放到后台去处理。
• 用户界面可以更加吸引人，这样比如用户点击了一个按钮去触发某些事件的处理，可以弹出一个进度条来显示处理的进度
• 程序的运行速度可能加快
• 在一些等待的任务实现上如用户输入、文件读写和网络收发数据等，线程就比较有用了。在这种情况下我们可以释放一些珍贵的资源如内存占用等等。

threading模块提供的类：  
　　Thread, Lock, Rlock, Condition, [Bounded]Semaphore, Event, Timer, local。

threading 模块提供的常用方法： 
　　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。

threading 模块提供的常量：

　　threading.TIMEOUT_MAX 设置threading全局超时时间。

Thread是线程类，有两种使用方法，直接传入要运行的方法或从Thread继承并覆盖run()：

 # coding:utf-8
 import threading
 import time
 #方法一：将要执行的方法作为参数传给Thread的构造方法
 def action(arg):
     time.sleep(1)
     print('the arg is:%s\r' %arg)

 for i in range(4):
     t =threading.Thread(target=action,args=(i,))
     t.start()

 print('main thread end!')

 #方法二：从Thread继承，并重写run()
 class MyThread(threading.Thread):
     def __init__(self,arg):
         super(MyThread, self).__init__()#注意：一定要显式的调用父类的初始化函数。
         self.arg=arg
     def run(self):#定义每个线程要运行的函数
         time.sleep(1)
         print 'the arg is:%s\r' % self.arg

 for i in range(4):
     t =MyThread(i)
     t.start()

 print('main thread end!')

构造方法： 
Thread(group=None, target=None, name=None, args=(), kwargs={}) 

　　group: 线程组，目前还没有实现，库引用中提示必须是None； 
　　target: 要执行的方法；

name: 线程名； 
　　args/kwargs: 要传入方法的参数。

实例方法： 
　　isAlive(): 返回线程是否在运行。正在运行指启动后、终止前。 
　　get/setName(name): 获取/设置线程名。

　　start():  线程准备就绪，等待CPU调度
　　is/setDaemon(bool): 获取/设置是后台线程（默认前台线程（False））。（在start之前设置）

　　　　如果是后台线程，主线程执行过程中，后台线程也在进行，主线程执行完毕后，后台线程不论成功与否，主线程和后台线程均停止
       　　如果是前台线程，主线程执行过程中，前台线程也在进行，主线程执行完毕后，等待前台线程也执行完成后，程序停止
　　start(): 启动线程。 
　　join([timeout]): 阻塞当前上下文环境的线程，直到调用此方法的线程终止或到达指定的timeout（可选参数）。

使用例子一(未设置setDeamon)：

 # coding:utf-8
 import threading
 import time

 def action(arg):
     time.sleep(1)
     print('sub thread start!the thread name is:%s\r' % threading.currentThread().getName())
     print('the arg is:%s\r' %arg)
     time.sleep(1)

 for i in range(4):
     t =threading.Thread(target=action,args=(i,))
     t.start()

 print('main_thread end!')

运行结果

 main_thread end!
 sub thread start!the thread name is:Thread-2
 the arg is:1
 the arg is:0
 sub thread start!the thread name is:Thread-4
 the arg is:2
 the arg is:3
 Process finished with exit code 0
 可以看出，创建的4个“前台”线程，主线程执行过程中，前台线程也在进行，主线程执行完毕后，等待前台线程也执行完成后，程序停止

验证了serDeamon(False)(默认)前台线程，主线程执行过程中，前台线程也在进行，主线程执行完毕后，等待前台线程也执行完成后，主线程停止。

使用例子二（setDeamon=True）

 # coding:utf-8
 import threading
 import time

 def action(arg):
     time.sleep(1)
     print('sub thread start!the thread name is:%s\r' % threading.currentThread().getName())
     print('the arg is:%s\r' %arg)
     time.sleep(1)

 for i in range(4):
     t =threading.Thread(target=action,args=(i,))
     t.setDaemon(True)#设置线程为后台线程
     t.start()

 print('main_thread end!')

运行结果

 main_thread end!

 Process finished with exit code 0

 可以看出，主线程执行完毕后，后台线程不管是成功与否，主线程均停止

验证了serDeamon(True)后台线程，主线程执行过程中，后台线程也在进行，主线程执行完毕后，后台线程不论成功与否，主线程均停止。

使用例子三（设置join）

 #coding:utf-8
 import threading
 import time

 def action(arg):
     time.sleep(1)
     print('sub thread start!the thread name is:%s    ' % threading.currentThread().getName())
     print('the arg is:%s   ' %arg)
     time.sleep(1)

 thread_list = []    #线程存放列表
 for i in range(4):
     t =threading.Thread(target=action,args=(i,))
     t.setDaemon(True)
     thread_list.append(t)

 for t in thread_list:
     t.start()

 for t in thread_list:
     t.join()

运行结果

 sub thread start!the thread name is:Thread-2
 the arg is:1
 sub thread start!the thread name is:Thread-3
 the arg is:2
 sub thread start!the thread name is:Thread-1
 the arg is:0
 sub thread start!the thread name is:Thread-4
 the arg is:3
 main_thread end!

 Process finished with exit code 0

 设置join之后，主线程等待子线程全部执行完成后或者子线程超时后，主线程才结束

验证了 join()阻塞当前上下文环境的线程，直到调用此方法的线程终止或到达指定的timeout，即使设置了setDeamon（True）主线程依然要等待子线程结束。

使用例子四（join不妥当的用法，使多线程编程顺序执行）

 #coding:utf-8
 import threading
 import time

 def action(arg):
     time.sleep(1)
     print('sub thread start!the thread name is:%s    ' % threading.currentThread().getName())
     print('the arg is:%s   ' %arg)
     time.sleep(1)

 for i in range(4):
     t =threading.Thread(target=action,args=(i,))
     t.setDaemon(True)
     t.start()
     t.join()

 print('main_thread end!')

运行结果

 sub thread start!the thread name is:Thread-1
 the arg is:0
 sub thread start!the thread name is:Thread-2
 the arg is:1
 sub thread start!the thread name is:Thread-3
 the arg is:2
 sub thread start!the thread name is:Thread-4
 the arg is:3
 main_thread end!

 Process finished with exit code 0
 可以看出此时，程序只能顺序执行，每个线程都被上一个线程的join阻塞，使得“多线程”失去了多线程意义。

Lock、Rlock类

　　由于线程之间随机调度：某线程可能在执行n条后，CPU接着执行其他线程。为了多个线程同时操作一个内存中的资源时不产生混乱，我们使用锁。

Lock（指令锁）是可用的最低级的同步指令。Lock处于锁定状态时，不被特定的线程拥有。Lock包含两种状态——锁定和非锁定，以及两个基本的方法。

可以认为Lock有一个锁定池，当线程请求锁定时，将线程至于池中，直到获得锁定后出池。池中的线程处于状态图中的同步阻塞状态。

RLock（可重入锁）是一个可以被同一个线程请求多次的同步指令。RLock使用了“拥有的线程”和“递归等级”的概念，处于锁定状态时，RLock被某个线程拥有。拥有RLock的线程可以再次调用acquire()，释放锁时需要调用release()相同次数。

可以认为RLock包含一个锁定池和一个初始值为0的计数器，每次成功调用 acquire()/release()，计数器将+1/-1，为0时锁处于未锁定状态。

简言之：Lock属于全局，Rlock属于线程。

构造方法： 
Lock()，Rlock（）,推荐使用Rlock()

实例方法： 
　　acquire([timeout]): 尝试获得锁定。使线程进入同步阻塞状态。 
　　release(): 释放锁。使用前线程必须已获得锁定，否则将抛出异常。

例子一（未使用锁）

 #coding:utf-8
 import threading
 import time

 gl_num = 0

 def show():
     global gl_num
     time.sleep(1)
     gl_num +=1
     print gl_num

 for i in range(10):
     t = threading.Thread(target=show)
     t.start()

 print('main thread stop')

 运行结果
 main thread stop
 12

  3
 4
 568
  9

 910

 Process finished with exit code 0

 多次运行可能产生混乱。这种场景就是适合使用锁的场景。

例子二（使用锁）:

 # coding:utf-8

 import threading
 import time

 gl_num = 0

 lock = threading.RLock()

 # 调用acquire([timeout])时，线程将一直阻塞，
 # 直到获得锁定或者直到timeout秒后（timeout参数可选）。
 # 返回是否获得锁。
 def Func():
     lock.acquire()
     global gl_num
     gl_num += 1
     time.sleep(1)
     print gl_num
     lock.release()

 for i in range(10):
     t = threading.Thread(target=Func)
     t.start()

 运行结果

 1
 2
 3
 4
 5
 6
 7
 8
 9
 10

 Process finished with exit code 0
 可以看出，全局变量在在每次被调用时都要获得锁，才能操作，因此保证了共享数据的安全性

Lock对比Rlock

 #coding:utf-8

 import threading
 lock = threading.Lock() #Lock对象
 lock.acquire()
 lock.acquire()  #产生了死锁。
 lock.release()
 lock.release()
 print(lock.acquire())

 import threading
 rLock = threading.RLock()  #RLock对象
 rLock.acquire()
 rLock.acquire() #在同一线程内，程序不会堵塞。
 rLock.release()
 rLock.release()

Condition类

　　Condition（条件变量）通常与一个锁关联。需要在多个Contidion中共享一个锁时，可以传递一个Lock/RLock实例给构造方法，否则它将自己生成一个RLock实例。

　　可以认为，除了Lock带有的锁定池外，Condition还包含一个等待池，池中的线程处于等待阻塞状态，直到另一个线程调用notify()/notifyAll()通知；得到通知后线程进入锁定池等待锁定。

构造方法： 
Condition([lock/rlock])

实例方法： 
　　acquire([timeout])/release(): 调用关联的锁的相应方法。 
　　wait([timeout]): 调用这个方法将使线程进入Condition的等待池等待通知，并释放锁。使用前线程必须已获得锁定，否则将抛出异常。 
　　notify(): 调用这个方法将从等待池挑选一个线程并通知，收到通知的线程将自动调用acquire()尝试获得锁定（进入锁定池）；其他线程仍然在等待池中。调用这个方法不会释放锁定。使用前线程必须已获得锁定，否则将抛出异常。 
　　notifyAll(): 调用这个方法将通知等待池中所有的线程，这些线程都将进入锁定池尝试获得锁定。调用这个方法不会释放锁定。使用前线程必须已获得锁定，否则将抛出异常。

例子：生产者消费者模型

 import threading
 from threading import Thread
 import time
 import random

 def worker_func():
     print('worker thread started in %s' % (threading.current_thread()))
     random.seed()
     time.sleep(random.random())
     print('worker thread finished in %s' % (threading.current_thread()))

 def simple_thread_demo(tn=5):
     for i in range(tn):
         t = Thread(target=worker_func)
         t.start()

 gLock = threading.Lock()
 gRLock = threading.RLock()
 gSemaphore = threading.Semaphore(3)
 gPool = 1000
 gCondition = threading.Condition()

 def worker_func_lock(lock):
     lock.acquire()
     worker_func()
     lock.release()

 def thread_lock_demo(tn=5):
     for i in range(tn):
         t = Thread(target=worker_func_lock, args=[gSemaphore])
         t.start()

 class Consumer(Thread):
     def run(self):
         print('%s started' % threading.current_thread())
         while True:
             global gPool
             global gCondition

             gCondition.acquire()
             random.seed()
             c = random.randint(500, 1000)
             print('%s: Trying to consume %d. Left %d' % (threading.current_thread(), c, gPool))
             while gPool < c:
                 gCondition.wait()
             gPool -= c
             time.sleep(random.random())
             print('%s: Consumed %d. Left %d' % (threading.current_thread(), c, gPool))
             gCondition.release()

 class Producer(Thread):
     def run(self):
         print('%s started' % threading.current_thread())
         while True:
             global gPool
             global gCondition

             gCondition.acquire()
             random.seed()
             p = random.randint(100, 200)
             gPool += p
             print('%s: Produced %d. Left %d' % (threading.current_thread(), p, gPool))
             time.sleep(random.random())
             gCondition.notify_all()
             gCondition.release()

 def consumer_producer_demo():
     for i in range(1):
         Consumer().start()

     for i in range(1):
         Producer().start()

 if __name__ == '__main__':
     # simple_thread_demo()
     # thread_lock_demo()
     consumer_producer_demo()

信号量（Semaphore）

互斥锁 同时只允许一个线程更改数据，而Semaphore是同时允许一定数量的线程更改数据 ，比如厕所有3个坑，那最多只允许3个人上厕所，后面的人只能等里面有人出来了才能再进去。

 import threading,time

 def run(n):
     semaphore.acquire()
     time.sleep(1)
     print("run the thread: %s" %n)
     semaphore.release()

 if __name__ == '__main__':

     num= 0
     semaphore  = threading.BoundedSemaphore(5) #最多允许5个线程同时运行
     for i in range(20):
         t = threading.Thread(target=run,args=(i,))
         t.start()

Event类

　　Event（事件）是最简单的线程通信机制之一：一个线程通知事件，其他线程等待事件。Event内置了一个初始为False的标志，当调用set()时设为True，调用clear()时重置为 False。wait()将阻塞线程至等待阻塞状态。

　　Event其实就是一个简化版的 Condition。Event没有锁，无法使线程进入同步阻塞状态。

构造方法： 
Event()

实例方法： 
　　isSet(): 当内置标志为True时返回True。 
　　set(): 将标志设为True，并通知所有处于等待阻塞状态的线程恢复运行状态。 
　　clear(): 将标志设为False。 
　　wait([timeout]): 如果标志为True将立即返回，否则阻塞线程至等待阻塞状态，等待其他线程调用set()。

 # encoding: utf-8
 import threading
 import time

 event = threading.Event()

 def func():
     # 等待事件，进入等待阻塞状态
     print('%s wait for event...' % threading.currentThread().getName())
     event.wait()

     # 收到事件后进入运行状态
     print('%s recv event.' % threading.currentThread().getName())

 t1 = threading.Thread(target=func)
 t2 = threading.Thread(target=func)
 t1.start()
 t2.start()

 time.sleep(2)

 # 发送事件通知
 print('MainThread set event.')
 event.set()

 运行结果
 Thread-1 wait for event...
 Thread-2 wait for event...

 #2秒后。。。
 MainThread set event.
 Thread-1 recv event.
  Thread-2 recv event.

timer类

　　Timer（定时器）是Thread的派生类，用于在指定时间后调用一个方法。

构造方法： 
Timer(interval, function, args=[], kwargs={}) 
　　interval: 指定的时间 
　　function: 要执行的方法 
　　args/kwargs: 方法的参数

实例方法： 
Timer从Thread派生，没有增加实例方法。

 # encoding: utf-8
 import threading

 def func():
     print('hello timer!')

 timer = threading.Timer(5, func)
 timer.start()

线程延迟5秒后执行.

local类

　　local是一个小写字母开头的类，用于管理 thread-local（线程局部的）数据。对于同一个local，线程无法访问其他线程设置的属性；线程设置的属性不会被其他线程设置的同名属性替换。

　　可以把local看成是一个“线程-属性字典”的字典，local封装了从自身使用线程作为 key检索对应的属性字典、再使用属性名作为key检索属性值的细节。

 # encoding: utf-8
 import threading

 local = threading.local()
 local.tname = 'main'

 def func():
     local.tname = 'notmain'
     print(local.tname)

 t1 = threading.Thread(target=func)
 t1.start()
 t1.join()

 print(local.tname)

 运行结果
 notmain
 main

参考文章链接：

　　http://www.cnblogs.com/huxi/archive/2010/06/26/1765808.html

　　http://www.cnblogs.com/wupeiqi/articles/5040827.html