Python之路(第四十五篇)线程Event事件、条件Condition、定时器Timer、线程queue

一、事件Event

Event（事件）：事件处理的机制：全局定义了一个内置标志Flag，如果Flag值为 False，那么当程序执行 event.wait方法时就会阻塞，如果Flag值为True，那么event.wait 方法时便不再阻塞。

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。

Event()

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()。
isSet(): 获取内置标志状态，返回True或False。

线程的一个关键特性是每个线程都是独立运行且状态不可预测。如果程序中的其他线程需要通过判断某个线程的状态来确定自己下一步的操作,这时线程同步问题就会变得非常棘手。为了解决这些问题,我们需要使用threading库中的Event对象。对象包含一个可由线程设置的信号标志,它允许线程等待某些事件的发生。

执行过程：在初始情况下,Event对象中的信号标志被设置为假。如果有线程等待一个Event对象, 而这个Event对象的标志为假,那么这个线程将会被一直阻塞直至该标志为真。一个线程如果将一个Event对象的信号标志设置为真,它将唤醒所有等待这个Event对象的线程。如果一个线程等待一个已经被设置为真的Event对象,那么它将忽略这个事件, 继续执行。

例子

使用场景：

有多个工作线程尝试链接MySQL，我们想要在链接前确保MySQL服务正常才让那些工作线程去连接MySQL服务器，如果连接不成功，都会去尝试重新连接。那么我们就可以采用threading.Event机制来协调各个工作线程的连接操作

from threading import Event,Thread
import time
import random


def connect_db(e):
    time.sleep(random.randint(0,3))
    e.set()

def check_web(e):
    count = 1
    time.sleep(1)
    while count < 4:
        e.wait(0.5)  # 状态为False的时候,只等待0.5s就结束
        if e.is_set():
            print("第%s次链接数据库成功！"%count)
            break
        else:
            print("第%s次链接数据库失败！"%count)
            count += 1
    else:
        raise TimeoutError("数据库链接超时")

e = Event()
t1 = Thread(target=check_web,args=(e,))
t2 = Thread(target=connect_db,args=(e,))
t1.start()
t2.start()

二、条件Condition

可以把Condition理解为一把高级的琐，它提供了比Lock, RLock更高级的功能，允许我们能够控制复杂的线程同步问题。threadiong.Condition在内部维护一个琐对象（默认是RLock），可以在创建Condigtion对象的时候把琐对象作为参数传入。

Condition也提供了acquire, release方法，其含义与琐的acquire, release方法一致，其实它只是简单的调用内部琐对象的对应的方法而已。

Condition还提供了如下方法(特别要注意：这些方法只有在占用琐(acquire)之后才能调用，否则将会报RuntimeError异常。)：

Condition.wait([timeout]):

wait方法释放内部所占用的琐，同时线程被挂起，直至接收到通知被唤醒或超时（如果提供了timeout参数的话）。当线程被唤醒并重新占有琐的时候，程序才会继续执行下去。

Condition.notify():

唤醒一个挂起的线程（如果存在挂起的线程）。注意：notify()方法不会释放所占用的琐。
Condition.notify_all() Condition.notifyAll()

唤醒所有挂起的线程（如果存在挂起的线程）。注意：这些方法不会释放所占用的琐。

例子


from threading import Thread,Condition

def func(con,i):
    con.acquire()
    con.wait()
    print("在执行第%s个线程"%i)
    con.release()


con = Condition()
for i in range(10):
    Thread(target=func,args=(con,i)).start()
while True:
    num = input(">>>").strip()
    if num.isdigit():
        num = int(num)
    else:break
    con.acquire()
    con.notify(num) #通知有几个线程可以执行
    con.release()

# Python提供的Condition对象提供了对复杂线程同步问题的支持。
# Condition被称为条件变量，除了提供与Lock类似的acquire和release方法外，
# 还提供了wait和notify方法。线程首先acquire一个条件变量，然后判断一些条件。
# 如果条件不满足则wait；如果条件满足，进行一些处理改变条件后，
# 通过notify方法通知其他线程，其他处于wait状态的线程接到通知后会重新判断条件。
# 不断的重复这一过程，从而解决复杂的同步问题。

分析：在程序运行过程中输入数字，输入多少个数字就唤醒多少个线程执行for循环里的线程。

三、定时器Timer

Timer:隔一定时间调用一个函数,如果想实现每隔一段时间就调用一个函数的话，就要在Timer调用的函数中，再次设置Timer。Timer是Thread的一个派生类.

Timer继承子Thread类，是Thread的子类，也是线程类，具有线程的能力和特征。这个类用来定义多久执行一个函数。

它的实例是能够延迟执行目标函数的线程，在真正执行目标函数之前，都可以cancel它。

Timer()

interval 第一个参数传间隔时间

function 传执行任务的函数隔了多少秒后执行这个函数

给函数传参方式 args kwargs

Timer用的是Thread模块，每启动一个定时器，启动一个线程

例子


from threading import Timer
import time


def add(x, y):
    print(x + y)


t = Timer(10,add,args=[4,5,])
t.start()

time.sleep(2)
t.cancel()
print("===end===")

　分析：start方法执行之后，Timer对象会处于等待状态，等待10秒之后会执行add函数。同时，在执行add函数之前的等待阶段，主线程使用了子线程的cancel方法，就会跳过执行函数结束。

例子

# 定时器，指定n秒后执行某个操作
from threading import Timer
import time

def func():
    print("执行时间同步")


while True:
    Timer(5,func).start() #注意这个线程是异步的，先执行这句，然后马上就执行time.sleep()，
    # timer在等待5秒后执行func,而time.sleep()此时也等待了5秒，再次执行timer()
    time.sleep(5)

四、线程queue

queue 模块下提供了几个阻塞队列，这些队列主要用于实现线程通信。在 queue 模块下主要提供了三个类，分别代表三种队列，它们的主要区别就在于进队列、出队列的不同。

关于这三个队列类的简单介绍如下：

Queue.qsize()：返回队列的实际大小，也就是该队列中包含几个元素。
Queue.empty()：判断队列是否为空。
Queue.full()：判断队列是否已满。
Queue.put(item, block=True, timeout=None)：向队列中放入元素。如果队列己满，且 block 参数为 True（阻塞），当前线程被阻塞，timeout 指定阻塞时间，如果将 timeout 设置为 None，则代表一直阻塞，直到该队列的元素被消费；如果队列己满，且 block 参数为 False（不阻塞），则直接引发 queue.FULL 异常。
Queue.put_nowait(item)：向队列中放入元素，不阻塞。相当于在上一个方法中将 block 参数设置为 False。
Queue.get(item, block=True, timeout=None)：从队列中取出元素（消费元素）。如果队列已满，且 block 参数为 True（阻塞），当前线程被阻塞，timeout 指定阻塞时间，如果将 timeout 设置为 None，则代表一直阻塞，直到有元素被放入队列中；如果队列己空，且 block 参数为 False（不阻塞），则直接引发 queue.EMPTY 异常。
Queue.get_nowait(item)：从队列中取出元素，不阻塞。相当于在上一个方法中将 block 参数设置为 False。
Queue.Queue(maxsize=0) #FIFO，用来定义队列的长度，如果maxsize小于1就表示队列长度无限,
Queue.LifoQueue(maxsize=0) #LIFO，如果maxsize小于1就表示队列长度无限
task_done()#意味着之前入队的一个任务已经完成。由队列的消费者线程调用。每一个get()调用得到一个任务，接下来的task_done()调用告诉队列该任务已经处理完毕如果当前一个join()正在阻塞，它将在队列中的所有任务都处理完时恢复执行（即每一个由put()调用入队的任务都有一个对应的task_done()调用）。
join()#阻塞调用线程，直到队列中的所有任务被处理掉。只要有数据被加入队列，未完成的任务数就会增加。当消费者线程调用task_done(（意味着有消费者取得任务并完成任务），未完成的任务数就会减少。当未完成的任务数降到0，join()解除阻塞。

三种不同的队列类

q=Queue(maxsize):创建一个FIFO(first-in first-out,先进先出)队列。maxsize是队列中金额以放入的项的最大数量。
如果省略maxsize参数或将它置为0，队列大小将无穷大。

q=LifoQueue(maxsize)：创建一个LIFO（last-in first-out，后进先出）队列(栈)。

q=PriorityQueue(maxsize)：创建一个优先级队列，其中项按照优先级从低到高依次排好。
使用这种队列时，项应该是(priority,data)形式的元组，其中priority时一个标识优先级的数字。

例子

# 进程中使用队列 from multiprocessing import Queue
import queue
#
# q1 = queue.Queue() #先进先出
# q1.get_nowait() #不阻塞直接取，如果取时是空则报错
# q1.put_nowait(2)  #不阻塞直接存，如果存时是满的则报错
# q1.get()
# q1.put(1)


q2 = queue.LifoQueue() #其实是一个栈，先进后出
q2.put("a")
q2.put("b")
q2.put("c")
print(q2.get())

q3 = queue.PriorityQueue()  #优先级队列，根据设置的优先级确定取出的对象
q3.get((20,"a"))
q3.get((10,"c"))
q3.get((0,"b"))
q3.get((-10,"d"))  #数字越小越优先取出来
q3.get((30,"e"))
print(q3.get())

生产者消费者模型

import threading
import time
from queue import Queue


def put_id():
    i = 0
    while True:
        i = i + 1
        print("添加数据", i, id_queue.qsize())
        time.sleep(1)
        id_queue.put(i)


def get_id(m):
    while True:
        i = id_queue.get()
        print("线程", m, '取值', i)


if __name__ == "__main__":
    id_queue = Queue(10)

    Th1 = threading.Thread(target=put_id, )
    Th2 = threading.Thread(target=get_id, args=(2,))
    Th3 = threading.Thread(target=get_id, args=(3,))
    Th5 = threading.Thread(target=get_id, args=(4,))
    Th4 = threading.Thread(target=get_id, args=(5,))

    Th1.start()
    Th2.start()
    Th3.start()
    Th4.start()
    Th5.start()