Python多线程与队列

Python多线程与Queue队列多线程在感官上类似于同时执行多个程序，虽然由于GIL的存在，在Python中无法实现线程的真正并行，但是对于某些场景，多线程仍不失为一个有效的处理方法：

1，不紧急的，无需阻塞主线程的任务，此时可以利用多线程在后台慢慢处理；
2，IO密集型操作，比如文件读写、用户输入和网络请求等，此时多线程可以近似达到甚至优于多进程的表现；

多线程的基本使用不再赘述，以下语法便可轻松实现：

 def task(args1, args2):
     pass
 
 Thread(
     target=task,
     args=(args1, args2)
 ).start()

这里我们重点关注线程通信。

假设有这么一种场景：有一批源数据，指定一个操作系数N，需要分别对其进行与N的加减乘除操作，并将结果汇总。
当然这里的加减乘除只是一种简单处理，在实际的生产环境中，它其实代表了一步较为复杂的业务操作，并包含了较多的IO处理。

自然我们想到可以开启多线程处理，那么紧接着的问题便是：如何划分线程，是根据处理步骤划分，还是根据源数据划分？

对于前者，我们把涉及的业务操作单独划分位一个线程，即有4个线程分别进行加减乘除的操作，显然上一个线程的结果是下一个线程的输入，这类似于流水线操作；

而后者则是把源数据分为若干份，每份启动一个线程进行处理，最终把结果汇总。一般来说，我们推荐第一种方式。因为在一个线程中完成所有的操作不如每步一个线程清晰明了，

尤其是在一些复杂的场景下，会加大单个线程的出错概率和测试难度。

那么我们将开辟4个线程，分别执行加减乘除操作。最后一个除法线程结束则任务完成：

 #!/usr/bin/env python
 # -*- coding: utf-8 -*-
 
 from Queue import Queue
 from threading import Thread
 
 class NumberHandler(object):
     def __init__(self, n):
         self.n = n
 
     def add(self, num):
         return num + self.n
 
     def subtract(self, num):
         return num - self.n
 
     def multiply(self, num):
         return num * self.n * self.n
 
     def divide(self, num):
         return num / self.n
 
 class ClosableQueue(Queue):
     SENTINEL = object()
 
     def close(self):
         self.put(self.SENTINEL)
 
     def __iter__(self):
         while True:
             item = self.get()
             try:
                 if item is self.SENTINEL:
                     return
                 yield item
             finally:
                 self.task_done()
 
 class StoppableWorker(Thread):
     def __init__(self, func, in_queue, out_queue):
         super(StoppableWorker, self).__init__()
         self.in_queue = in_queue
         self.out_queue = out_queue
         self.func = func
 
     def run(self):
         for item in self.in_queue:
             result = self.func(item)
             self.out_queue.put(result)
             print self.func
 
 if __name__ == '__main__':
     source_queue = ClosableQueue()
     add_queue = ClosableQueue()
     subtract_queue = ClosableQueue()
     multiply_queue = ClosableQueue()
     divide_queue = ClosableQueue()
     result_queue = ClosableQueue()
 
     number_handler = NumberHandler(5)
 
     threads = [
         StoppableWorker(number_handler.add, add_queue, subtract_queue),
         StoppableWorker(number_handler.subtract, subtract_queue, multiply_queue),
         StoppableWorker(number_handler.multiply, multiply_queue, divide_queue),
         StoppableWorker(number_handler.divide, divide_queue, result_queue),
     ]
 
     for _thread in threads:
         _thread.start()
 
     for i in range(10):
         add_queue.put(i)
 
     add_queue.close()
     add_queue.join()
     print 'add job done...'
     subtract_queue.close()
     subtract_queue.join()
     print 'subtract job done...'
     multiply_queue.close()
     multiply_queue.join()
     print 'multiply job done...'
     divide_queue.close()
     divide_queue.join()
     print 'divide job done...'
     result_queue.close()
 
     print "%s items finished, result: %s" % (result_queue.qsize(), result_queue)
 
     for i in result_queue:
         print i

运行结果：

线程执行日志：

总的结果：

可见线程交叉运行，但是任务却是顺序结束，这符合我们的预期。

值得注意的是，我们在ClosableQueue定义了一个close()方法，通过放入一个特殊的类变量SENTINEL告诉队列应该关闭。此外，由于直接加减乘除结果不变，因此我特意乘了两次来便于我们判断结果。

总结：

1. Queue是一种高效的任务处理方式，它可以把任务处理流程划分为若干阶段，并使用多条python线程来同时执行这些子任务；

2. Queue类具备阻塞式的队列操作、能够指定缓冲区尺寸，而且还支 持join方法，这使得开发者可以构建出健壮的流水线。