理解 Python 中的线程
原地址:http://blog.jobbole.com/52060/
本文由 伯乐在线 - acmerfight 翻译自 Akshar Raaj。欢迎加入技术翻译小组。转载请参见文章末尾处的要求。
我们将会看到一些在Python中使用线程的实例和如何避免线程之间的竞争。你应当将下边的例子运行多次,以便可以注意到线程是不可预测的和线程每次运行出的不同结果。声明:从这里开始忘掉你听到过的关于GIL的东西,因为GIL不会影响到我想要展示的东西。
示例1
我们将要请求五个不同的url:
单线程
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
import time import urllib2 def get_responses(): urls = [ 'http://www.google.com' , 'http://www.amazon.com' , 'http://www.ebay.com' , 'http://www.alibaba.com' , 'http://www.reddit.com' ] start = time.time() for url in urls: print url resp = urllib2.urlopen(url) print resp.getcode() print "Elapsed time: %s" % (time.time() - start) get_responses() |
输出是:
1
2
3
4
5
6
|
http: / / www.google.com 200 http: / / www.amazon.com 200 http: / / www.ebay.com 200 http: / / www.alibaba.com 200 http: / / www.reddit.com 200 Elapsed time: 3.0814409256 |
解释:
- url顺序的被请求
- 除非cpu从一个url获得了回应,否则不会去请求下一个url
- 网络请求会花费较长的时间,所以cpu在等待网络请求的返回时间内一直处于闲置状态。
多线程
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
|
import urllib2 import time from threading import Thread class GetUrlThread(Thread): def __init__( self , url): self .url = url super (GetUrlThread, self ).__init__() def run( self ): resp = urllib2.urlopen( self .url) print self .url, resp.getcode() def get_responses(): urls = [ 'http://www.google.com' , 'http://www.amazon.com' , 'http://www.ebay.com' , 'http://www.alibaba.com' , 'http://www.reddit.com' ] start = time.time() threads = [] for url in urls: t = GetUrlThread(url) threads.append(t) t.start() for t in threads: t.join() print "Elapsed time: %s" % (time.time() - start) get_responses() |
输出:
1
2
3
4
5
6
|
http: / / www.reddit.com 200 http: / / www.google.com 200 http: / / www.amazon.com 200 http: / / www.alibaba.com 200 http: / / www.ebay.com 200 Elapsed time: 0.689890861511 |
解释:
- 意识到了程序在执行时间上的提升
- 我们写了一个多线程程序来减少cpu的等待时间,当我们在等待一个线程内的网络请求返回时,这时cpu可以切换到其他线程去进行其他线程内的网络请求。
- 我们期望一个线程处理一个url,所以实例化线程类的时候我们传了一个url。
- 线程运行意味着执行类里的
run()
方法。 - 无论如何我们想每个线程必须执行
run()
。 - 为每个url创建一个线程并且调用
start()
方法,这告诉了cpu可以执行线程中的run()
方法了。 - 我们希望所有的线程执行完毕的时候再计算花费的时间,所以调用了
join()
方法。 join()
可以通知主线程等待这个线程结束后,才可以执行下一条指令。- 每个线程我们都调用了
join()
方法,所以我们是在所有线程执行完毕后计算的运行时间。
关于线程:
- cpu可能不会在调用
start()
后马上执行run()
方法。 - 你不能确定
run()
在不同线程建间的执行顺序。 - 对于单独的一个线程,可以保证
run()
方法里的语句是按照顺序执行的。 - 这就是因为线程内的url会首先被请求,然后打印出返回的结果。
实例2
我们将会用一个程序演示一下多线程间的资源竞争,并修复这个问题。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
|
from threading import Thread #define a global variable some_var = 0 class IncrementThread(Thread): def run( self ): #we want to read a global variable #and then increment it global some_var read_value = some_var print "some_var in %s is %d" % ( self .name, read_value) some_var = read_value + 1 print "some_var in %s after increment is %d" % ( self .name, some_var) def use_increment_thread(): threads = [] for i in range ( 50 ): t = IncrementThread() threads.append(t) t.start() for t in threads: t.join() print "After 50 modifications, some_var should have become 50" print "After 50 modifications, some_var is %d" % (some_var,) use_increment_thread() |
多次运行这个程序,你会看到多种不同的结果。
解释:
- 有一个全局变量,所有的线程都想修改它。
- 所有的线程应该在这个全局变量上加 1 。
- 有50个线程,最后这个数值应该变成50,但是它却没有。
为什么没有达到50?
- 在
some_var
是15
的时候,线程t1
读取了some_var
,这个时刻cpu将控制权给了另一个线程t2
。 t2
线程读到的some_var
也是15
t1
和t2
都把some_var
加到16
- 当时我们期望的是
t1
t2
两个线程使some_var + 2
变成17
- 在这里就有了资源竞争。
- 相同的情况也可能发生在其它的线程间,所以出现了最后的结果小于
50
的情况。
解决资源竞争
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
|
from threading import Lock, Thread lock = Lock() some_var = 0 class IncrementThread(Thread): def run( self ): #we want to read a global variable #and then increment it global some_var lock.acquire() read_value = some_var print "some_var in %s is %d" % ( self .name, read_value) some_var = read_value + 1 print "some_var in %s after increment is %d" % ( self .name, some_var) lock.release() def use_increment_thread(): threads = [] for i in range ( 50 ): t = IncrementThread() threads.append(t) t.start() for t in threads: t.join() print "After 50 modifications, some_var should have become 50" print "After 50 modifications, some_var is %d" % (some_var,) use_increment_thread() |
再次运行这个程序,达到了我们预期的结果。
解释:
- Lock 用来防止竞争条件
- 如果在执行一些操作之前,线程
t1
获得了锁。其他的线程在t1
释放Lock之前,不会执行相同的操作 - 我们想要确定的是一旦线程
t1
已经读取了some_var
,直到t1
完成了修改some_var
,其他的线程才可以读取some_var
- 这样读取和修改
some_var
成了逻辑上的原子操作。
实例3
让我们用一个例子来证明一个线程不能影响其他线程内的变量(非全局变量)。
time.sleep()可以使一个线程挂起,强制线程切换发生。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
from threading import Thread import time class CreateListThread(Thread): def run( self ): self .entries = [] for i in range ( 10 ): time.sleep( 1 ) self .entries.append(i) print self .entries def use_create_list_thread(): for i in range ( 3 ): t = CreateListThread() t.start() use_create_list_thread() |
运行几次后发现并没有打印出争取的结果。当一个线程正在打印的时候,cpu切换到了另一个线程,所以产生了不正确的结果。我们需要确保print self.entries
是个逻辑上的原子操作,以防打印时被其他线程打断。
我们使用了Lock(),来看下边的例子。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
from threading import Thread, Lock import time lock = Lock() class CreateListThread(Thread): def run( self ): self .entries = [] for i in range ( 10 ): time.sleep( 1 ) self .entries.append(i) lock.acquire() print self .entries lock.release() def use_create_list_thread(): for i in range ( 3 ): t = CreateListThread() t.start() use_create_list_thread() |
这次我们看到了正确的结果。证明了一个线程不可以修改其他线程内部的变量(非全局变量)。
理解 Python 中的线程的更多相关文章
- 深入理解Python中的GIL(全局解释器锁)
深入理解Python中的GIL(全局解释器锁) Python是门古老的语言,要想了解这门语言的多线程和多进程以及协程,以及明白什么时候应该用多线程,什么时候应该使用多进程或协程,我们不得不谈到的一个东 ...
- 【转】你真的理解Python中MRO算法吗?
你真的理解Python中MRO算法吗? MRO(Method Resolution Order):方法解析顺序. Python语言包含了很多优秀的特性,其中多重继承就是其中之一,但是多重继承会引发很多 ...
- [译]线程生命周期-理解Java中的线程状态
线程生命周期-理解Java中的线程状态 在多线程编程环境下,理解线程生命周期和线程状态非常重要. 在上一篇教程中,我们已经学习了如何创建java线程:实现Runnable接口或者成为Thread的子类 ...
- python中的线程技术
#!/user/bin/env python # @Time :2018/7/7 11:42 # @Author :PGIDYSQ #@File :DaemonTest.py import threa ...
- 理解 Python 中的可变参数 *args 和 **kwargs:
默认参数: Python是支持可变参数的,最简单的方法莫过于使用默认参数,例如: def getSum(x,y=5): print "x:", x print "y:& ...
- [转]深刻理解Python中的元类(metaclass)以及元类实现单例模式
使用元类 深刻理解Python中的元类(metaclass)以及元类实现单例模式 在看一些框架源代码的过程中碰到很多元类的实例,看起来很吃力很晦涩:在看python cookbook中关于元类创建单例 ...
- Python中的线程和进程
引入进程和线程的概念及区别 threading模块提供的类: Thread, Lock, Rlock, Condition, [Bounded]Semaphore, Event, Timer, l ...
- 深入理解Python中的yield和send
send方法和next方法唯一的区别是在执行send方法会首先把上一次挂起的yield语句的返回值通过参数设定,从而实现与生成器方法的交互. 但是需要注意,在一个生成器对象没有执行next方法之前,由 ...
- 如何理解python中的if __name__=='main'的作用
一. 一个浅显易懂的比喻 我们在学习python编程时,不可避免的会遇到if __name__=='main'这样的语句,它到底有什么作用呢? <如何简单地理解Python中的if __name ...
随机推荐
- Python 3语法小记(四)字典 dictionary
字典是Python里面一种无序存储结构,存储的是键值对 key - value.关键字应该为不可变类型,如字符串.整数.包含不可变对象的元组. 字典的创建很简单,用 d = {key1 : value ...
- 谈论Java原子变量和同步的效率 -- 颠覆你的生活
我们认为,由于思维定式原子变量总是比同步运行的速度更快,我想是这样也已经,直到实现了ID在第一次测试过程生成器不具有在这样一个迷迷糊糊的东西. 测试代码: import java.util.Array ...
- EasyUI - Tabs 选项卡标签
基本效果: 效果图: html代码: <div id="tab"> <div title="tab1" > <p>tab1& ...
- Delphi中多标签页面的实现
unit uMain; interface uses Windows, Messages, SysUtils, Variants, Classes, Graphics, Controls, Forms ...
- boost::asio async_write也不能保证一次发完所有数据 二
只有看boost源码才能弄明白发生了什么.首先我是将vector里面写入了数据,然后用boost::asio::buffer将vector构造成了mutable_buffer_1对象. 参考该文档的重 ...
- html5的自定义data-*属性和jquery的data()方法的使用
人们总喜欢往HTML标签上添加自定义属性来存储和操作数据.但这样做的问题是,你不知道将来会不会有其它脚本把你的自定义属性给重置掉,此外,你这样做也会导致html语法上不符合Html规范,以及一些其它副 ...
- HDU 4839 The Game of Coins _(:зゝ∠)_
The Game of Coins mark: #include"cstdio" #include"iostream" #include"queue& ...
- Effective C++_笔记_条款07_为多态基类声明virtual析构函数
(整理自Effctive C++,转载请注明.整理者:华科小涛@http://www.cnblogs.com/hust-ghtao/) 这个规则只适用于polymorphic(带多态性质的)base ...
- 纯win32实现PNG图片透明窗体
#include <windows.h> #include <gdiplus.h> /* GDI+ startup token */ ULONG_PTR gdiplusSta ...
- SVN权限解析规则详解(转)
首先创建一个版本库后,会生成最初的目录结构和基本的配置文件,本文主要分析“authz”文件的内容:我们先抛开alias和groups不谈,将重点放在路径的权限配置上. 一. 权限格式 svn权限的基本 ...