Python多线程学习
一、Python中的线程使用：
Python中使用线程有两种方式：函数或者用类来包装线程对象。
1、函数式：调用thread模块中的start_new_thread()函数来产生新线程。如下例：
view plaincopy to clipboardprint?
[*]import time
[*]import thread
[*]def timer(no, interval):
[*] cnt = 0
[*] while cnt= 5:
[*] print 'Thread %s released! num=%s'%(name,str(num))
[*] mylock.release()
[*] thread.exit_thread()
[*] num+=1
[*] print 'Thread %s released! num=%s'%(name,str(num))
[*] mylock.release()#Release the lock.
[*]
[*]def test():
[*] thread.start_new_thread(add_num, ('A',))
[*] thread.start_new_thread(add_num, ('B',))
[*]
[*]if __name__== '__main__':
[*] test()
Python 在thread的基础上还提供了一个高级的线程控制库，就是之前提到过的threading。Python的threading module是在建立在thread module基础之上的一个module，在threading module中，暴露了许多thread module中的属性。在thread module中，python提供了用户级的线程同步工具“Lock”对象。而在threading module中，python又提供了Lock对象的变种: RLock对象。RLock对象内部维护着一个Lock对象，它是一种可重入的对象。对于Lock对象而言，如果一个线程连续两次进行acquire操作，那么由于第一次acquire之后没有release，第二次acquire将挂起线程。这会导致Lock对象永远不会release，使得线程死锁。RLock对象允许一个线程多次对其进行acquire操作，因为在其内部通过一个counter变量维护着线程acquire的次数。而且每一次的acquire操作必须有一个release操作与之对应，在所有的release操作完成之后，别的线程才能申请该RLock对象。
下面来看看如何使用threading的RLock对象实现同步。
view plaincopy to clipboardprint?
[*]import threading
[*]mylock = threading.RLock()
[*]num=0
[*]
[*]class myThread(threading.Thread):
[*] def __init__(self, name):
[*] threading.Thread.__init__(self)
[*] self.t_name = name
[*]
[*] def run(self):
[*] global num
[*] while True:
[*] mylock.acquire()
[*] print '\nThread(%s) locked, Number: %d'%(self.t_name, num)
[*] if num>=4:
[*] mylock.release()
[*] print '\nThread(%s) released, Number: %d'%(self.t_name, num)
[*] break
[*] num+=1
[*] print '\nThread(%s) released, Number: %d'%(self.t_name, num)
[*] mylock.release()
[*]
[*]def test():
[*] thread1 = myThread('A')
[*] thread2 = myThread('B')
[*] thread1.start()
[*] thread2.start()
[*]
[*]if __name__== '__main__':
[*] test()
我们把修改共享数据的代码成为“临界区”。必须将所有“临界区”都封闭在同一个锁对象的acquire和release之间。
2、条件同步
锁只能提供最基本的同步。假如只在发生某些事件时才访问一个“临界区”，这时需要使用条件变量Condition。
Condition对象是对Lock对象的包装，在创建Condition对象时，其构造函数需要一个Lock对象作为参数，如果没有这个Lock对象参数，Condition将在内部自行创建一个Rlock对象。在Condition对象上，当然也可以调用acquire和release操作，因为内部的Lock对象本身就支持这些操作。但是Condition的价值在于其提供的wait和notify的语义。
条件变量是如何工作的呢？首先一个线程成功获得一个条件变量后，调用此条件变量的wait()方法会导致这个线程释放这个锁，并进入“blocked”状态，直到另一个线程调用同一个条件变量的notify()方法来唤醒那个进入“blocked”状态的线程。如果调用这个条件变量的notifyAll()方法的话就会唤醒所有的在等待的线程。
如果程序或者线程永远处于“blocked”状态的话，就会发生死锁。所以如果使用了锁、条件变量等同步机制的话，一定要注意仔细检查，防止死锁情况的发生。对于可能产生异常的临界区要使用异常处理机制中的finally子句来保证释放锁。等待一个条件变量的线程必须用notify()方法显式的唤醒，否则就永远沉默。保证每一个wait()方法调用都有一个相对应的notify()调用，当然也可以调用notifyAll()方法以防万一。
生产者与消费者问题是典型的同步问题。这里简单介绍两种不同的实现方法。
1，条件变量
view plaincopy to clipboardprint?
[*]import threading
[*]
[*]import time
[*]
[*]class Producer(threading.Thread):
[*]
[*] def __init__(self, t_name):
[*]
[*] threading.Thread.__init__(self, name=t_name)
[*]
[*]
[*]
[*] def run(self):
[*]
[*] global x
[*]
[*] con.acquire()
[*]
[*] if x > 0:
[*]
[*] con.wait()
[*]
[*] else:
[*]
[*] for i in range(5):
[*]
[*] x=x+1
[*]
[*] print "producing..." + str(x)
[*]
[*] con.notify()
[*]
[*] print x
[*]
[*] con.release()
[*]
[*]
[*]
[*]class Consumer(threading.Thread):
[*]
[*] def __init__(self, t_name):
[*]
[*] threading.Thread.__init__(self, name=t_name)
[*]
[*] def run(self):
[*]
[*] global x
[*]
[*] con.acquire()
[*]
[*] if x == 0:
[*]
[*] print 'consumer wait1'
[*]
[*] con.wait()
[*]
[*] else:
[*]
[*] for i in range(5):
[*]
[*] x=x-1
[*]
[*] print "consuming..." + str(x)
[*]
[*] con.notify()
[*]
[*] print x
[*]
[*] con.release()
[*]
[*]
[*]
[*]con = threading.Condition()
[*]
[*]x=0
[*]
[*]print 'start consumer'
[*]
[*]c=Consumer('consumer')
[*]
[*]print 'start producer'
[*]
[*]p=Producer('producer')
[*]
[*]
[*]
[*]p.start()
[*]
[*]c.start()
[*]
[*]p.join()
[*]
[*]c.join()
[*]
[*]print x
上面的例子中，在初始状态下，Consumer处于wait状态，Producer连续生产（对x执行增1操作）5次后，notify正在等待的Consumer。Consumer被唤醒开始消费（对x执行减1操作）
2，同步队列
Python中的Queue对象也提供了对线程同步的支持。使用Queue对象可以实现多个生产者和多个消费者形成的FIFO的队列。
生产者将数据依次存入队列，消费者依次从队列中取出数据。
view plaincopy to clipboardprint?
[*]# producer_consumer_queue
[*]
[*]from Queue import Queue
[*]
[*]import random
[*]
[*]import threading
[*]
[*]import time
[*]
[*]
[*]
[*]#Producer thread
[*]
[*]class Producer(threading.Thread):
[*]
[*] def __init__(self, t_name, queue):
[*]
[*] threading.Thread.__init__(self, name=t_name)
[*]
[*] self.data=queue
[*]
[*] def run(self):
[*]
[*] for i in range(5):
[*]
[*] print "%s: %s is producing %d to the queue!\n" %(time.ctime(), self.getName(), i)
[*]
[*] self.data.put(i)
[*]
[*] time.sleep(random.randrange(10)/5)
[*]
[*] print "%s: %s finished!" %(time.ctime(), self.getName())
[*]
[*]
[*]
[*]#Consumer thread
[*]
[*]class Consumer(threading.Thread):
[*]
[*] def __init__(self, t_name, queue):
[*]
[*] threading.Thread.__init__(self, name=t_name)
[*]
[*] self.data=queue
[*]
[*] def run(self):
[*]
[*] for i in range(5):
[*]
[*] val = self.data.get()
[*]
[*] print "%s: %s is consuming. %d in the queue is consumed!\n" %(time.ctime(), self.getName(), val)
[*]
[*] time.sleep(random.randrange(10))
[*]
[*] print "%s: %s finished!" %(time.ctime(), self.getName())
[*]
[*]
[*]
[*]#Main thread
[*]
[*]def main():
[*]
[*] queue = Queue()
[*]
[*] producer = Producer('Pro.', queue)
[*]
[*] consumer = Consumer('Con.', queue)
[*]
[*] producer.start()
[*]
[*] consumer.start()
[*]
[*] producer.join()
[*]
[*] consumer.join()
[*]
[*] print 'All threads terminate!'
[*]
[*]
[*]
[*]if __name__ == '__main__':
[*]
[*] main()
在上面的例子中，Producer在随机的时间内生产一个“产品”，放入队列中。Consumer发现队列中有了“产品”，就去消费它。本例中，由于Producer生产的速度快于Consumer消费的速度，所以往往Producer生产好几个“产品”后，Consumer才消费一个产品。
Queue模块实现了一个支持多producer和多consumer的FIFO队列。当共享信息需要安全的在多线程之间交换时，Queue非常有用。Queue的默认长度是无限的，但是可以设置其构造函数的maxsize参数来设定其长度。Queue的put方法在队尾插入，该方法的原型是：
put( item[, block[, timeout]])
如果可选参数block为true并且timeout为None（缺省值），线程被block，直到队列空出一个数据单元。如果timeout大于0，在timeout的时间内，仍然没有可用的数据单元，Full exception被抛出。反之，如果block参数为false（忽略timeout参数），item被立即加入到空闲数据单元中，如果没有空闲数据单元，Full exception被抛出。
Queue的get方法是从队首取数据，其参数和put方法一样。如果block参数为true且timeout为None（缺省值），线程被block，直到队列中有数据。如果timeout大于0，在timeout时间内，仍然没有可取数据，Empty exception被抛出。反之，如果block参数为false（忽略timeout参数），队列中的数据被立即取出。如果此时没有可取数据，Empty exception也会被抛出。
页:
[1]