Python多线程学习

isgood

　　
　　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。