Python のマルチスレッドの概要

マルチスレッドは、複数のタスクを同時に実行することとして単純に理解できます。この記事では、Python マルチスレッドの初心者チュートリアルの例を詳しく説明します。興味のある友達は一緒に学ぶことができます

1.1 マルチスレッドとは簡単に言うと、複数のタスクを実行することです。同時。 マルチプロセスとマルチスレッドはどちらも複数のタスクを実行でき、スレッドはプロセスの一部です。スレッドの特徴は、スレッド間でメモリと変数を共有でき、リソースの消費が少ないことです (ただし、Unix 環境では、マルチプロセスとマルチスレッドのリソース スケジューリング消費量の差は明らかではなく、Unix のスケジューリングの方が高速です) ) 欠点は、スレッド間の同期と高速化がより面倒なことです。

1.2 スレッドの追加 Thread

モジュールのインポート

import threading

アクティブ化されたスレッドの数を取得

threading.active_count()

すべてのスレッド情報を表示

threading.enumerate()

今実行中です

rree

スレッドを追加します。

Receiveパラメータのターゲットは、このスレッドによって完了するタスクを表します。自分で定義する必要があります

threading.Thread()

threading.current_thread()

1.3結合関数

スレッドは同時に実行されているため、 join 関数を使用すると、スレッドを作成できます。 完了後、キュー内のすべてのタスクが処理されるまで呼び出しスレッドをブロックする次のステップに進みます。

def thread_job():
  print('This is a thread of %s' % threading.current_thread())
def main():
  thread = threading.Thread(target=thread_job,)  # 定义线程 
  thread.start() # 让线程开始工作
  if __name__ == '__main__':
  main()

上記の例は、join 関数が使用されていない場合、結果は次のようになります。

join 関数が実行されると、T1 の実行が終了した後にのみ T2 が実行されます。 1.4 保存処理結果キュー

キューは、Python 標準ライブラリのスレッドセーフ キュー (FIFO) 実装であり、適切な高度なメソッドを提供します。マルチスレッドプログラミングの場合、データ構造、つまりキューは、プロデューサースレッドとコンシューマースレッドの間で情報を転送するために使用されます

(1) 基本的な FIFO キュー

import threading
import time
def thread_job():
  print('T1 start\n')
  for i in range(10):
    time.sleep(0.1)
  print('T1 finish\n')
def T2_job():
  print('T2 start\n')
  print('T2 finish\n')
def main():
  added_thread=threading.Thread(target=thread_job,name='T1')
  thread2=threading.Thread(target=T2_job,name='T2')
  added_thread.start()
  #added_thread.join()
  thread2.start()
  #thread2.join()
  print('all done\n')
if __name__=='__main__':
   main()

maxsize はデータの数を示す整数です。上限に達すると、キュー内のデータが消費されるまで挿入がブロックされます。maxsize が 0 以下の場合、キューのサイズに制限はありません。 (2)LIFOキュー後入れ先出し

 class queue.Queue(maxsize=0)

(3)優先キュー

class queue.LifoQueue(maxsize=0)

動画内のコードは動画ではよく分かりません

class queue.PriorityQueue(maxsize=0)

実行結果は以下の通りです

1.5 GIL は必ずしも効率的ではありません

グローバル インタープリター ロック Python の実行は、Python 仮想マシン (インタープリター メイン ループとも呼ばれます) によって制御されます。仮想マシンでは、常に 1 つのスレッドだけがインタープリターで実行されるようにします。マルチスレッド環境では、Python 仮想マシンは次のように実行されます:

1. GIL を設定します

2. 実行するスレッドに切り替えます

3. バイトコード命令の数を指定します。または

b. スレッドが積極的に制御を放棄します (time.sleep(0) を呼び出すことができます)

5. GIL のロックを解除します
6. 前に 1 ～ 5 を繰り返します。外部コード (C/C++ 拡張関数など) を呼び出すと、GIL はこの関数が終了するまでロックされます (この期間中は Python バイトコードが実行されないため、スレッドの切り替えは実行されません)。

以下は、数値を4倍に拡張し、通常の方法に分割して4つのスレッドに割り当てているコード例です。実際には、消費時間はそれほど変わらないことがわかります。

import threading
import time
from queue import Queue
def job(l,q):
  for i in range(len(l)):
    l[i]=l[i]**2
  q.put(l)
def multithreading():
  q=Queue()
  threads=[]
  data=[[1,2,3],[3,4,5],[4,5,6],[5,6,7]]
  for i in range(4):
    t=threading.Thread(target=job,args=(data[i],q))
    t.start()
    threads.append(t)
  for thread in threads:
    thread.join()
  results=[]
  for _ in range(4):
    results.append(q.get())
  print(results)
if __name__=='__main__':
   multithreading()

実行結果は次のとおりです:

1.6 线程锁 Lock

如果线程1得到了结果，想要让线程2继续使用1的结果进行处理，则需要对1lock，等到1执行完，再开始执行线程2。一般来说对share memory即对共享内存进行加工处理时会用到lock。

import threading
def job1():
  global A, lock #全局变量
  lock.acquire() #开始lock
  for i in range(10):
    A += 1
    print('job1', A)
  lock.release() #释放
def job2(): 
  global A, lock
  lock.acquire()
  for i in range(10):
    A += 10
    print('job2', A)
  lock.release()
if __name__ == '__main__':
  lock = threading.Lock()
  A = 0
  t1 = threading.Thread(target=job1)
  t2 = threading.Thread(target=job2)
  t1.start()
  t2.start()
  t1.join()
  t2.join()

运行结果如下所示：

总结

以上がPython のマルチスレッドの概要の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。