Python中關於多執行緒Threading入門簡介

多執行緒可簡單理解為同時執行多個任務。本文跟大家分享Python 多執行緒Threading初學教學實例詳解，有興趣的朋友一起學習吧

1.1 什麼是多執行緒Threading

多執行緒可簡單理解為同時執行多個任務。

多行程和多執行緒都可以執行多個任務，執行緒是行程的一部分。線程的特點是線程之間可以共享內存和變量，資源消耗少（不過在Unix環境中，多進程和多線程資源調度消耗差距不明顯，Unix調度較快），缺點是線程之間的同步和加鎖比較麻煩。

1.2 新增執行緒Thread

導入模組

import threading

取得已啟動的執行緒數

threading.active_count()

查看所有執行緒資訊

#

threading.enumerate()

查看現在正在執行的執行緒

threading.current_thread()

新增線程，threading.Thread()接收參數target代表這個執行緒要完成的任務，需自行定義

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()

1.3 join 功能

#因為執行緒是同時進行的，使用join功能可讓執行緒完成後再進行下一步操作，即阻塞呼叫線程，直到佇列中的所有任務都被處理掉。

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()

範例如上所示，當不使用join功能的時候，結果如下圖所示：

執行了join功能之後，T1運行完之後才執行T2，之後再執行print（'all done'）

##1.4 儲存程序結果queue

 queue是python標準函式庫中的執行緒安全的佇列（FIFO）實作,提供了一個適用於多執行緒程式設計的先進先出的資料結構，也就是佇列，用來在生產者和消費者執行緒之間的訊息傳遞

 （1）基本FIFO佇列

 class queue.Queue(maxsize=0)

maxsize是整數，顯示佇列中能存放的資料個數的上限，達到上限時，插入會導致阻塞，直到佇列中的資料被消費掉，如果maxsize小於或等於0，則佇列大小沒有限制

（2） LIFO佇列last in first out後進先出

class queue.LifoQueue(maxsize=0)

（3）優先權佇列

class queue.PriorityQueue(maxsize=0)

影片中的程式碼，看的還不是特別明白

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()

運行結果如下所示

## 1.5 GIL 不一定有效率

Global Interpreter Lock全域解釋器鎖，python的執行由python虛擬機（也成解釋器主循環）控制，GIL的控制對python虛擬機的訪問，保證在任意時刻，只有一個執行緒在解釋器中運行。在多執行緒環境中能，python虛擬機器按照以下方式執行：

#1.設定GIL

#2.切換到一個執行緒去執行

3.執行：

a.指定數量的字節碼指令，或

b.線程主動讓出控制（可以調用time.sleep(0)）

4.把線程設置為睡眠狀態

5.解鎖GIL

6.重複1-5

在呼叫外部程式碼（如C/C++擴充函數）的時候，GIL將會被鎖定，直到這個函數結束為止（由於在這段期間沒有python的字節碼被運行，所以不會做線程切換）。

下面為影片中所舉例的程式碼，將一個數擴大4倍，分為正常方式、以及分配給4個執行緒去做，發現耗時其實並沒有相差太多量級。

import threading
from queue import Queue
import copy
import time
def job(l, q):
  res = sum(l)
  q.put(res)
def multithreading(l):
  q = Queue()
  threads = []
  for i in range(4):
    t = threading.Thread(target=job, args=(copy.copy(l), q), name='T%i' % i)
    t.start()
    threads.append(t)
  [t.join() for t in threads]
  total = 0
  for _ in range(4):
    total += q.get()
  print(total)
def normal(l):
  total = sum(l)
  print(total)
if __name__ == '__main__':
  l = list(range(1000000))
  s_t = time.time()
  normal(l*4)
  print('normal: ',time.time()-s_t)
  s_t = time.time()
  multithreading(l)
  print('multithreading: ', time.time()-s_t)

執行結果為：

#

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

以上是Python中關於多執行緒Threading入門簡介的詳細內容。更多資訊請關注PHP中文網其他相關文章！