Python線程詳解

 　　這篇文章主要介紹了Python線程詳解,本文詳細講解了線程方方面面的知識,如線程基礎知識線程狀態、線程同步(鎖)、線程通信(條件變量)等內容,需要的朋友可以參考下

　　1. 線程基礎

　　1.1. 線程狀態

　　線程有5種狀態，狀態轉換的過程如下圖所示：

　　1.2. 線程同步(鎖)

　　多線程的優勢在於可以同時運行多個任務(至少感覺起來是這樣)。但是當線程需要共享數據時，可能存在數據不同步的問題。考慮這樣一種情況：一個列表裡所有元素都是0，線程"set"從後向前把所有元素改成1，而線程"print"負責從前往後讀取列表並打印。那麼，可能線程"set"開始改的時候，線程"print"便來打印列表了，輸出就成了一半0一半1，這就是數據的不同步。為了避免這種情況，引入了鎖的概念。

　　鎖有兩種狀態——鎖定和未鎖定。每當一個線程比如"set"要訪問共享數據時，必須先獲得鎖定;如果已經有別的線程比如"print"獲得鎖定了，那麼就讓線程"set"暫停，也就是同步阻塞;等到線程"print"訪問完畢，釋放鎖以後，再讓線程"set"繼續。經過這樣的處理，打印列表時要麼全部輸出0，要麼全部輸出1，不會再出現一半0一半1的尴尬場面。

　　線程與鎖的交互如下圖所示：

　　1.3. 線程通信(條件變量)

　　然而還有另外一種尴尬的情況：列表並不是一開始就有的;而是通過線程"create"創建的。如果"set"或者"print" 在"create"還沒有運行的時候就訪問列表，將會出現一個異常。使用鎖可以解決這個問題，但是"set"和"print"將需要一個無限循環——他們不知道"create"什麼時候會運行，讓"create"在運行後通知"set"和"print"顯然是一個更好的解決方案。於是，引入了條件變量。

　　條件變量允許線程比如"set"和"print"在條件不滿足的時候(列表為None時)等待，等到條件滿足的時候(列表已經創建)發出一個通知，告訴"set" 和"print"條件已經有了，你們該起床干活了;然後"set"和"print"才繼續運行。

　　線程與條件變量的交互如下圖所示：

　　1.4. 線程運行和阻塞的狀態轉換

　　最後看看線程運行和阻塞狀態的轉換。

　　阻塞有三種情況：

　　同步阻塞是指處於競爭鎖定的狀態，線程請求鎖定時將進入這個狀態，一旦成功獲得鎖定又恢復到運行狀態;

　　等待阻塞是指等待其他線程通知的狀態，線程獲得條件鎖定後，調用“等待”將進入這個狀態，一旦其他線程發出通知，線程將進入同步阻塞狀態，再次競爭條件鎖定;

　　而其他阻塞是指調用time.sleep()、anotherthread.join()或等待IO時的阻塞，這個狀態下線程不會釋放已獲得的鎖定。

　　tips: 如果能理解這些內容，接下來的主題將是非常輕松的;並且，這些內容在大部分流行的編程語言裡都是一樣的。(意思就是非看懂不可 >_< 嫌作者水平低找別人的教程也要看懂)

　　2. thread

　　Python通過兩個標准庫thread和threading提供對線程的支持。thread提供了低級別的、原始的線程以及一個簡單的鎖。

　　代碼如下:

　　# encoding: UTF-8

　　import thread

　　import time

　　# 一個用於在線程中執行的函數

　　def func():

　　for i in range(5):

　　print 'func'

　　time.sleep(1)

　　# 結束當前線程

　　# 這個方法與thread.exit_thread()等價

　　thread.exit() # 當func返回時，線程同樣會結束

　　# 啟動一個線程，線程立即開始運行

　　# 這個方法與thread.start_new_thread()等價

　　# 第一個參數是方法，第二個參數是方法的參數

　　thread.start_new(func, ()) # 方法沒有參數時需要傳入空tuple

　　# 創建一個鎖(LockType，不能直接實例化)

　　# 這個方法與thread.allocate_lock()等價

　　lock = thread.allocate()

　　# 判斷鎖是鎖定狀態還是釋放狀態

　　print lock.locked()

　　# 鎖通常用於控制對共享資源的訪問

　　count = 0

　　# 獲得鎖，成功獲得鎖定後返回True

　　# 可選的timeout參數不填時將一直阻塞直到獲得鎖定

　　# 否則超時後將返回False

　　if lock.acquire():

　　count += 1

　　# 釋放鎖

　　lock.release()

　　# thread模塊提供的線程都將在主線程結束後同時結束

　　time.sleep(6)

　　thread 模塊提供的其他方法：

　　thread.interrupt_main(): 在其他線程中終止主線程。

　　thread.get_ident(): 獲得一個代表當前線程的魔法數字，常用於從一個字典中獲得線程相關的數據。這個數字本身沒有任何含義，並且當線程結束後會被新線程復用。

　　thread還提供了一個ThreadLocal類用於管理線程相關的數據，名為 thread._local，threading中引用了這個類。

　　由於thread提供的線程功能不多，無法在主線程結束後繼續運行，不提供條件變量等等原因，一般不使用thread模塊，這裡就不多介紹了。

　　3. threading

　　threading基於Java的線程模型設計。鎖(Lock)和條件變量(Condition)在Java中是對象的基本行為(每一個對象都自帶了鎖和條件變量)，而在Python中則是獨立的對象。Python Thread提供了Java Thread的行為的子集;沒有優先級、線程組，線程也不能被停止、暫停、恢復、中斷。Java Thread中的部分被Python實現了的靜態方法在threading中以模塊方法的形式提供。

　　threading 模塊提供的常用方法：

　　threading.currentThread(): 返回當前的線程變量。

　　threading.enumerate(): 返回一個包含正在運行的線程的list。正在運行指線程啟動後、結束前，不包括啟動前和終止後的線程。

　　threading.activeCount(): 返回正在運行的線程數量，與len(threading.enumerate())有相同的結果。

　　threading模塊提供的類：

　　Thread, Lock, Rlock, Condition, [Bounded]Semaphore, Event, Timer, local.

　　3.1. Thread

　　Thread是線程類，與Java類似，有兩種使用方法，直接傳入要運行的方法或從Thread繼承並覆蓋run()：

　　 代碼如下:

　　# encoding: UTF-8

　　import threading

　　# 方法1：將要執行的方法作為參數傳給Thread的構造方法

　　def func():

　　print 'func() passed to Thread'

　　t = threading.Thread(target=func)

　　t.start()

　　# 方法2：從Thread繼承，並重寫run()

　　class MyThread(threading.Thread):

　　def run(self):

　　print 'MyThread extended from Thread'

　　t = MyThread()

　　t.start()

　　構造方法：

　　Thread(group=None, target=None, name=None, args=(), kwargs={})

　　group: 線程組，目前還沒有實現，庫引用中提示必須是None;

　　target: 要執行的方法;

　　name: 線程名;

　　args/kwargs: 要傳入方法的參數。

　　實例方法：

　　isAlive(): 返回線程是否在運行。正在運行指啟動後、終止前。

　　get/setName(name): 獲取/設置線程名。

　　is/setDaemon(bool): 獲取/設置是否守護線程。初始值從創建該線程的線程繼承。當沒有非守護線程仍在運行時，程序將終止。

　　start(): 啟動線程。

　　join([timeout]): 阻塞當前上下文環境的線程，直到調用此方法的線程終止或到達指定的timeout(可選參數)。

　　一個使用join()的例子：

　　代碼如下:

　　# encoding: UTF-8

　　import threading

　　import time

　　def context(tJoin):

　　print 'in threadContext.'

　　tJoin.start()

　　# 將阻塞tContext直到threadJoin終止。

　　tJoin.join()

　　# tJoin終止後繼續執行。

　　print 'out threadContext.'

　　def join():

　　print 'in threadJoin.'

　　time.sleep(1)

　　print 'out threadJoin.'

　　tJoin = threading.Thread(target=join)

　　tContext = threading.Thread(target=context, args=(tJoin,))

　　tContext.start()

　　運行結果：