線程
線程（Thread），有時(shí)也被稱為輕量級(jí)進(jìn)程(Lightweight Process，LWP），是操作系統(tǒng)獨(dú)?調(diào)度和分派的基本單位，本質(zhì)上就是一串指令的集合。
?個(gè)標(biāo)準(zhǔn)的線程由線程id、當(dāng)前指令指針(PC），寄存器集合和堆棧組成，它是進(jìn)程中的?個(gè)實(shí)體，線程本身不擁有系統(tǒng)資源，只擁有?點(diǎn)?在運(yùn)?中必不可少的資源(如程序計(jì)數(shù)器、寄存器、棧)，但它可與同屬?個(gè)進(jìn)程的其它線程共享進(jìn)程所擁有的全部資源。線程不能夠獨(dú)?執(zhí)?，必須依存在進(jìn)程中。
多線程
多線程就是使用多個(gè)線程同時(shí)執(zhí)行任務(wù)，實(shí)現(xiàn)了任務(wù)的并行執(zhí)行，從而提高程序運(yùn)行效率的方法。
試想一下，如果在單個(gè)線程內(nèi)執(zhí)行多個(gè)任務(wù)（比如發(fā)送網(wǎng)絡(luò)請(qǐng)求等），如果前面的任務(wù)比較耗時(shí)，而后面的任務(wù)需要等待前面的任務(wù)執(zhí)行完才能執(zhí)行，這樣會(huì)影響任務(wù)執(zhí)行效率，那么就可以使用多線程去執(zhí)行這些任務(wù)，任務(wù)可以同時(shí)進(jìn)行，那么將大大的提高執(zhí)行效率。
Python多線程
在Python中，提供了threading模塊來(lái)實(shí)現(xiàn)多進(jìn)程操作，這個(gè)模塊是基于較低級(jí)的模塊 _thread 的基礎(chǔ)上建立的，提供了更易用的高級(jí)多線程API。
創(chuàng)建線程
可以通過(guò)threading模塊中的Thread類來(lái)創(chuàng)建線程對(duì)象。
Thread語(yǔ)法結(jié)構(gòu)：
threading.Thread(group, target, name, daemon)
-
group：默認(rèn)為None（該參數(shù)是為了以后實(shí)現(xiàn)ThreadGroup類而保留的） -
target：在run方法中調(diào)用的可調(diào)用對(duì)象，即線程要執(zhí)行的任務(wù) -
name：線程名稱，可以不設(shè)定，默認(rèn)為"Thread-N"形式的名稱 -
args：給target指定的函數(shù)傳遞的參數(shù)，以元組的?式傳遞 -
kwargs：給target指定的函數(shù)傳遞命名參數(shù) -
daemon：默認(rèn)為None，將顯式地設(shè)置該線程是否為守護(hù)模式。如果是None，線程將繼承當(dāng)前線程的守護(hù)模式屬性
Thread常用方法
-
start()：?jiǎn)?dòng)線程，并調(diào)用該線程中的run()方法 -
run()：線程啟動(dòng)時(shí)運(yùn)行的方法，正是它去調(diào)用target指定的函數(shù) -
join(timeout=None)：讓當(dāng)前調(diào)用者線程（一般為主線程）等待，直到該線程結(jié)束，timeout是可選的超時(shí)時(shí)間 -
is_alive()：返回當(dāng)前線程是否存活
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
import threadingimport timedef work(i): print("子線程'{}'work正在運(yùn)行......".format(threading.current_thread().name)) time.sleep(i) print("子線程'{}'運(yùn)行結(jié)束......".format(threading.current_thread().name))if __name__ == '__main__': print("主線程{}啟動(dòng)".format(threading.current_thread().name)) # 獲取線程的名稱 threads = [] for i in range(5): t = threading.Thread(target=work, args=(i,)) # 啟動(dòng)線程 threads.append(t) t.start() for t in threads: t.join() print("主線程結(jié)束") |
執(zhí)行結(jié)果為：
上述代碼中使用t.join()的功能就是讓主線程等待所有子線程結(jié)束后才結(jié)束，如果想設(shè)置守護(hù)線程（主線程結(jié)束，子線程也隨之結(jié)束，無(wú)論任務(wù)執(zhí)行完成與否）的話，可以使用t.daemon = True。
GIL鎖
GIL的全稱是Global Interpreter Lock（全局解釋器鎖），這個(gè)鎖最初的設(shè)計(jì)是為了保證同一份數(shù)據(jù)不能被多個(gè)線程同時(shí)修改，每個(gè)線程在執(zhí)行任務(wù)的時(shí)候都需要先獲取GIL，保證同一時(shí)刻只有一個(gè)線程可以執(zhí)行，即同一時(shí)刻只有一個(gè)線程在解釋器中運(yùn)行，因此Python中的多線程是假的多線程，不是真正意義上的多線程。 如果程序中有多個(gè)線程執(zhí)行任務(wù)，那么多個(gè)線程會(huì)被解釋器輪流執(zhí)行，只不過(guò)是切換的很快、很頻繁，給人一種多線程“同時(shí)”在執(zhí)行的錯(cuò)覺(jué)。
線程池
在之前的文章說(shuō)過(guò)，進(jìn)程有進(jìn)程池的機(jī)制，同樣，線程也有線程池。線程池可以在程序啟動(dòng)時(shí)就創(chuàng)建自定義數(shù)量的空閑的線程，程序只要將一個(gè)任務(wù)提交給線程池，線程池就會(huì)啟動(dòng)一個(gè)空閑的線程來(lái)執(zhí)行它。當(dāng)該任務(wù)執(zhí)行結(jié)束后，該線程并不會(huì)死亡，而是再次返回到線程池中變成空閑狀態(tài)，等待下一個(gè)任務(wù)的執(zhí)行。
multiprocessing.dummy里面也有一個(gè)Pool對(duì)象，它其實(shí)就是線程的封裝，使用起來(lái)和multiprocessing的Pool非常類似。它們api都是通用的，簡(jiǎn)單地說(shuō)，multiprocessing.dummy是multiprocessing進(jìn)程池模塊復(fù)制的一個(gè)線程池模塊，強(qiáng)調(diào)一下，這里線程池也是受到GIL限制的。
使用方式和multiprocessing.Pool一致，具體參考Python進(jìn)程池。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
from multiprocessing.dummy import Poolimport timedef work(i): print("work'{}'執(zhí)行中......".format(i)) time.sleep(2) print("work'{}'執(zhí)行完畢......".format(i))if __name__ == '__main__': # 創(chuàng)建線程池 # Pool(5) 表示創(chuàng)建容量為5個(gè)線程的線程池 pool = Pool(5) for i in range(10): pool.apply_async(work, (i, )) pool.close() pool.join() |
總結(jié)
由于Python中的多線程受GIL鎖的限制，導(dǎo)致不能利用機(jī)器多核的特性，只能利用單核，是假的多線程，但是也不是一無(wú)是處，對(duì)于IO密集型任務(wù)，多線程是能夠有效提升運(yùn)行效率的，這是因?yàn)閱尉€程下有IO操作時(shí)，會(huì)進(jìn)行IO等待，這樣會(huì)浪費(fèi)等待的這段時(shí)間，而開(kāi)啟多線程能在線程A等待時(shí)，自動(dòng)切換到線程B，可以減少不必要的時(shí)間浪費(fèi)，從而能提升程序運(yùn)行效率，但是也不是最好的選擇，對(duì)于處理IO密集型任務(wù)，在Python還有更好的選擇協(xié)程，在后續(xù)文章會(huì)介紹。
本篇文章就到這里了，希望能夠給你帶來(lái)幫助，也希望您能夠多多關(guān)注服務(wù)器之家的更多內(nèi)容!
原文鏈接：https://blog.csdn.net/weixin_50097774/article/details/121443474
