python中多线程使用

前言

记录下Python中多线程使用

简介

Python 中的多线程主要通过 threading 模块来实现。多线程是一种并发编程的方式，允许程序在同一时间执行多个线程，每个线程执行不同的任务。然而需要注意的是，在 Python 中由于 GIL（全局解释器锁）的存在，多线程并不适用于 CPU 密集型任务，因为 GIL 会导致在任意时刻只有一个线程在解释器中执行 Python 字节码。

下面是 Python 中多线程的基本介绍：

1. 创建线程：
   • 使用 threading.Thread 类可以创建一个新的线程对象。需要提供一个目标函数（通常是一个普通函数）作为线程的执行体。
   • 通过调用 start() 方法启动线程。

import threading

def my_function():
    print("This is my function")

thread = threading.Thread(target=my_function)
thread.start()

2. 线程对象方法：

   • start()：启动线程。
   • join([timeout])：等待线程执行结束。可选的超时参数可以指定最长等待时间。
   • is_alive()：检查线程是否还在运行。
   • name：线程的名称，可以通过属性进行设置和获取。
   • ident：线程的标识符，是一个唯一的整数。

3. 线程间通信：

   • 多个线程之间可以通过共享变量来进行通信。然而需要注意的是，在多线程编程中需要考虑线程安全问题，例如使用锁机制来保护共享资源。

4. 线程同步：

   • Python 提供了一些同步工具来帮助线程间进行同步，比如 Lock、Semaphore、Event、Condition 等。

import threading

lock = threading.Lock()

def safe_increment():
    with lock:
        # 使用锁来保护临界区
        global counter
        counter += 1

5. 线程池：
   • 可以使用 concurrent.futures.ThreadPoolExecutor 类来创建一个线程池，用于管理和调度多个线程。

import concurrent.futures

def my_function():
    print("This is my function")

with concurrent.futures.ThreadPoolExecutor() as executor:
    executor.submit(my_function)

总的来说，Python 中的多线程提供了一种方便的方式来进行并发编程，可以用于处理 I/O 密集型任务和并发执行多个任务。然而，由于 GIL 的存在，Python 的多线程并不适用于 CPU 密集型任务，而对于这种情况，可以考虑使用多进程来实现并行计算。

使用demo

下面是一个简单的多线程使用案例，演示了如何通过多线程并发执行多个任务：

import threading
import time

# 定义一个简单的任务函数
def task(name, delay):
    print(f"Task {name} started")
    time.sleep(delay)  # 模拟耗时操作
    print(f"Task {name} finished")

# 创建并启动多个线程执行任务
threads = []
for i in range(1, 4):
    thread = threading.Thread(target=task, args=(i, i))
    thread.start()
    threads.append(thread)

# 等待所有线程执行完毕
for thread in threads:
    thread.join()

print("All tasks have finished")

在这个示例中，定义了一个名为 task() 的简单任务函数，它接受任务名称和延迟时间作为参数，然后在指定的延迟时间后完成任务。然后，我们创建了三个线程，并使用 threading.Thread 类将 task() 函数设置为这些线程的目标函数，并通过 args 参数传入任务名称和延迟时间。接着，启动这些线程，并将它们添加到一个列表中。最后，使用 join() 方法等待所有线程执行完毕，并打印出所有任务执行完成的消息。

这个示例演示了如何使用多线程来并发执行多个任务，每个任务都在独立的线程中执行，不会相互阻塞，从而提高了程序的执行效率。