理解 Python 中的线程
来源:互联网 发布:没有美工怎么做游戏 编辑:程序博客网 时间:2024/05/22 07:13
我们将会看到一些在Python中使用线程的实例和如何避免线程之间的竞争。你应当将下边的例子运行多次,以便可以注意到线程是不可预测的和线程每次运行出的不同结果。声明:从这里开始忘掉你听到过的关于GIL的东西,因为GIL不会影响到我想要展示的东西。
示例1
我们将要请求五个不同的url:
单线程
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
import
time
import
urllib2
def
get_responses():
urls
=
[
'http://www.google.com'
,
'http://www.amazon.com'
,
'http://www.ebay.com'
,
'http://www.alibaba.com'
,
'http://www.reddit.com'
]
start
=
time.time()
for
url
in
urls:
print
url
resp
=
urllib2.urlopen(url)
print
resp.getcode()
print
"Elapsed time: %s"
%
(time.time()
-
start)
get_responses()
输出是:
1
2
3
4
5
6
http:
/
/
www.google.com
200
http:
/
/
www.amazon.com
200
http:
/
/
www.ebay.com
200
http:
/
/
www.alibaba.com
200
http:
/
/
www.reddit.com
200
Elapsed time:
3.0814409256
解释:
- url顺序的被请求
- 除非cpu从一个url获得了回应,否则不会去请求下一个url
- 网络请求会花费较长的时间,所以cpu在等待网络请求的返回时间内一直处于闲置状态。
多线程
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
import
urllib2
import
time
from
threading
import
Thread
class
GetUrlThread(Thread):
def
__init__(
self
, url):
self
.url
=
url
super
(GetUrlThread,
self
).__init__()
def
run(
self
):
resp
=
urllib2.urlopen(
self
.url)
print
self
.url, resp.getcode()
def
get_responses():
urls
=
[
'http://www.google.com'
,
'http://www.amazon.com'
,
'http://www.ebay.com'
,
'http://www.alibaba.com'
,
'http://www.reddit.com'
]
start
=
time.time()
threads
=
[]
for
url
in
urls:
t
=
GetUrlThread(url)
threads.append(t)
t.start()
for
t
in
threads:
t.join()
print
"Elapsed time: %s"
%
(time.time()
-
start)
get_responses()
输出:
1
2
3
4
5
6
http:
/
/
www.reddit.com
200
http:
/
/
www.google.com
200
http:
/
/
www.amazon.com
200
http:
/
/
www.alibaba.com
200
http:
/
/
www.ebay.com
200
Elapsed time:
0.689890861511
解释:
- 意识到了程序在执行时间上的提升
- 我们写了一个多线程程序来减少cpu的等待时间,当我们在等待一个线程内的网络请求返回时,这时cpu可以切换到其他线程去进行其他线程内的网络请求。
- 我们期望一个线程处理一个url,所以实例化线程类的时候我们传了一个url。
- 线程运行意味着执行类里的
run()
方法。 - 无论如何我们想每个线程必须执行
run()
。 - 为每个url创建一个线程并且调用
start()
方法,这告诉了cpu可以执行线程中的run()
方法了。 - 我们希望所有的线程执行完毕的时候再计算花费的时间,所以调用了
join()
方法。 join()
可以通知主线程等待这个线程结束后,才可以执行下一条指令。- 每个线程我们都调用了
join()
方法,所以我们是在所有线程执行完毕后计算的运行时间。
关于线程:
- cpu可能不会在调用
start()
后马上执行run()
方法。 - 你不能确定
run()
在不同线程建间的执行顺序。 - 对于单独的一个线程,可以保证
run()
方法里的语句是按照顺序执行的。 - 这就是因为线程内的url会首先被请求,然后打印出返回的结果。
实例2
我们将会用一个程序演示一下多线程间的资源竞争,并修复这个问题。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
from
threading
import
Thread
#define a global variable
some_var
=
0
class
IncrementThread(Thread):
def
run(
self
):
#we want to read a global variable
#and then increment it
global
some_var
read_value
=
some_var
print
"some_var in %s is %d"
%
(
self
.name, read_value)
some_var
=
read_value
+
1
print
"some_var in %s after increment is %d"
%
(
self
.name, some_var)
def
use_increment_thread():
threads
=
[]
for
i
in
range
(
50
):
t
=
IncrementThread()
threads.append(t)
t.start()
for
t
in
threads:
t.join()
print
"After 50 modifications, some_var should have become 50"
print
"After 50 modifications, some_var is %d"
%
(some_var,)
use_increment_thread()
多次运行这个程序,你会看到多种不同的结果。
解释:
- 有一个全局变量,所有的线程都想修改它。
- 所有的线程应该在这个全局变量上加 1 。
- 有50个线程,最后这个数值应该变成50,但是它却没有。
为什么没有达到50?
- 在
some_var
是15
的时候,线程t1
读取了some_var
,这个时刻cpu将控制权给了另一个线程t2
。 t2
线程读到的some_var
也是15
t1
和t2
都把some_var
加到16
- 当时我们期望的是
t1
t2
两个线程使some_var + 2
变成17
- 在这里就有了资源竞争。
- 相同的情况也可能发生在其它的线程间,所以出现了最后的结果小于
50
的情况。
解决资源竞争
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
from
threading
import
Lock, Thread
lock
=
Lock()
some_var
=
0
class
IncrementThread(Thread):
def
run(
self
):
#we want to read a global variable
#and then increment it
global
some_var
lock.acquire()
read_value
=
some_var
print
"some_var in %s is %d"
%
(
self
.name, read_value)
some_var
=
read_value
+
1
print
"some_var in %s after increment is %d"
%
(
self
.name, some_var)
lock.release()
def
use_increment_thread():
threads
=
[]
for
i
in
range
(
50
):
t
=
IncrementThread()
threads.append(t)
t.start()
for
t
in
threads:
t.join()
print
"After 50 modifications, some_var should have become 50"
print
"After 50 modifications, some_var is %d"
%
(some_var,)
use_increment_thread()
再次运行这个程序,达到了我们预期的结果。
解释:
- Lock 用来防止竞争条件
- 如果在执行一些操作之前,线程
t1
获得了锁。其他的线程在t1
释放Lock之前,不会执行相同的操作 - 我们想要确定的是一旦线程
t1
已经读取了some_var
,直到t1
完成了修改some_var
,其他的线程才可以读取some_var
- 这样读取和修改
some_var
成了逻辑上的原子操作。
实例3
让我们用一个例子来证明一个线程不能影响其他线程内的变量(非全局变量)。
time.sleep()可以使一个线程挂起,强制线程切换发生。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
from
threading
import
Thread
import
time
class
CreateListThread(Thread):
def
run(
self
):
self
.entries
=
[]
for
i
in
range
(
10
):
time.sleep(
1
)
self
.entries.append(i)
print
self
.entries
def
use_create_list_thread():
for
i
in
range
(
3
):
t
=
CreateListThread()
t.start()
use_create_list_thread()
运行几次后发现并没有打印出争取的结果。当一个线程正在打印的时候,cpu切换到了另一个线程,所以产生了不正确的结果。我们需要确保print self.entries
是个逻辑上的原子操作,以防打印时被其他线程打断。
我们使用了Lock(),来看下边的例子。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
from
threading
import
Thread, Lock
import
time
lock
=
Lock()
class
CreateListThread(Thread):
def
run(
self
):
self
.entries
=
[]
for
i
in
range
(
10
):
time.sleep(
1
)
self
.entries.append(i)
lock.acquire()
print
self
.entries
lock.release()
def
use_create_list_thread():
for
i
in
range
(
3
):
t
=
CreateListThread()
t.start()
use_create_list_thread()
这次我们看到了正确的结果。证明了一个线程不可以修改其他线程内部的变量(非全局变量)。
0 0
- 理解 Python 中的线程
- 理解 Python 中的线程
- 3个实例帮你理解Python中的线程
- 理解Python线程Thread
- python 线程理解
- 线程中的Semaphore理解
- Python中的线程
- python中的进程, 线程
- python中的线程
- Python中线程的理解
- python中的self理解
- 理解python中的self
- python中的self理解
- Python中的rank()理解
- 理解python中的self
- 理解python中的self
- jvm中的线程的理解
- 理解QT线程中的moveToThread
- GIS+=地理信息+云计算技术——私有云架构设计(1)计算资源规划
- 位段详解。
- poj-2155-Matrix(树状数组 || 线段树)
- Google C++编程规范 – 第二十一条 -《-inl.h文件》
- 两倍问题 nefu08
- 理解 Python 中的线程
- Java虚拟机之字节码执行引擎
- Android-带有切换动画的CheckBox
- 嵌入式linux常用命令
- 2016年01月25日
- JavaScript DOM编程艺术中的技巧代码
- 从一台机器给另一台机器tomcat发请求,查看各个环节的耗时时间
- 【转】单例模式的七种写法
- 通过RadioGroup 和ViewPager 以及Handler 实现图片的轮播