来源 http://blog.chinaunix.net/uid-27571599-id-3484048.html
threading提供了一个比thread模块更高层的API来提供线程的并发性。这些线程并发运行并共享内存。
下面来看threading模块的具体用法:
一、Thread的使用 目标函数可以实例化一个Thread对象,每个Thread对象代表着一个线程,可以通过start()方法,开始运行。
这里对使用多线程并发,和不适用多线程并发做了一个比较:
首先是不使用多线程的操作:
代码如下:
1
2
3
4
5
6
7
8
9
10
11
12
|
#!/usr/bin/python #compare for multi threads import time def worker(): print "worker" time.sleep( 1 ) return if __name__ = = "__main__" : for i in xrange ( 5 ): worker() |
执行结果如下:
下面是使用多线程并发的操作:
代码如下:
1
2
3
4
5
6
7
8
9
10
11
12
|
#!/usr/bin/python import threading import time def worker(): print "worker" time.sleep( 1 ) return for i in xrange ( 5 ): t = threading.Thread(target = worker) t.start() |
可以明显看出使用了多线程并发的操作,花费时间要短的很多。
二、threading.activeCount()的使用,此方法返回当前进程中线程的个数。返回的个数中包含主线程。
代码如下:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
#!/usr/bin/python #current's number of threads import threading import time def worker(): print "test" time.sleep( 1 ) for i in xrange ( 5 ): t = threading.Thread(target = worker) t.start() print "current has %d threads" % (threading.activeCount() - 1 ) |
三、threading.enumerate()的使用。此方法返回当前运行中的Thread对象列表。
代码如下:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
#!/usr/bin/python #test the variable threading.enumerate() import threading import time def worker(): print "test" time.sleep( 2 ) threads = [] for i in xrange ( 5 ): t = threading.Thread(target = worker) threads.append(t) t.start() for item in threading. enumerate (): print item print for item in threads: print item |
四、threading.setDaemon()的使用。设置后台进程。
代码如下:
1
2
3
4
5
6
7
8
9
10
11
12
13
|
#!/usr/bin/python #create a daemon import threading import time def worker(): time.sleep( 3 ) print "worker" t = threading.Thread(target = worker) t.setDaemon( True ) t.start() print "haha" |
可以看出worker()方法中的打印操作并没有显示出来,说明已经成为后台进程。