线程锁、线程池

一、线程（IO密集型工作多线程有用）

• 线程：
• 概述：
• 若一个文件从上到下顺序执行，则为串行执行，整个py文件实际上是一个主线程
• 若多线程，则可以并行执行，同一个时刻可以运行多个代码段
• 给每个client请求分配一个线程，则这些线程可以同时工作

• 多线程、多进程：
• 1、一个应用程序，可以有多进程和多线程；默认是单进程、单线程
• 2、单进程、多线程 ：
• 多线程：IO操作（输入输出流，文件操作）有用，因为几乎不用cpu来调度，一般用多线程来提高并发
• 计算型操作，需要用到cpu调度执行，一般用多进程提高并发
• 3、GIL 全局解释器锁，即进程中同一时刻只能被CPU 调度一个线程

• 创建方式

• 创建方式一：常规方式，比较简单常用

import threading

def func1(arg):

print(arg)

# t = threading.Thread( target=线程要执行的函数,  args=函数参数-数组, kwargs=函数参数-字典)

t = threading.Thread(target=f1, args=(123,) )

t.start() 

# 准备就绪，准备让cpu进行调度，

# 只要cpu一旦调度了该线程，就会执行threading 模块中的run方法，run方法只做一件事，执行target指向的函数

# 即，target实际上是run在方法内部执行的

• 创建方式二: 重写init和run

class MyThread(threading.Thread):

def __init__(self, func, args):

self.func = func 

self.args = args 

super(MyThread, self).__init__()

def run(self):

self.func(self.args)

def f2():

pass

obj = MyThread(f2, 123)

obj.start()

• 常用方法：
• t.start()  
• 准备好该线程，等待CPU进行调度，
• 虽然线程已经就绪，但是什么时候执行 谁也不知道，只有被cpu进行调度的时候才会执行
• t.join(3) 
• 逐个执行线程，执行完毕后再往下执行；可设置执行“超时时间”，该方法使得多线程没有意义
• 主线程代码执行到这里，会等待子线程去执行，等待超时时间为3秒，子线程执行完毕，主线程才会继续往下执行
• t.setDaemon(True) 
• 设置为后台进程（默认为False），主线程执行过程中，后台线程也在执行，主线程执行完毕，后台线程立即终止

二、线程锁

• 概述：
• 线程锁：
• 因为线程是随机调度，即可能并行去更“改同一个数据”，若多个线程同时对资源进行修改，则会发生错误
• 互斥锁，同一时刻，只允许一个线程来执行的操作

• 未使用“锁”：
• 10个人进行购买商品，每个人购买后商品减1，每个人看到的结果应该为9876543210
• 实际执行，所有人同时购买商品，同时修改NUM，同时输出NUM ，则都输出0 

import threading

import time

NUM = 0

def function1():

global NUM

NUM += 1

time.sleep(0.1) # 需要让所有线程都夯在这里，然后同时输出

print(NUM)

for x in range(10):

t = threading.Thread(target=function1, )

t.start()

• 各种锁讲解

• “Rlock 锁”：
• 将数据修改的位置作为原子操作，加锁

import threading

import time

NUM = 0

lock = threading.RLock()

def function1():

lock.acquire()  

global NUM

NUM += 1

time.sleep(2)

print(NUM)

lock.release()

for x in range(10):

t = threading.Thread(target=function1,)

t.start()

 

• 注意：lock = threading.Rlock() # 支持多层锁的嵌套,一般用Rlock，lock不支持

def func(l):

global NUM 

l.acquire()

NUM -= 1 

l.acquire()

time.sleep(2)

l.release()

print(NUM)

l.release()

• “semaphore”锁
• 信号量：表示同一时刻允许有多个线程同时工作，比如火车站过安检，每次允许10个人，上批次安检完成后再来十个人
• 注意：若同一批次运行的线程，都修改同一个数据，依然会有“数据错误”的情况，这里只是演示功能

import threading

import time

NUM = 0

semaphore = threading.BoundedSemaphore(5) # 表示每批放进来5个线程

def function1(i, se):

se.acquire()

global NUM

NUM += 1

time.sleep(2)

print('我是线程:{}, NUM此时为:{}'.format(i, NUM))

se.release()

for x in range(10):

t = threading.Thread(target=function1, args=(x, semaphore))

t.start()

• “event”锁：
• 事件：要锁全部锁，要放全部放，实则内部维护了一个变量，值为布尔值
• 该锁提供了3个方法：
1. set() # 将Flag 值设为True
2. clear() # 将Flag 值设为 False
3. wait() # 若Flag为False，则阻塞住；若为True则放行

import threading

event = threading.Event()

def function(id, en):

print('兵{}:大王，怎么办?'.format(id))

en.wait()

print('兵{}:杀呀~~~'.format(id))

for x in range(10):

t = threading.Thread(target=function, args=(x, event))

t.start()

event.clear()

print('1、杀出一条血路 2、投降')

you_choice = input('>>').strip()

if you_choice == '1':

event.set()

• "condition" 锁
• 使得线程等待，只有当满足条件时，才放出N个线程去执行任务
• 注意，wait和notify方法前后，必须被acquire和release方法包起来

• 姿势1：自行notify 通知运行N个

import threading

condition = threading.Condition()

def function(id, con):

con.acquire()  

con.wait()  # 子线程全部卡在这里，等待通知

print('兵{}:杀呀~~~'.format(id))

con.release()

for x in range(100):

t = threading.Thread(target=function, args=(x, condition))

t.start()

print('你要挑战几个？')

you_choice = input('>>').strip()

condition.acquire()  

condition.notify(int(you_choice))   # 传进去几个，上面运行几个线程

condition.release()

• 姿势2：条件成立，则放出一个去运行

import threading

def condition_func(): # 该函数返回值必须为布尔值

ret = False

inp = input('>>').strip()

if inp == '1':

ret = True

return ret

def function(id, con):

con.acquire()  

con.wait_for(condition_func) # 一旦该函数体返回值为True，则放出一个线程

print('thread{}:im gone~~~'.format(id))

con.release()

condition = threading.Condition()

for x in range(5):

t = threading.Thread(target=function, args=(x, condition))

t.start()

 

 

三、Timeer 定时器：

• 定时器，指定n秒后执行某操作

from threading import Timer

import time

 

def function():

print('开火~')

 

t = Timer(3, function)  # 子线程，三秒后执行该函数

t.start()

for i in range(1, 4):

print('time:{}'.format(i)) # 主线程，数数，每次间隔1秒

time.sleep(1)

 

 

四、线程池：

• 线程池概述：
• “线程池”与“上下文切换”：
• CPU调度线程，当时间片用完，会进行切换，每次切换时线程现场的“保存与载入”都是时间开销
• 当线程数目达到一个峰值后，再多创建线程，执行效率会下降
• 因此，应该控制线程创建的最大数目，池中线程取一个少一个，无线程时，后续请求等待；执行完毕归还线程

• 要创建一个线程池，那么该线程池应满足如下条件：
• 线程池为一个容器
• 池中线程用一个少一个
• 池中无线程，则进行等待
• 线程执行完任务，则进行归还

• 创建姿势1： 利用队列来存放“线程”

import time

import queue

import threading

class MyPool:

def __init__(self, maxsize=5):

self.maxsize = maxsize

self._q = queue.Queue(self.maxsize)  # 创建一个指定大小的队列

for _ in range(self.maxsize):

self._q.put(threading.Thread)  # 在队列中全为线程"类"

def get_thread(self):

return self._q.get()  # 取出一个线程"类"

def add_thread(self):

self._q.put(threading.Thread)  # 添加一个线程“类”

# 定义任务，参数为线程池（执行该任务的线程来源），执行完毕后向该池中归还（添加）一个线程

def task(n, p):

print('{}: 执行任务，完毕'.format(n))

time.sleep(2)

p.add_thread()

# 创建一个大小为5的线程池

pool = MyPool(5)

for i in range(100):

t_class = pool.get_thread()  # 从队列中获取一个线程"类名称"

t_obj = t_class(target=task, args=(i, pool))  # 用取出来的类，实例化个线程，并交给线程任务去执行，每次从队列中取一个线程，若没有线程则等待

t_obj.start()

• 此时，每次有5个线程去处理工作，不会超过5
• 问题：
• 线程重用：任务执行完成后归还线程，用的是“重新创建一个线程并put进队列”的方法，即原来的线程还放于内存中等待被GC回收
• 空闲线程：若任务数少于池数目，则会多余创建，即应该线程池最初是空的，来一个创建一个，最大为5

 

姿势2： 

• 队列中存放任务：
• 往往每个任务都是一个函数，
• 可以将任务和其相关参数搞成元组(函数名，参数)，将这些元组put到队列中，则队列中保存的全是需要执行的任务
• 创建N个线程（N为线程池大小）：
• 每个线程都“循环”从队列中get任务并执行（线程重用）
• 若队列中所有任务都取完了，则终止已经创建的线程，终止方法如下：
1. get方法有超时时间，可以设置超时时间，超过这个时间则线程自动销毁
2. 在队列末尾插入几个空值，get后判断，若取到的是任务则执行，否则则终止

 

 

 

 

 

#!/usr/bin/env python

# -*- coding:utf-8 -*-

import queue

import threading

import contextlib

import time

StopEvent = object() # 创建个静态字段，字段任何值都行，相当于None，即要在队列后插入的空值

class ThreadPool(object):

def __init__(self, max_num, max_task_num = None):

# 创建任务队列，可显示指定任务队列大小，否则为不限制

if max_task_num:

self.q = queue.Queue(max_task_num)

else:

self.q = queue.Queue()

 

 

self.max_num = max_num # 最大线程数

self.cancel = False

self.terminal = False

self.generate_list = [] # 当前已经创建的线程

self.free_list = [] # 当前的空闲线程，队列中没有任务，则线程会空闲

def run(self, func, args, callback=None):

"""

线程池执行一个任务

:param func: 任务函数

:param args: 任务函数所需参数

:param callback: 任务执行失败或成功后执行的回调函数，回调函数有两个参数1、任务函数执行状态；2、任务函数返回值（默认为None，即：不执行回调函数）

:return: 如果线程池已经终止，则返回True否则None

"""

if self.cancel:

return

# 没有空闲着的线程，并且已经创建的线程有没有超过线程池最大大小时，创建线程

if len(self.free_list) == 0 and len(self.generate_list) < self.max_num:

self.generate_thread()

w = (func, args, callback,) # 将线程的id，要执行的任务，包装成一个元组

self.q.put(w) # 将包装好的元组放入队列中

def generate_thread(self):

"""

创建一个线程，并执行call方法

"""

t = threading.Thread(target=self.call)

t.start()

def call(self):

"""

循环去获取任务函数并执行任务函数

"""

current_thread = threading.currentThread() # 获取当前线程

self.generate_list.append(current_thread) # 在线程列表中添加一个线程，

event = self.q.get() #从队列中获取任务，任务都是包装的元组（id，任务）

# 若是一个元组，即不等于stopevent

while event != StopEvent:

func, arguments, callback = event # 元组解包

try:

result = func(*arguments)  # 执行任务

success = True

except Exception as e:

success = False

result = None

if callback is not None:

try:

callback(success, result)

except Exception as e:

pass

# 线程执行完任务，则线程处于空闲状态，则标记该任务为空闲进程，下次直接会从空闲进程去取任务

with self.worker_state(self.free_list, current_thread):

if self.terminal:

event = StopEvent

else:

event = self.q.get() # 执行完任务后，该线程又去获取任务，然后再次while

# 若evnent不是一个元组，则从线程列表中移除当前线程

else:

self.generate_list.remove(current_thread)

def close(self):

"""

执行完所有的任务后，所有线程停止，创建了几个线程，则往任务队列中插入几个空值

"""

self.cancel = True

full_size = len(self.generate_list)

while full_size:

self.q.put(StopEvent)

full_size -= 1

def terminate(self):

"""

无论是否还有任务，终止线程

"""

self.terminal = True

while self.generate_list:

self.q.put(StopEvent)

self.q.queue.clear()

@contextlib.contextmanager

def worker_state(self, state_list, worker_thread):

"""

用于记录线程中正在等待的线程数

"""

state_list.append(worker_thread)

try:

yield

finally:

state_list.remove(worker_thread)

# How to use

pool = ThreadPool(5)

def callback(status, result):

# 需要执行的任务

pass

def action(i):

print(i)

# 创建300个任务

for i in range(300):

ret = pool.run(action, (i,), callback) 

time.sleep(5)

print(len(pool.generate_list), len(pool.free_list))

print(len(pool.generate_list), len(pool.free_list))

# pool.close()

# pool.terminate()