Python 线程池原理及实现

Python 线程池原理及实现

置顶 公众号：码农富哥 2017-07-26 18:08:38 10348 收藏 5
展开
概述
传统多线程方案会使用“即时创建， 即时销毁”的策略。尽管与创建进程相比，创建线程的时间已经大大的缩短，但是如果提交给线程的任务是执行时间较短，而且执行次数极其频繁，那么服务器将处于不停的创建线程，销毁线程的状态。

一个线程的运行时间可以分为3部分：线程的启动时间、线程体的运行时间和线程的销毁时间。在多线程处理的情景中，如果线程不能被重用，就意味着每次创建都需要经过启动、销毁和运行3个过程。这必然会增加系统相应的时间，降低了效率。

使用线程池：
由于线程预先被创建并放入线程池中，同时处理完当前任务之后并不销毁而是被安排处理下一个任务，因此能够避免多次创建线程，从而节省线程创建和销毁的开销，能带来更好的性能和系统稳定性。

线程池原理图.png
线程池模型
这里使用创建Thread()实例来实现，下面会再用继承threading.Thread()的类来实现

# 创建队列实例， 用于存储任务
queue = Queue()

# 定义需要线程池执行的任务
def do_job():
while True:
i = queue.get()
time.sleep(1)
print 'index %s, curent: %s' % (i, threading.current_thread())
queue.task_done()

if __name__ == '__main__':
# 创建包括3个线程的线程池
for i in range(3):
t = Thread(target=do_job)
t.daemon=True # 设置线程daemon 主线程退出，daemon线程也会推出，即时正在运行
t.start()

# 模拟创建线程池3秒后塞进10个任务到队列
time.sleep(3)
for i in range(10):
queue.put(i)

queue.join()
输出结果

index 1, curent: <Thread(Thread-2, started daemon 139652180764416)>
index 0, curent: <Thread(Thread-1, started daemon 139652189157120)>
index 2, curent: <Thread(Thread-3, started daemon 139652172371712)>
index 4, curent: <Thread(Thread-1, started daemon 139652189157120)>
index 3, curent: <Thread(Thread-2, started daemon 139652180764416)>
index 5, curent: <Thread(Thread-3, started daemon 139652172371712)>
index 6, curent: <Thread(Thread-1, started daemon 139652189157120)>
index 7, curent: <Thread(Thread-2, started daemon 139652180764416)>
index 8, curent: <Thread(Thread-3, started daemon 139652172371712)>
index 9, curent: <Thread(Thread-1, started daemon 139652189157120)>
finish
可以看到所有任务都是在这几个线程中完成Thread-(1-3)

线程池原理
线程池基本原理： 我们把任务放进队列中去，然后开N个线程，每个线程都去队列中取一个任务，执行完了之后告诉系统说我执行完了，然后接着去队列中取下一个任务，直至队列中所有任务取空，退出线程。

上面这个例子生成一个有3个线程的线程池，每个线程都无限循环阻塞读取Queue队列的任务所有任务都只会让这3个预生成的线程来处理。

具体工作描述如下：

创建Queue.Queue()实例，然后对它填充数据或任务
生成守护线程池，把线程设置成了daemon守护线程
每个线程无限循环阻塞读取queue队列的项目item，并处理
每次完成一次工作后，使用queue.task_done()函数向任务已经完成的队列发送一个信号
主线程设置queue.join()阻塞，直到任务队列已经清空了，解除阻塞，向下执行
这个模式下有几个注意的点：

将线程池的线程设置成daemon守护进程，意味着主线程退出时，守护线程也会自动退出，如果使用默认
daemon=False的话， 非daemon的线程会阻塞主线程的退出，所以即使queue队列的任务已经完成
线程池依然阻塞无限循环等待任务，使得主线程也不会退出。

当主线程使用了queue.join()的时候，说明主线程会阻塞直到queue已经是清空的，而主线程怎么知道queue已经是清空的呢？就是通过每次线程queue.get()后并处理任务后，发送queue.task_done()信号，queue的数据就会减1，直到queue的数据是空的，queue.join()解除阻塞，向下执行。

这个模式主要是以队列queue的任务来做主导的，做完任务就退出，由于线程池是daemon的，所以主退出线程池所有线程都会退出。 有别于我们平时可能以队列主导thread.join()阻塞，这种线程完成之前阻塞主线程。看需求使用哪个join()：

如果是想做完一定数量任务的队列就结束，使用queue.join()，比如爬取指定数量的网页
如果是想线程做完任务就结束，使用thread.join()
示例：使用线程池写web服务器
import socket
import threading
from threading import Thread
import threading
import sys
import time
import random
from Queue import Queue

host = ''
port = 8888
s = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
s.bind((host, port))
s.listen(3)

class ThreadPoolManger():
"""线程池管理器"""
def __init__(self, thread_num):
# 初始化参数
self.work_queue = Queue()
self.thread_num = thread_num
self.__init_threading_pool(self.thread_num)

def __init_threading_pool(self, thread_num):
# 初始化线程池，创建指定数量的线程池
for i in range(thread_num):
thread = ThreadManger(self.work_queue)
thread.start()

def add_job(self, func, *args):
# 将任务放入队列，等待线程池阻塞读取，参数是被执行的函数和函数的参数
self.work_queue.put((func, args))

class ThreadManger(Thread):
"""定义线程类，继承threading.Thread"""
def __init__(self, work_queue):
Thread.__init__(self)
self.work_queue = work_queue
self.daemon = True

def run(self):
# 启动线程
while True:
target, args = self.work_queue.get()
target(*args)
self.work_queue.task_done()

# 创建一个有4个线程的线程池
thread_pool = ThreadPoolManger(4)

# 处理http请求，这里简单返回200 hello world
def handle_request(conn_socket):
recv_data = conn_socket.recv(1024)
reply = 'HTTP/1.1 200 OK '
reply += 'hello world'
print 'thread %s is running ' % threading.current_thread().name
conn_socket.send(reply)
conn_socket.close()

# 循环等待接收客户端请求
while True:
# 阻塞等待请求
conn_socket, addr = s.accept()
# 一旦有请求了，把socket扔到我们指定处理函数handle_request处理，等待线程池分配线程处理
thread_pool.add_job(handle_request, *(conn_socket, ))

s.close()
# 运行进程
[master][/data/web/advance_python/socket]$ python sock_s_threading_pool.py

# 查看线程池状况
[master][/data/web/advance_python/socket]$ ps -eLf|grep sock_s_threading_pool
lisa+ 27488 23705 27488 0 5 23:22 pts/30 00:00:00 python sock_s_threading_pool.py
lisa+ 27488 23705 27489 0 5 23:22 pts/30 00:00:00 python sock_s_threading_pool.py
lisa+ 27488 23705 27490 0 5 23:22 pts/30 00:00:00 python sock_s_threading_pool.py
lisa+ 27488 23705 27491 0 5 23:22 pts/30 00:00:00 python sock_s_threading_pool.py
lisa+ 27488 23705 27492 0 5 23:22 pts/30 00:00:00 python sock_s_threading_pool.py
# 跟我们预期一样一共有5个线程，一个主线程，4个线程池线程
这个线程池web服务器编写框架包括下面几个组成部分及步骤：

定义线程池管理器ThreadPoolManger，用于创建并管理线程池，提供add_job()接口，给线程池加任务
定义工作线程ThreadManger， 定义run()方法，负责无限循环工作队列，并完成队列任务
定义socket监听请求s.accept() 和处理请求 handle_requests() 任务。
初始化一个4个线程的线程池，都阻塞等待这读取队列queue的任务
当socket.accept()有请求，则把conn_socket做为参数，handle_request方法，丢给线程池，等待线程池分配线程处理
GIL 对多线程的影响
因为Python的线程虽然是真正的线程，但解释器执行代码时，有一个GIL锁：Global Interpreter Lock，任何Python线程执行前，必须先获得GIL锁，然后，每执行100条字节码，解释器就自动释放GIL锁，让别的线程有机会执行。这个GIL全局锁实际上把所有线程的执行代码都给上了锁，所以，多线程在Python中只能交替执行，即使100个线程跑在100核CPU上，也只能用到1个核。

但是对于IO密集型的任务，多线程还是起到很大效率提升，这是协同式多任务
当一项任务比如网络 I/O启动，而在长的或不确定的时间，没有运行任何 Python 代码的需要，一个线程便会让出GIL，从而其他线程可以获取 GIL 而运行 Python。这种礼貌行为称为协同式多任务处理，它允许并发；多个线程同时等待不同事件。

两个线程在同一时刻只能有一个执行 Python ，但一旦线程开始连接，它就会放弃 GIL ，这样其他线程就可以运行。这意味着两个线程可以并发等待套接字连接，这是一件好事。在同样的时间内它们可以做更多的工作。

线程池要设置为多少？
服务器CPU核数有限，能够同时并发的线程数有限，并不是开得越多越好，以及线程切换是有开销的，如果线程切换过于频繁，反而会使性能降低

线程执行过程中，计算时间分为两部分：

CPU计算，占用CPU
不需要CPU计算，不占用CPU，等待IO返回，比如recv(), accept(), sleep()等操作，具体操作就是比如
访问cache、RPC调用下游service、访问DB，等需要网络调用的操作
那么如果计算时间占50%， 等待时间50%，那么为了利用率达到最高，可以开2个线程：
假如工作时间是2秒， CPU计算完1秒后，线程等待IO的时候需要1秒，此时CPU空闲了，这时就可以切换到另外一个线程，让CPU工作1秒后，线程等待IO需要1秒，此时CPU又可以切回去，第一个线程这时刚好完成了1秒的IO等待，可以让CPU继续工作，就这样循环的在两个线程之前切换操作。

那么如果计算时间占20%， 等待时间80%，那么为了利用率达到最高，可以开5个线程：
可以想象成完成任务需要5秒，CPU占用1秒，等待时间4秒，CPU在线程等待时，可以同时再激活4个线程，这样就把CPU和IO等待时间，最大化的重叠起来

抽象一下，计算线程数设置的公式就是：
N核服务器，通过执行业务的单线程分析出本地计算时间为x，等待时间为y，则工作线程数（线程池线程数）设置为 N*(x+y)/x，能让CPU的利用率最大化。
由于有GIL的影响，python只能使用到1个核，所以这里设置N=1

参考
http://python.jobbole.com/87743/
https://www.ibm.com/developerworks/cn/aix/library/au-threadingpython/
http://www.cnblogs.com/goodhacker/p/3359985.html
https://mp.weixin.qq.com/s/BRpngTEFHjzpGv8tkdqmPQ
http://python3-cookbook.readthedocs.io/zh_CN/latest/c12/p07_creating_thread_pool.html
https://www.zhihu.com/question/23474039

最后
————————————————
版权声明：本文为CSDN博主「公众号：码农富哥」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/a519640026/java/article/details/76157999

Python强制关闭线程的一种办法

开源中国首席鉴定大湿 发布于 2016/03/23 22:04

 

阅读 15K+

 

 收藏 2

 

 评论 5

Python

由于经常被Python非Daemon线程阻塞，导致程序无法结束。所以到处找办法解决，但是经常没有找到点上。导致无功而返。

今天突发奇想来搜了一下相关的解决方案，竟然被我找到了。

首先是百度了一下（懒得开VPN）

然后找到了一个网友分享的解决方案：

http://www.cnblogs.com/rainduck/archive/2013/03/29/2989810.html

但是试验之后并没有什么卵用（┑(￣Д ￣)┍），我是在我的MAC上面试验的。python 2.7.10

然后再次谷歌了一下使用到的API，在最佳回答的评论区找到了答案。

http://stackoverflow.com/questions/323972/is-there-any-way-to-kill-a-thread-in-python
第六条评论

于是最终解决方案如下：

import threading
import time
import inspect
import ctypes

def _async_raise(tid, exctype):
    """raises the exception, performs cleanup if needed"""
    tid = ctypes.c_long(tid)
    if not inspect.isclass(exctype):
        exctype = type(exctype)
    res = ctypes.pythonapi.PyThreadState_SetAsyncExc(tid, ctypes.py_object(exctype))
    if res == 0:
        raise ValueError("invalid thread id")
    elif res != 1:
        # """if it returns a number greater than one, you're in trouble,
        # and you should call it again with exc=NULL to revert the effect"""
        ctypes.pythonapi.PyThreadState_SetAsyncExc(tid, None)
        raise SystemError("PyThreadState_SetAsyncExc failed")

def stop_thread(thread):
    _async_raise(thread.ident, SystemExit)

class TestThread(threading.Thread):
    def run(self):
        print "begin"
        while True:
            time.sleep(0.1)
        print "end"
if __name__ == "__main__":
    t = TestThread()
    t.start()
    time.sleep(1)
    stop_thread(t)
    print "stoped"

改造后的方案，只是在 _async_raise 函数最前面，将tid转换成了c_long类型。因为传到API中的类型需要是C的长整形，不然会越界。因为在我的环境中，PID是一个较大的值。

解决方案利用的是python内置API，通过ctypes模块调用，在线程中丢出异常，使线程退出。