0. 写在前面：进程和线程

博文参考:

Python的并行（持续更新）_python 并行-CSDN博客 。

《Python并行编程 中文版》 。

一些相关概念请见上一篇博文.

1. 在Python中使用线程

1.1 多线程简介

1. 线程是独立的处理流程，可以和系统的其他线程并行或并发地执行.

2. 多线程可以共享数据和资源，利用所谓的共享内存空间.

3. 每一个线程基本上包含3个元素：程序计数器，寄存器和栈.

4. 线程的状态大体上可以分为ready, running, blocked.

5. 多线程编程一般使用共享内容空间进行线程间的通讯，这就使管理内容空间成为多线程编程的重点和难点.

6. 线程的典型应用是应用软件的并行化.

7. 相比于进程，使用线程的优势主要是性能.

1.2 threading库实现多线程

1.2.1 定义一个线程：threading.Thread()

class threading.Thread(group=None,   ## 一般设置为 None ，这是为以后的一些特性预留的
                       target=None,  ## 当线程启动的时候要执行的函数
                       name=None,    ## 线程的名字，默认会分配一个唯一名字 Thread-N
                       args=(),      ## 使用 tuple 类型给 target 传递参数
                       kwargs={})    ## 使用 dict 类型给 target 传递参数

• group: 保留参数，通常设置为 None。这是为以后的一些特性预留的。
• target: 线程执行的函数或可调用对象。
• name: 线程的名称。如果未指定，将生成一个默认名称，默认为：Thread-N。
• args: 传递给 target 的参数元组（整形和浮点型数据输入到args里）。
• kwargs: 传递给 target 的关键字参数字典（字符串型数据输入到这里）。

例子1：threading.Thread()的一个简单调用

import threading

def function(i):
    print("function called by thread %i\n" % i)
    return

#threads = []
for i in range(5):
    t = threading.Thread(target=function, args=(i,)) ## 用 function 函数初始化一个 Thread 对象 t，并将参数 i 传入；
    #threads.append(t) 
    t.start() ## 线程被创建后不会马上执行，需要手动调用 .start() 方法执行线程
    t.join() ## 阻塞调用 t 线程的主线程，t 线程执行结束，主线程才会继续执行

[Run] 。

function called by thread 0

function called by thread 1

function called by thread 2

function called by thread 3

function called by thread 4

function函数的输入只有一个int型数值，这里要注意的是，在使用threading.Thread()传参时，arg需要传入一个元组，所以输入的是(i,)，也就是说要加个逗号,。因为type((i))是<class 'int'>.

例子2：函数传入参数同时包含浮点型和字符串型数值时

import threading

# 定义一个线程函数，接受浮点型和字符串型参数
def calculate(data_float, data_string):
    result = data_float * 2
    print(f"Thread result for {data_float}: {result}")
    print(f"Additional string data: {data_string}")

# 创建多个线程并启动
threads = []
data_float = [1.5, 2.5, 3.5]  # 浮点型数据
data_string = ["Hello", "World", "OpenAI"]  # 字符串型数据

for i in range(len(data_float)):
    thread = threading.Thread(target=calculate, args=(data_float[i], data_string[i]))
    threads.append(thread)
    thread.start()

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

print("All threads have finished execution.")

[Run] 。

Thread result for 1.5: 3.0
Additional string data: Hello
Thread result for 2.5: 5.0
Additional string data: World
Thread result for 3.5: 7.0
Additional string data: OpenAI
All threads have finished execution.

1.2.2 启动线程和等待线程终止：strat()和join()方法

在 Python 的 threading 模块中，start() 和 join() 是 Thread 类的两个非常重要的方法，它们在多线程编程中扮演着关键的角色.

start()方法：

• 目的: start() 方法用于启动线程。一旦调用此方法，线程将开始执行其 target 函数，即在创建 Thread 对象时指定的函数。
• 用法: 通常在创建 Thread 对象后立即调用，无需任何参数。
• 返回值: 没有返回值。

join()方法：

• 目的: join() 方法用于等待线程终止。当一个线程执行 join() 方法时，它会等待调用 join() 的线程完成其执行，然后才继续执行。
• 用法: 在主线程中调用，等待一个或多个线程完成。
• 参数: 可接受一个可选的 timeout 参数，单位为秒，表示等待线程终止的最长时间。如果 timeout 为 None，则会无限期等待。
• 返回值: 没有返回值。

为什么需要 start() 和 join()

start() 的必要性

• 在多线程程序中，通常需要同时运行多个任务。start() 方法是启动这些任务的机制。没有它，线程将不会执行其目标函数。

join() 的必要性

• join() 用于同步线程，确保主线程等待所有子线程完成。这在以下情况下非常重要：
  • 当子线程的任务是程序继续执行的前提时（例如，它可能在设置某些资源）。
  • 当你想要确保资源被正确释放，或者子线程产生的结果被正确处理时。
  • 当你想要避免程序在所有线程完成之前退出时。

假设你有一个程序，它启动了多个线程来执行某些任务，然后程序需要在所有线程完成之前等待:

import threading
import time

def do_work():
    print("Thread starting.")
    time.sleep(1)  # 模拟耗时操作
    print("Thread finishing.")

if __name__ == "__main__":
    threads = []
    for i in range(3):
        t = threading.Thread(target=do_work)
        threads.append(t)
        t.start()

    for t in threads:
        t.join()  # 等待所有线程完成

    print("All threads have completed.")

• 在这个例子中，如果没有使用 join()，主线程可能在子线程完成之前就退出了，导致程序结束，而子线程中的任务可能还没有完成。通过使用 join()，我们确保了所有子线程在程序退出前都已经完成.

• 简单来说就是，如果没有join()，程序运行时首先会输出三个Thread starting，然后再输出All threads have completed，这时候主线程已经结束了，并且后面的程序此时已经开始执行了。而在1秒之后，才会输出Thread finishing，也就是说在这一秒内子线程还没结束，程序就会一边运行后面的程序一边运行子线程... 。

这里还有一个不太正确的写法（ 好像网上一些博主是这么举例的）:

import threading
import time

def do_work():
    print("Thread starting.")
    time.sleep(1)  # 模拟耗时操作
    print("Thread finishing.")

if __name__ == "__main__":
    for i in range(3):
        t = threading.Thread(target=do_work)
        t.start()
        t.join() 

    print("All threads have completed.")

• 这个逻辑是启动了一个线程后，等待这个线程完成，才会启动下一个线程。其实这样的运行结果跟下面这串代码差不多，运行时间都是3秒左右。在我看来上面这个程序的多线程用了≈没用...

import threading
import time

def do_work():
    print("Thread starting.")
    time.sleep(1)  # 模拟耗时操作
    print("Thread finishing.")

if __name__ == "__main__":
    for i in range(3):
        do_work()

    print("All threads have completed.")

1.2.3 确定当前线程 threading.current_thread().name

1. 通常一个服务进程中有多个线程服务，负责不同的操作，所以对于线程的命名是很重要的； 。

2. Python中每一个线程在被 Thread 被创建时都有一个默认的名字（可以修改）； 。

举例

• 下面我们只对first_func和second_func函数对应的线程命名，third_func函数对应的线程采用threading的默认命名

import threading
import time

def first_func():
    print(threading.current_thread().name + str(" is Starting"))
    time.sleep(2)
    print(threading.current_thread().name + str("is Exiting"))
    return

def second_func():
    print(threading.current_thread().name + str(" is Starting"))
    time.sleep(2)
    print(threading.current_thread().name + str("is Exiting"))
    return

def third_func():
    print(threading.current_thread().name + str(" is Starting"))
    time.sleep(2)
    print(threading.current_thread().name + str("is Exiting"))
    return

if __name__ == "__main__":
    t1 = threading.Thread(name="first_func", target=first_func)
    t2 = threading.Thread(name="second_func", target=second_func)
    t3 = threading.Thread(target=third_func)
    t1.start()
    t2.start()
    t3.start()
    t1.join()
    t2.join()
    t3.join()

[Run] 。

first_func is Starting
second_func is Starting
Thread-1 is Starting
second_funcis Exiting
first_funcis ExitingThread-1is Exiting

• 上面的程序输出了当前的进行的线程名称，并且将thrid_func对应的线程命名为Thread-1 。

• 从上面运行结果可以看出，如果不用 name= 参数指定线程名称的话，那么线程名称将使用默认值.

1.2.4 实现一个线程 threading:

使用 threading 模块实现一个线程，需要3步:

1. 定义一个 Thread 类的子类； 。

2. 重写 __init__(self, [,args]) 方法； 。

3. 重写 run(self, [,args]) 方法实现一个线程； 。

举例：

import threading
import time

class myThread(threading.Thread): ## 定义一个 threading 子类，继承 threading.Thread 父类
    def __init__(self, threadID, name, counter):  ## 重写 __init__() 方法，并添加额外的参数
        threading.Thread.__init__(self) ## 初始化继承自Thread类的属性，使子类对象能够正确地继承和使用父类的属性和方法
        self.threadID = threadID ## 子类额外的属性
        self.name = name
        self.counter = counter

    def run(self):
        print("Starting " + self.name)
        #作用是首先延迟5秒，然后输出当前时间，一共输出self.counter次
        print_time(self.name, 5,self.counter)  #调用后面的print_time()函数
        print("Exiting " + self.name)

def print_time(threadName, delay, counter):
    while counter:
        time.sleep(delay)
        print("%s: %s" % (threadName, time.ctime(time.time())))
        counter -= 1

## 创建线程
thread1 = myThread(1, "Thread-1", 1)
thread2 = myThread(2, "Thread-2", 2)
## 开启线程
thread1.start()
thread2.start()
## .join()
thread1.join()
thread2.join()
print("Exiting Main Thread")

[Run] 。

Starting Thread-1
Starting Thread-2
Thread-1: Wed May 22 20:42:33 2024
Exiting Thread-1Thread-2: Wed May 22 20:42:33 2024

Thread-2: Wed May 22 20:42:38 2024
Exiting Thread-2
Exiting Main ThreadThread

1.2 5 使用互斥锁 Lock ()进行线程同步 :

1. 并发线程中，多个线程对共享内存进行操作，并且至少有一个可以改变数据。这种情况下如果没有同步机制，那么多个线程之间就会产生竞争，从而导致代码无效或出错.

2. 解决多线程竞争问题的最简单的方法就是用锁 (Lock)。当一个线程需要访问共享内存时，它必须先获得 Lock 之后才能访问；当该线程对共享资源使用完成后，必须释放 Lock，然后其他线程在拿到 Lock 进行访问资源。因此，为了避免多线程竞争的出现，必须保证：同一时刻只能允许一个线程访问共享内存.

3. 在实际使用中，该方法经常会导致一种 死锁 现象，原因是不同线程互相拿着对方需要的 Lock，导致死锁的发生.

详见： https://python-parallel-programmning-cookbook.readthedocs.io/zh_CN/latest/chapter2/06_Thread_synchronization_with_Lock_and_Rlock.html 。

举例：

import threading

shared_resource_with_lock = 0
shared_resource_with_no_lock = 0
COUNT = 100000
shared_resource_lock = threading.Lock() ## 锁

## 有锁的情况
def increment_with_lock():
    # shared_resource_with_lock 即最外面的 shared_resource_with_lock
    # 这样写就不需要再通过函数的参数引入 shared_resource_with_lock 了
    global shared_resource_with_lock
    for _ in range(COUNT):
        shared_resource_lock.acquire() ## 获取 锁
        shared_resource_with_lock += 1
        shared_resource_lock.release() ## 释放 锁

def decrement_with_lock():
    global shared_resource_with_lock
    for _ in range(COUNT):
        shared_resource_lock.acquire()
        shared_resource_with_lock -= 1
        shared_resource_lock.release()


## 没有锁的情况
def increment_without_lock():
    global shared_resource_with_no_lock
    for _ in range(COUNT):
        shared_resource_with_no_lock += 1

def decrement_without_lock():
    global shared_resource_with_no_lock
    for _ in range(COUNT):
        shared_resource_with_no_lock -= 1


if __name__ == "__main__":
    t1 = threading.Thread(target=increment_with_lock)
    t2 = threading.Thread(target=decrement_with_lock)
    t3 = threading.Thread(target=increment_without_lock)
    t4 = threading.Thread(target=decrement_without_lock)

    ## 开启线程
    t1.start()
    t2.start()
    t3.start()
    t4.start()
    ## .join()
    t1.join()
    t2.join()
    t3.join()
    t4.join()
    print ("the value of shared variable with lock management is %s" % shared_resource_with_lock)
    print ("the value of shared variable with race condition is %s" % shared_resource_with_no_lock)

[Run] 。

the value of shared variable with lock management is 0
the value of shared variable with race condition is 79714

尽管在上面的结果中，没锁的情况下得到的结果有时候是正确的，但是执行多次，总会出现错误的结果；而有锁的情况下，执行多次，结果一定是正确的.

尽管理论上用锁的策略可以避免多线程中的竞争问题，但是可能会对程序的其他方面产生负面影响。此外，锁的策略经常会导致不必要的开销，也会限制程序的可扩展性和可读性。更重要的是，有时候需要对多进程共享的内存分配优先级，使用锁可能和这种优先级冲突。从实践的经验来看，使用锁的应用将对debug带来不小的麻烦。所以，最好使用其他可选的方法确保同步读取共享内存，避免竞争条件.

让我们总结一下:

• 锁有两种状态： locked（被某一线程拿到）和unlocked（可用状态）
• 我们有两个方法来操作锁： acquire() 和 release()

需要遵循以下规则:

• 如果状态是unlocked， 可以调用 acquire() 将状态改为locked
• 如果状态是locked， acquire() 会被block直到另一线程调用 release() 释放锁
• 如果状态是unlocked， 调用 release() 将导致 RuntimError 异常
• 如果状态是locked， 可以调用 release() 将状态改为unlocked

1.2.6 使用递归锁Rlock()对线程进行同步

1. 为了保证 “只有拿到锁的线程才能释放锁”，那么应该使用 RLock() 对象； 。

2. 和 Lock()一样，RLock()也有acquire()和release()两种方法； 。

3. RLock() 有三个特点:

• 谁拿到谁释放。如果线程A拿到锁，线程B无法释放这个锁，只有A可以释放； 。

• 同一线程可以多次拿到该锁，即可以acquire多次； 。

• acquire多少次就必须release多少次，只有最后一次release才能改变RLock的状态为unlocked,

举例：

import threading
import time

class Box(object):
    lock = threading.RLock()

    def __init__(self):
        self.total_items = 0

    def execute(self, n):
        Box.lock.acquire()
        self.total_items += n
        Box.lock.release()

    def add(self):
        Box.lock.acquire()
        self.execute(1)
        Box.lock.release()

    def remove(self):
        Box.lock.acquire()
        self.execute(-1)
        Box.lock.release()

def adder(box, items):
    while items > 0:
        print("adding 1 item in the box")
        box.add()
        time.sleep(1)
        items -= 1

def remover(box, items):
    while items > 0:
        print("removing 1 item in the box")
        box.remove()
        time.sleep(1)
        items -= 1


if __name__ == "__main__":
    items = 5
    print("putting %s items in the box"% items)
    box = Box()
    t1 = threading.Thread(target=adder, args=(box, items))
    t2 = threading.Thread(target=remover, args=(box, items))

    t1.start()
    t2.start()

    t1.join()
    t2.join()
    print("%s items still remain in the box " % box.total_items)

[Run] 。

putting 5 items in the box
adding 1 item in the box
removing 1 item in the box
adding 1 item in the box
removing 1 item in the box

removing 1 item in the box
adding 1 item in the box

removing 1 item in the box
adding 1 item in the box
adding 1 item in the box
removing 1 item in the box

0 items still remain in the box 

Box类的execute()方法包含RLock，adder()和remover()方法也包含RLock，就是说无论是调用Box还是adder()或者remover()，每个线程的每一步都有拿到资源、释放资源的过程.

1.2.7 使用信息量Semaphore()对线程进行同步

1. 信号量的定义： 信号量是一个内部数据，用于标明当前的共享资源可以有多少并发读取.

2. 信号量是由操作系统管理的一种抽象数据类型，用于多线程中同步对共享资源的使用； 。

3. 信号量是一个内部数据，用于表明当前共享资源可以有多少并发读取； 。

4. 在 Threading 中，信号量的操作有两个函数：acquire()和release()； 。

同样的，在threading模块中，信号量的操作有两个函数，即 acquire() 和 release() ，解释如下:

• 每当线程想要读取关联了信号量的共享资源时，必须调用 acquire() ，此操作减少信号量的内部变量, 如果此变量的值非负，那么分配该资源的权限。如果是负值，那么线程被挂起，直到有其他的线程释放资源。
• 当线程不再需要该共享资源，必须通过 release() 释放。这样，信号量的内部变量增加，在信号量等待队列中排在最前面的线程会拿到共享资源的权限。

虽然表面上看信号量机制没什么明显的问题，如果信号量的等待和通知操作都是原子的，确实没什么问题。但如果不是，或者两个操作有一个终止了，就会导致糟糕的情况.

• 举个例子，假设有两个并发的线程，都在等待一个信号量，目前信号量的内部值为1。假设第线程A将信号量的值从1减到0，这时候控制权切换到了线程B，线程B将信号量的值从0减到-1，并且在这里被挂起等待，这时控制权回到线程A，信号量已经成为了负值，于是第一个线程也在等待.

• 这样的话，尽管当时的信号量是可以让线程访问资源的，但是因为非原子操作导致了所有的线程都在等待状态.

• 注："原子"指的是原子操作，即一个不可分割的操作。在多线程编程中，如果对信号量的等待和通知操作是原子的，意味着它们是以不可分割的方式执行的，其他线程无法在这些操作中插入。这样可以确保在多线程环境中，对信号量的操作是可靠的.

Semaphore()详解：

threading.Semaphore() 可以创建一个信号量对象，它可以控制对共享资源的访问数量。在创建信号量对象时，可以指定初始的许可数量。每次访问资源时，线程需要获取一个许可；当许可数量不足时，线程将会被阻塞，直到有足够的许可可用。访问资源完成后，线程释放许可，使得其他线程可以继续访问资源.

• threading.Semaphore(num): num表示初始的许可数量（比如这个数量为1）

举例：

下面的代码展示了信号量的使用，我们有两个线程， producer() 和 consumer() ，它们使用共同的资源，即item。 producer() 的任务是生产item， consumer() 的任务是消费item.

当item还没有被生产出来， consumer() 一直等待，当item生产出来， producer() 线程通知消费者资源可以使用了.

import threading
import time
import random

# 创建一个信号量semaphore，初始值为0。
# 信号量是一种同步机制，用于控制对共享资源的访问。
semaphore = threading.Semaphore(0)
print("init semaphore %s" % semaphore._value)  # 打印初始信号量的值。

# 消费者线程将执行的函数。
def consumer():
    print("consumer is waiting.")  # 打印信息，表明消费者正在等待。
    semaphore.acquire()  # 消费者尝试获取信号量，如果信号量的值小于1，则等待。
    print("consumer notify: consumed item number %s" % item)  # 打印消费者消费的项目编号。
    print("consumer semaphore %s" % semaphore._value)  # 在消费后打印信号量的当前值。

# 生产者线程将执行的函数。
def producer():
    global item  # 声明item为全局变量，以便在函数内部修改。
    time.sleep(10)  # 生产者线程暂停10秒，模拟生产过程耗时。
    item = random.randint(0, 1000)  # 生产者生成一个随机的项目编号。
    print("producer notify : produced item number %s" % item)  # 打印生产者生产的产品编号。
    semaphore.release()  # 生产者释放信号量，增加信号量的值，允许其他等待的线程继续执行。
    print("producer semaphore %s" % semaphore._value)  # 在生产后打印信号量的当前值。

# 主程序入口。
if __name__ == "__main__":
    for _ in range(0, 5):  # 循环5次，模拟生产和消费过程。
        t1 = threading.Thread(target=producer)  # 创建生产者线程。
        t2 = threading.Thread(target=consumer)  # 创建消费者线程。
        t1.start()  # 启动生产者线程。
        t2.start()  # 启动消费者线程。

        t1.join()  # 等待生产者线程完成。
        t2.join()  # 等待消费者线程完成。

    print("program terminated")  # 打印程序结束的信息。

最后此篇关于Python并行运算——threading库详解（持续更新）的文章就讲到这里了,如果你想了解更多关于Python并行运算——threading库详解（持续更新）的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！ 。