关于服务器:你要的线程

6次阅读

共计 4991 个字符，预计需要花费 13 分钟才能阅读完成。

多线程相似于同时执行多个不同程序，多线程运行有如下长处：

应用线程能够把占据长时间的程序中的工作放到后盾去解决。

用户界面能够更加吸引人，这样比方用户点击了一个按钮去触发某些事件的解决，能够弹出一个进度条来显示解决的进度

程序的运行速度可能放慢

在一些期待的工作实现上如用户输出、文件读写和网络收发数据等，线程就比拟有用了。在这种状况下咱们能够开释一些宝贵的资源如内存占用等等。

线程在执行过程中与过程还是有区别的。每个独立的过程有一个程序运行的入口、程序执行序列和程序的进口。然而线程不可能独立执行，必须依存在应用程序中，由应用程序提供多个线程执行管制。

每个线程都有他本人的一组 CPU 寄存器，称为线程的上下文，该上下文反映了线程上次运行该线程的 CPU 寄存器的状态。

指令指针和堆栈指针寄存器是线程上下文中两个最重要的寄存器，线程总是在过程失去上下文中运行的，这些地址都用于标记领有线程的过程地址空间中的内存。

线程能够被抢占（中断）。

在其余线程正在运行时，线程能够临时搁置（也称为睡眠）— 这就是线程的让步。

线程就是在程序运行过程中，执行程序代码的一个分支，每个运行的程序至多都有一个线程


创立多线程：thread

调用 thread 模块中的 start_new_thread() 函数来产生新线程

thread.start_new_thread (function, args[, kwargs] )

function - 线程函数。args - 传递给线程函数的参数, 他必须是个 tuple 类型。kwargs - 可选参数。python 多线程的开启

start()


import threading

import time

def task():

    time.sleep(1) 

     print("以后线程:", threading.current_thread().name)

if__name__ =='__main__':

    for_inrange(5):

         sub_thread = threading.Thread(target=task) 

         sub_thread.start()

线程之间执行是无序的

主线程会期待所有的子线程完结后才完结

主线程会期待所有的子线程完结后才完结，如果须要能够设置守护主线程

多线程的特点（共享全局变量）

threading.currentThread(): 返回以后的线程变量。threading.enumerate(): 返回一个蕴含正在运行的线程的 list。正在运行指线程启动后、完结前，不包含启动前和终止后的线程。threading.activeCount(): 返回正在运行的线程数量，与 len(threading.enumerate()) 有雷同的后果。

除了应用办法外，线程模块同样提供了 Thread 类来解决线程，Thread 类提供了以下办法:

run(): 用以示意线程流动的办法。start(): 启动线程流动。join([time]): 期待至线程停止。这阻塞调用线程直至线程的 join() 办法被调用停止 - 失常退出或者抛出未解决的异样 - 或者是可选的超时产生。isAlive(): 返回线程是否流动的。getName(): 返回线程名。setName(): 设置线程名。

自定义线程

自定义线程不能指定 target，因为自定义线程外面的工作都对立在 run 办法外面执行

启动线程对立调用 start 办法，不要间接调用 run 办法, 因为这样不是应用子线程去执行工作


import threading

# 自定义线程类

classMyThread(threading.Thread):

# 通过构造方法取接管工作的参数

    def__init__(self, info1, info2):

    # 调用父类的构造方法

        super(MyThread, self).__init__() 

         self.info1 = info1 

         self.info2 = info2

    # 定义自定义线程相干的工作

    def test1(self):

        print(self.info1)

    deftest2(self):

        print(self.info2)

    # 通过 run 办法执行相干工作

    def run(self):

        self.test1() 

         self.test2()


my_thread = MyThread("测试 1","测试 2")


my_thread.start()

资源竞争问题

多线程能够共享全局变量

多线程共享全局变量，很不便在多个线程间共享数据

因为多线程同时对全局变量进行操作，很容易呈现资源竞争问题


import threading

# 定义全局变量

g_num =0

# 循环一次给全局变量加 1

defsum_num1():

    for i in range(1000000):

        globalg_num 

         g_num +=1

    print("sum1:", g_num)

# 循环一次给全局变量加 1

defsum_num2():

    for i in range(1000000):

        global g_num 

         g_num +=1

    print("sum2:", g_num)

if__name__ =='__main__':

# 创立两个线程

first_thread = threading.Thread(target=sum_num1) 

 second_thread = threading.Thread(target=sum_num2)

# 启动线程

first_thread.start()

# 启动线程

second_thread.start()

咱们能够看到多线程同时对全局变量操作数据产生了谬误

多线程同时操作全局变量导致数据可能呈现谬误的起因剖析

两个线程 first_thread 和 second_thread 都要对全局变量 g_num(默认是 0) 进行加 1 运算，然而因为是多线程同时操作，有可能呈现上面状况：

在 g_num= 0 时，first_thread 获得 g_num=0。此时零碎把 first_thread 调度为”sleeping”状态，把 second_thread 转换为”running”状态，t2 也取得 g_num=0

而后 second_thread 对失去的值进行加 1 并赋给 g_num，使得 g_num=1

而后零碎又把 second_thread 调度为”sleeping”，把 first_thread 转为”running”。线程 t1 又把它之前失去的 0 加 1 后赋值给 g_num。

这样导致尽管 first_thread 和 first_thread 都对 g_num 加 1，但后果依然是 g_num=1

多线程资源竞争解决办法

线程同步

线程同步: 保障同一时刻只能有一个线程去操作全局变量同步: 就是协同步调，按预约的先后秩序进行运行。如: 你说完，我再说, 好比现实生活中的对讲机

多个线程同时对同一个全局变量进行操作，会有可能呈现资源竞争数据谬误的问题

线程同步形式能够解决资源竞争数据谬误问题，然而这样有多任务变成了单任务。

互斥锁

threading 模块中定义了 Lock 变量，这个变量实质上是一个函数，能够不便的解决锁定：

mutex = threading.Lock()

mutex.acquire()

mutex.release()


import threading

# 定义全局变量

g_num =0

# 创立全局互斥锁

lock = threading.Lock()

# 循环一次给全局变量加 1

def sum_num1():

# 上锁


    lock.acquire()

    for i in range(1000000):

        global g_num

        g_num +=1

    print("sum1:", g_num)


# 开释锁

    lock.release()

# 循环一次给全局变量加 1

def sum_num2():

# 上锁

    lock.acquire()

    for iin range(1000000):

        global g_num

        g_num +=1

    print("sum2:", g_num)

# 开释锁

    lock.release()

if __name__ =='__main__':

# 创立两个线程

    first_thread = threading.Thread(target=sum_num1)

second_thread = threading.Thread(target=sum_num2)

# 启动线程

    first_thread.start()

second_thread.start()

# 加上互斥锁多任务霎时变成单任务，性能会降落，也就是说同一时刻只能有一个线程去执行

当一个线程调用锁的 acquire() 办法取得锁时，锁就进入“locked”状态。

每次只有一个线程能够取得锁。如果此时另一个线程试图取得这个锁，该线程就会变为“blocked”状态，称为“阻塞”，直到领有锁的线程调用锁的 release() 办法开释锁之后，锁进入“unlocked”状态。

线程调度程序从处于同步阻塞状态的线程中抉择一个来取得锁，并使得该线程进入运行（running）状态。

确保了某段要害代码只能由一个线程从头到尾残缺地执行

锁的害处：

多线程执行变成了蕴含锁的某段代码实际上只能以单线程模式执行，效率就大大地降落了

锁应用不好就容易呈现死锁状况

死锁


import threading

import time

# 创立互斥锁

lock = threading.Lock()

# 依据下标去取值，保障同一时刻只能有一个线程去取值

def get_value(index):

# 上锁

    lock.acquire()

    print(threading.current_thread())

    my_list = [3,6,8,1]

# 判断下标开释越界

    if index >=len(my_list):

        print("下标越界:", index)

        return

    value = my_list[index]

    print(value)

    time.sleep(0.2)

# 开释锁

    lock.release()

if __name__ =='__main__':

# 模仿大量线程去执行取值操作

    for i in range(30):

        sub_thread = threading.Thread(target=get_value,args=(i,))

        sub_thread.start()

应用互斥锁的时候须要留神死锁的问题，要在适合的中央留神开释锁

死锁一旦产生就会造成利用的进行响应

线程优先级队列（Queue）

Python 的 Queue 模块中提供了同步的、线程平安的队列类，包含 FIFO（先入先出 ) 队列 Queue，LIFO（后入先出）队列 LifoQueue，和优先级队列 PriorityQueue。这些队列都实现了锁原语，可能在多线程中间接应用。能够应用队列来实现线程间的同步。

Queue 模块中的罕用办法:

Queue.qsize() 返回队列的大小

Queue.empty() 如果队列为空，返回 True, 反之 False

Queue.full() 如果队列满了，返回 True, 反之 False

Queue.full 与 maxsize 大小对应

Queue.get([block[, timeout]]) 获取队列，timeout 等待时间

Queue.get_nowait() 相当 Queue.get(False)

Queue.put(item) 写入队列，timeout 等待时间

Queue.put_nowait(item) 相当 Queue.put(item, False)

Queue.task_done() 在实现一项工作之后，Queue.task_done() 函数向工作曾经实现的队列发送一个信号

Queue.join() 实际上意味着等到队列为空，再执行别的操作

线程，你学废了吗？

正文完