python 多线程使用

一、 Python 中的线程使用：

Python中使用线程有两种方式：函数或者用类来包装线程对象。

1、函数式：调用thread模块中的start_new_thread()函数来产生新线程。如下例：

 import time
 import thread
 def timer(no, interval):
     cnt =  0
     while cnt<10:
         print'Thread:(%d) Time:%s\n'%(no, time.ctime())
         time.sleep(interval)
         cnt+=1
     thread.exit_thread()

 def test():#Use thread.start_new_thread() to create 2 new threads
     thread.start_new_thread(timer, (1,1))
     thread.start_new_thread(timer, (2,2))

 if __name__=='__main__':
     test()

上面的例子定义了一个线程函数timer,它打印出10条时间记录后退出，每次打印的间隔由interval参数决定。thread.start_new_thread(function, args[, kwargs])的第一个参数是线程函数（本例中的timer方法），第二个参数是传递给线程函数的参数，它必须是tuple类型，kwargs是可选参数。

线程的结束可以等待线程自然结束，也可以在线程函数中调用thread.exit()或thread.exit_thread()方法。

2、创建threading.Thread的子类来包装一个线程对象，如下例：

 import threading
 import time
 class timer(threading.Thread):#The timer class is derived from the class threading.Thread
     def __init__(self, num, interval):
         threading.Thread.__init__(self)
         self.thread_num = num
         self.interval = interval
         self.thread_stop =False

     def run(self):#Overwrite run() method, put what you want the thread do here
         whilenotself.thread_stop:
             print'Thread Object(%d), Time:%s\n' %(self.thread_num, time.ctime())
             time.sleep(self.interval)
     def stop(self):
         self.thread_stop =True


 def test():
     thread1 = timer(1,1)
     thread2 = timer(2,2)
     thread1.start()
     thread2.start()
     time.sleep(10)
     thread1.stop()
     thread2.stop()
     return

 if __name__ == '__main__':
     test()

就我个人而言，比较喜欢第二种方式，即创建自己的线程类，必要时重写threading.Thread类的方法，线程的控制可以由自己定制。

threading.Thread类的使用：

1，在自己的线程类的__init__里调用threading.Thread.__init__(self, name = threadname)

Threadname为线程的名字

2，run()，通常需要重写，编写代码实现做需要的功能。

3，getName()，获得线程对象名称

4，setName()，设置线程对象名称

5，start()，启动线程

6，join([timeout])，等待另一线程结束后再运行。

7，setDaemon(bool)，设置子线程是否随主线程一起结束，必须在start()之前调用。默认为False。

8，isDaemon()，判断线程是否随主线程一起结束。

9，isAlive()，检查线程是否在运行中。

此外threading模块本身也提供了很多方法和其他的类，可以帮助我们更好的使用和管理线程。可以参看http://www.python.org/doc/2.5.2/lib/module-threading.html。

假设两个线程对象t1和t2都要对num=0进行增1运算，t1和t2都各对num修改10次，num的最终的结果应该为20。但是由于是多线程访问，有可能出现下面情况：在num=0时，t1取得num=0。系统此时把t1调度为”sleeping”状态，把t2转换为”running”状态，t2页获得num=0。然后t2对得到的值进行加1并赋给num，使得num=1。然后系统又把t2调度为”sleeping”，把t1转为”running”。线程t1又把它之前得到的0加1后赋值给num。这样，明明t1和t2都完成了1次加1工作，但结果仍然是num=1。

上面的case描述了多线程情况下最常见的问题之一：数据共享。当多个线程都要去修改某一个共享数据的时候，我们需要对数据访问进行同步。

1、简单的同步

最简单的同步机制就是“锁”。锁对象由threading.RLock类创建。线程可以使用锁的acquire()方法获得锁，这样锁就进入“locked”状态。每次只有一个线程可以获得锁。如果当另一个线程试图获得这个锁的时候，就会被系统变为“blocked”状态，直到那个拥有锁的线程调用锁的release()方法来释放锁，这样锁就会进入“unlocked”状态。“blocked”状态的线程就会收到一个通知，并有权利获得锁。如果多个线程处于“blocked”状态，所有线程都会先解除“blocked”状态，然后系统选择一个线程来获得锁，其他的线程继续沉默（“blocked”）。

Python中的thread模块和Lock对象是Python提供的低级线程控制工具，使用起来非常简单。如下例所示：

 import thread
 import time
 mylock = thread.allocate_lock()#Allocate a lock
 num=0#Shared resource

 def add_num(name):
     global num
     whileTrue:
         mylock.acquire()#Get the lock
         # Do something to the shared resource
         print'Thread %s locked! num=%s'%(name,str(num))
         if num >= 5:
             print'Thread %s released! num=%s'%(name,str(num))
             mylock.release()
             thread.exit_thread()
         num+=1
         print'Thread %s released! num=%s'%(name,str(num))
         mylock.release()#Release the lock.

 def test():
     thread.start_new_thread(add_num, ('A',))
     thread.start_new_thread(add_num, ('B',))

 if __name__=='__main__':
     test()

Python在thread的基础上还提供了一个高级的线程控制库，就是之前提到过的threading。Python的threading module是在建立在thread module基础之上的一个module，在threading module中，暴露了许多thread module中的属性。在thread module中，python提供了用户级的线程同步工具“Lock”对象。而在threading module中，python又提供了Lock对象的变种: RLock对象。RLock对象内部维护着一个Lock对象，它是一种可重入的对象。对于Lock对象而言，如果一个线程连续两次进行acquire操作，那么由于第一次acquire之后没有release，第二次acquire将挂起线程。这会导致Lock对象永远不会release，使得线程死锁。RLock对象允许一个线程多次对其进行acquire操作，因为在其内部通过一个counter变量维护着线程acquire的次数。而且每一次的acquire操作必须有一个release操作与之对应，在所有的release操作完成之后，别的线程才能申请该RLock对象。

下面来看看如何使用threading的RLock对象实现同步。

 import threading
 mylock = threading.RLock()
 num=0

 class myThread(threading.Thread):
     def __init__(self, name):
         threading.Thread.__init__(self)
         self.t_name = name

     def run(self):
         global num
         whileTrue:
             mylock.acquire()
             print'\nThread(%s) locked, Number: %d'%(self.t_name, num)
             if num>=4:
                 mylock.release()
                 print'\nThread(%s) released, Number: %d'%(self.t_name, num)
                 break
             num+=1
             print'\nThread(%s) released, Number: %d'%(self.t_name, num)
             mylock.release()

 def test():
     thread1 = myThread('A')
     thread2 = myThread('B')
     thread1.start()
     thread2.start()

 if __name__=='__main__':
     test()

我们把修改共享数据的代码成为“临界区”。必须将所有“临界区”都封闭在同一个锁对象的acquire和release之间。

2、条件同步

锁只能提供最基本的同步。假如只在发生某些事件时才访问一个“临界区”，这时需要使用条件变量Condition。

Condition对象是对Lock对象的包装，在创建Condition对象时，其构造函数需要一个Lock对象作为参数，如果没有这个Lock对象参数，Condition将在内部自行创建一个Rlock对象。在Condition对象上，当然也可以调用acquire和release操作，因为内部的Lock对象本身就支持这些操作。但是Condition的价值在于其提供的wait和notify的语义。

条件变量是如何工作的呢？首先一个线程成功获得一个条件变量后，调用此条件变量的wait()方法会导致这个线程释放这个锁，并进入“blocked”状态，直到另一个线程调用同一个条件变量的notify()方法来唤醒那个进入“blocked”状态的线程。如果调用这个条件变量的notifyAll()方法的话就会唤醒所有的在等待的线程。

如果程序或者线程永远处于“blocked”状态的话，就会发生死锁。所以如果使用了锁、条件变量等同步机制的话，一定要注意仔细检查，防止死锁情况的发生。对于可能产生异常的临界区要使用异常处理机制中的finally子句来保证释放锁。等待一个条件变量的线程必须用notify()方法显式的唤醒，否则就永远沉默。保证每一个wait()方法调用都有一个相对应的notify()调用，当然也可以调用notifyAll()方法以防万一。

生产者与消费者问题是典型的同步问题。这里简单介绍两种不同的实现方法。

1，条件变量

 import threading

 import time

 class Producer(threading.Thread):
     def __init__(self, t_name):
         threading.Thread.__init__(self, name=t_name)

     def run(self):
         global x
         con.acquire()

         if x > 0:
             con.wait()
         else:
             for i in range(5):
                 x=x+1
                 print"producing..." + str(x)
             con.notify()
         print x
         con.release()



 class Consumer(threading.Thread):
     def __init__(self, t_name):
         threading.Thread.__init__(self, name=t_name)

     def run(self):
         global x
         con.acquire()
         if x == 0:
             print'consumer wait1'
             con.wait()
         else:
             for i in range(5):
                 x=x-1
                 print"consuming..." + str(x)
             con.notify()
         print x
         con.release()

 con = threading.Condition()
 x=0
 print'start consumer'
 c=Consumer('consumer')
 print'start producer'
 p=Producer('producer')

 p.start()
 c.start()
 p.join()
 c.join()
 print x

上面的例子中，在初始状态下，Consumer处于wait状态，Producer连续生产（对x执行增1操作）5次后，notify正在等待的Consumer。Consumer被唤醒开始消费（对x执行减1操作）

2，同步队列

Python中的Queue对象也提供了对线程同步的支持。使用Queue对象可以实现多个生产者和多个消费者形成的FIFO的队列。

生产者将数据依次存入队列，消费者依次从队列中取出数据。

 # producer_consumer_queue

 from Queueimport Queue
 import random
 import threading
 import time
 #Producer thread

 class Producer(threading.Thread):
     def __init__(self, t_name, queue):
         threading.Thread.__init__(self, name=t_name)
         self.data=queue

     def run(self):
         for i in range(5):
             print"%s: %s is producing %d to the queue!\n" %(time.ctime(),self.getName(), i)
             self.data.put(i)
             time.sleep(random.randrange(10)/5)
         print"%s: %s finished!" %(time.ctime(),self.getName())

 #Consumer thread
 class Consumer(threading.Thread):
     def __init__(self, t_name, queue):
         threading.Thread.__init__(self, name=t_name)
         self.data=queue

     def run(self):
         for i in range(5):
             val =self.data.get()
             print"%s: %s is consuming. %d in the queue is consumed!\n" %(time.ctime(),self.getName(), val)
             time.sleep(random.randrange(10))
         print"%s: %s finished!" %(time.ctime(),self.getName())

 #Main thread
 def main():
     queue = Queue()
     producer = Producer('Pro.', queue)
     consumer = Consumer('Con.', queue)
     producer.start()
     consumer.start()
     producer.join()
     consumer.join()
     print'All threads terminate!'



 if __name__ == '__main__':
     main()

在上面的例子中，Producer在随机的时间内生产一个“产品”，放入队列中。Consumer发现队列中有了“产品”，就去消费它。本例中，由于Producer生产的速度快于Consumer消费的速度，所以往往Producer生产好几个“产品”后，Consumer才消费一个产品。

Queue模块实现了一个支持多producer和多consumer的FIFO队列。当共享信息需要安全的在多线程之间交换时，Queue非常有用。Queue的默认长度是无限的，但是可以设置其构造函数的maxsize参数来设定其长度。Queue的put方法在队尾插入，该方法的原型是：

put(item[, block[, timeout]])

如果可选参数block为true并且timeout为None（缺省值），线程被block，直到队列空出一个数据单元。如果timeout大于0，在timeout的时间内，仍然没有可用的数据单元，Full exception被抛出。反之，如果block参数为false（忽略timeout参数），item被立即加入到空闲数据单元中，如果没有空闲数据单元，Full exception被抛出。

Queue的get方法是从队首取数据，其参数和put方法一样。如果block参数为true且timeout为None（缺省值），线程被block，直到队列中有数据。如果timeout大于0，在timeout时间内，仍然没有可取数据，Empty exception被抛出。反之，如果block参数为false（忽略timeout参数），队列中的数据被立即取出。如果此时没有可取数据，Empty exception也会被抛出.

 

 

 

 

 

 

 

Python Queue模块使用

创建一个“队列”对象

import Queue
myqueue = Queue.Queue(maxsize = 10)

Queue.Queue类即是一个队列的同步实现。队列长度可为无限或者有限。可通过Queue的构造函数的可选参数maxsize来设定队列长度。如果maxsize小于1就表示队列长度无限。

将一个值放入队列中

myqueue.put(10)

调用队列对象的put()方法在队尾插入一个项目。put()有两个参数，第一个item为必需的，为插入项目的值；第二个block为可选参数，默认为1。如果队列当前为空且block为1，put()方法就使调用线程暂停,直到空出一个数据单元。如果block为0，put方法将引发Full异常。

将一个值从队列中取出

myqueue.get()

调用队列对象的get()方法从队头删除并返回一个项目。可选参数为block，默认为True。如果队列为空且block为True，get()就使调用线程暂停，直至有项目可用。如果队列为空且block为False，队列将引发Empty异常。

python queue模块有三种队列:
1、python queue模块的FIFO队列先进先出。
2、LIFO类似于堆。即先进后出。
3、还有一种是优先级队列级别越低越先出来。

针对这三种队列分别有三个构造函数:
1、class Queue.Queue(maxsize) FIFO
2、class Queue.LifoQueue(maxsize) LIFO
3、class Queue.PriorityQueue(maxsize) 优先级队列

介绍一下此包中的常用方法:

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)
非阻塞 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() 在完成一项工作之后，Queue.task_done() 函数向任务已经完成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

#!/usr/bin/env python
import Queue 
import threading 
import time 
import random  
 
q=Queue.Queue(0) 
NUM_WORKERS = 3  
 
class MyThread(threading.Thread):
    """A worker thread.""" 
    def __init__(self, input, worktype):
        self._jobq = input 
        self._work_type = worktype 
        threading.Thread.__init__(self) 
    def run(self):
        """ 
        Get a job and process it.
        Stop when there's no more jobs
        """ 
        while True:
            if self._jobq.qsize()>0:
                job = self._jobq.get() 
                worktype=self._work_type 
                self._process_job(job,worktype) 
            else:
                break 
    def _process_job(self, job,worktype):
        """ 
        Do useful work here.
        worktype: let this thread do different work
        1,do list
        2,do item
        3,,,
        """ 
        doJob(job)  
 
def doJob(job):
    """ 
    do work function 1
    """ 
    time.sleep(random.random()*3) 
    print "doing ",job 
if __name__=='__main__':  
 
    print "begin..." 
    #put some work to q
    for i in range(NUM_WORKERS*2):
        q.put(i) 
    #print total job q's size
    print "job q'size",q.qsize() 
    #start threads to work
    for x in range(NUM_WORKERS):
        MyThread(q,x).start() 
    #if q is not empty, wait
    #while q.qsize()>0:
    #    time.sleep(0.1)

 

 

并发线程:

 

import threading
import subprocess
import Queue


num_thread = 10          //线程数
queue = Queue.Queue()    //队列实例
ips = ["202.96.209.5", "202.96.209.6", "202.96.209.133", "202.96.209.134"]
def pinger(i, q):
    while True:
        ip = q.get()        //获取ip队列
        print "Thread %s: Pinging %s" % (i, ip)
        ret = subprocess.call("ping -c 1 %s" % ip,
                               shell = True,
                               stdout = open('/dev/null', 'w'),
                               stderr = subprocess.STDOUT)
        if ret == 0:
            print "%s: is alive" % ip
        else:
            print "%s: did not respond" % ip
        q.task_done()       //Queue.Queue.task_done() 告诉queue.join()已经完成

                              从队列中提取元素的工作

for i in range(num_thread):
    worker = threading.Thread(target=pinger, args=(i,queue))
    worker.setDaemon(True)   //设置子线程是否随主线程一起结束
    worker.start()

for ip in ips:
    queue.put(ip)            //将ip放入队列

print "Main Thread Waiting"
queue.join()                 //主线程等待其他线程完成，实际上意味着等到队列为空,

                               再执行别的操作
print "Done"

 

 

 

简易并发
这里使用python的multiprocessing来做简单的并发:

 

from multiprocessing import Process
import time
import os
def test(ip):
    ppid = os.getppid()
    pid = os.getpid()
    print "%d  ppid: %d %d" % (ip, ppid, pid)
    #time.sleep(1)
for i in range(10):
    p = Process(target=test, args=(i,))
    p.start()
    p.join()

 

这里p.join()是指是一个p运行完后才会运行下一个p，即阻塞式，如果不使用p.join()则是非阻塞时。

注意：1. 非阻塞时如果并发量较大，load会升高。2. 这里不涉及锁的问题，只做最简单的并发。