多线程

多线程是个提高程序运行效率的好办法，本来要顺序执行的程序现在可以并行执行，可想而知效率要提高很多。但是多线程也不是能提高所有程序的效率。程序的两个极端是‘CPU 密集型'和‘I/O 密集型'两种，多线程技术比较适用于后者，因为在串行结构中当你去读写磁盘或者网络通信的时候 CPU 是闲着的，毕竟网络比磁盘要慢几个数量级，磁盘比内存慢几个数量级，内存又比 CPU 慢几个数量级。多线程技术就可以同时执行，比如你的程序需要发送 N 个 http 数据包（10 秒），还需要将文件从一个位置复制到另一个位置（20 秒），然后还需要统计另一个文件中'hello,world'字符串的出现次数（4 秒），现在一共是要用 34 秒。但是因为这些操作之间没有关联，所以可以写成多线程程序，几乎只需要 20 秒就完成了。这是针对 I/O 密集型的，如果是 CPU 密集型的就不行了。比如我的程序要计算 1000 的阶乘（10 秒），还要计算 100000 的累加（5 秒），那么即使程序是并行的，还是会要用 15 秒，甚至更多。因为当程序使用 CPU 的时候 CPU 是通过轮转来执行的，IO 密集型的程序可以在 IO 的同时用 CPU 计算，但是这里的 CPU 密集型就只能先执行一会儿线程 1 再执行一会儿线程 2。所以就需要 15 秒，甚至会更多，因为 CPU 在切换的时候需要耗时。解决 CPU 密集型程序的多线程问题就是 CPU 的事情了，比如 Intel 的超线程技术，可以在同一个核心上真正的并行两个线程，所以称之为‘双核四线程'或者‘四核八线程'，我们这里具体的先不谈，谈我也不知道。

Python 骗人

说了这么多多线程的好处，但是其实 Python 不支持真正意义上的多线程编程。在 Python 中有一个叫做 GIL 的东西，中文是 全局解释器 ，这东西控制了 Python，让 Python 只能同时运行一个线程。相当于说真正意义上的多线程是由 CPU 来控制的，Python 中的多线程由 GIL 控制。如果有一个 CPU 密集型程序，用 C 语言写的，运行在一个四核处理器上，采用多线程技术的话最多可以获得 4 倍的效率提升，但是如果用 Python 写的话并不会有提高，甚至会变慢，因为线程切换的问题。所以 Python 多线程相对更加适合写 I/O 密集型程序，再说了真正的对效率要求很高的 CPU 密集型程序都用 C/C++ 去了。

第一个多线程

Python 中多线程的库一般用thread和threading这两个，thread不推荐新手和一般人使用，threading模块就相当够用了。

有一个程序，如下。两个循环，分别休眠 3 秒和 5 秒，串行执行的话需要 8 秒。

#!/usr/bin/env python# coding=utf-8import timedef sleep_3(): time.sleep(3)def sleep_5(): time.sleep(5)if __name__ == '__main__': start_time = time.time() print 'start sleep 3' sleep_3() print 'start sleep 5' sleep_5() end_time = time.time() print str(end_time - start_time) + ' s'

输出是这样的

start sleep 3start sleep 58.00100016594 s

然后我们对它进行修改，使其变成多线程程序，虽然改动没有几行。首先引入了 threading 的库，然后实例化一个 threading.Thread 对象，将一个函数传进构造方法就行了。然后调用 Thread 的 start 方法开始一个线程。join() 方法可以等待该线程结束，就像我下面用的，如果我不加那两个等待线程结束的代码，那么就会直接执行输出时间的语句，这样一来统计的时间就不对了。

#!/usr/bin/env python# coding=utf-8import timeimport threading # 引入threadingdef sleep_3(): time.sleep(3)def sleep_5(): time.sleep(5)if __name__ == '__main__': start_time = time.time() print 'start sleep 3' thread_1 = threading.Thread(target=sleep_3) # 实例化一个线程对象，使线程执行这个函数 thread_1.start() # 启动这个线程 print 'start sleep 5' thread_2 = threading.Thread(target=sleep_5) # 实例化一个线程对象，使线程执行这个函数 thread_2.start() # 启动这个线程 thread_1.join() # 等待thread_1结束 thread_2.join() # 等待thread_2结束 end_time = time.time() print str(end_time - start_time) + ' s'

执行结果是这样的

start sleep 3start sleep 55.00099992752 s

daemon 守护线程

在我们理解中守护线程应该是很重要的，类比于 Linux 中的守护进程。但是在threading.Thread中偏偏不是。

如果把一个线程设置为守护线程，就表示这个线程是不重要的，进程退出的时候不需要等待这个线程执行完成。 ---------《Python 核心编程 第三版》

在 Thread 对象中默认所有线程都是非守护线程，这里有两个例子说明区别。这段代码执行的时候就没指定my_thread的daemon属性，所以默认为非守护，所以进程等待他结束。最后就可以看到 100 个 hello,world

#!/usr/bin/env python# coding=utf-8import threadingdef hello_world(): for i in range(100): print 'hello,world'if __name__ == '__main__': my_thread = threading.Thread(target=hello_world) my_thread.start()

这里设置了my_thread为守护线程，所以进程直接就退出了，并没有等待他的结束，所以我们看不到 100 个 hello,world 只有几个而已。甚至还会抛出一个异常告诉我们有线程没结束。

#!/usr/bin/env python# coding=utf-8import threadingdef hello_world(): for i in range(100): print 'hello,world'if __name__ == '__main__': my_thread = threading.Thread(target=hello_world) my_thread.daemon = True # 设置了标志位True my_thread.start()

传个参数

之前的代码都是直接执行一段代码，没有过参数的传递，那么怎么传递参数呢？其实还是很简单的。threading.Thread(target=hello_world, args=('hello,', 'world'))就可以了。args 后面跟的是一个元组，如果没有参数可以不写，如果有参数就直接在元组里按顺序添加就行了。

#!/usr/bin/env python# coding=utf-8import threadingdef hello_world(str_1, str_2): for i in range(10): print str_1 + str_2if __name__ == '__main__': my_thread = threading.Thread(target=hello_world, args=('hello,', 'world')) # 这里传递参数 my_thread.start()

再来个多线程

threading 有三种创建 Thread 对象的方式，但是一般只会用到两种，一种是上面0X02说的传个函数进去，另一种就是这里说的继承threading.Thread。在这儿我们自己定义了两个类，类里重写了 run() 方法，也就是调用 start() 之后执行的代码，开启线程就和之前开启是一样的。之前的方式更面向过程，这个更面向对象。

#!/usr/bin/env python# coding=utf-8import threadingclass MyThreadHello(threading.Thread): def run(self): for i in range(100): print 'hello'class MyThreadWorld(threading.Thread): def run(self): for i in range(100): print 'world'if __name__ == '__main__': thread_hello = MyThreadHello() thread_world = MyThreadWorld() thread_hello.start() thread_world.start()

总结

以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作能带来一定的帮助，如果有疑问大家可以留言交流。