Python 线程学习知识大全

一、Python 线程简介

线程是操作系统能够进行运算调度的最小单位,在 Python 中,threading模块提供了对线程的支持。使用线程可以实现并行和并发执行任务,从而提高程序的效率。

二、Python 线程不用 join()

以下是一个没有使用join()的示例代码:

python 复制代码
import threading
import time

def print_numbers():
    # 打印数字 1 到 5
    for i in range(1, 6):
        print(f"Number: {i}")
        time.sleep(1)

t = threading.Thread(target=print_numbers)
t.start()

print("Main thread continues without waiting for the child thread.")

在这个例子中,创建了一个线程t来执行print_numbers函数,该函数会依次打印数字 1 到 5,每次打印间隔 1 秒。主线程启动子线程后,不会等待子线程执行完毕,直接继续执行打印语句。

三、Python 线程用 join()

使用join()可以让主线程等待子线程执行完毕后再继续执行。

python 复制代码
import threading
import time

def print_numbers():
    for i in range(1, 6):
        print(f"Number: {i}")
        time.sleep(1)

t = threading.Thread(target=print_numbers)
t.start()
t.join()

print("Main thread waits for the child thread to finish.")

这里主线程在启动子线程后,调用t.join(),这会使主线程暂停,直到子线程执行完毕。

四、Python有输入参数的线程

可以向线程函数传递参数。

python 复制代码
import threading

def print_name(name):
    print(f"Hello, {name}!")

t = threading.Thread(target=print_name, args=("Alice",))
t.start()

在这个例子中,创建了一个线程来执行print_name函数,并传递参数"Alice"。

五、Python多线程

可以同时运行多个线程执行不同的任务。

python 复制代码
import threading
import time

def task1():
    for i in range(5):
        print("Task 1:", i)
        time.sleep(1)

def task2():
    for i in range(5):
        print("Task 2:", i)
        time.sleep(1.5)

t1 = threading.Thread(target=task1)
t2 = threading.Thread(target=task2)

t1.start()
t2.start()

这里同时启动两个线程分别执行不同的任务。

六、Python守护线程

守护线程在主线程退出时会自动退出。

python 复制代码
import threading
import time

def background_task():
    while True:
        print("Background task is running...")
        time.sleep(2)

t = threading.Thread(target=background_task)
t.daemon = True
t.start()

print("Main thread is exiting.")

在这个例子中,创建了一个守护线程t,如果不是守护线程,即使主线程退出,后台任务仍会继续运行,而设置为守护线程后,当主线程退出时,守护线程也会自动退出。

七、Python使用锁来实现线程同步

使用锁来实现线程同步,防止多个线程同时访问共享资源导致数据不一致。

python 复制代码
import threading

counter = 0
lock = threading.Lock()

def increment():
    global counter
    for _ in range(10000):
        with lock:
            counter += 1

t1 = threading.Thread(target=increment)
t2 = threading.Thread(target=increment)

t1.start()
t2.start()
t1.join()
t2.join()

print(f"Final counter value: {counter}")

两个线程同时对全局变量counter进行递增操作,使用锁确保在一个线程操作counter时,其他线程不能同时进行操作。

八、Python使用队列实现线程间通信

使用队列实现线程间通信。

python 复制代码
import threading
import queue

def producer(q):
    for i in range(5):
        q.put(i)
        print(f"Produced: {i}")

def consumer(q):
    while True:
        item = q.get()
        if item is None:
            break
        print(f"Consumed: {item}")

q = queue.Queue()
t1 = threading.Thread(target=producer, args=(q,))
t2 = threading.Thread(target=consumer, args=(q,))

t1.start()
t2.start()

t1.join()
q.put(None)
t2.join()

producer线程向队列中放入数据,consumer线程从队列中取出数据进行处理。

九、Python使用线程池来管理多个线程的执行

使用线程池来管理多个线程的执行。

python 复制代码
import concurrent.futures

def square_number(n):
    return n * n

with concurrent.futures.ThreadPoolExecutor(max_workers=3) as executor:
    numbers = [2, 3, 4, 5]
    results = executor.map(square_number, numbers)

    for result in results:
        print(result)

创建一个线程池,将任务分配给线程池中的线程执行。

十、Python 使用事件来实现线程间的同步

使用事件来实现线程间的同步。

python 复制代码
import threading

event = threading.Event()

def wait_for_event():
    print("Waiting for event...")
    event.wait()
    print("Event received!")

def set_event():
    print("Setting event...")
    event.set()

t1 = threading.Thread(target=wait_for_event)
t2 = threading.Thread(target=set_event)

t1.start()
t2.start()

一个线程等待事件,另一个线程设置事件,从而实现线程间的同步。

十一、比较单线程和多线程在 I/O 任务上的速度

比较单线程和多线程在 I/O 任务上的速度。

python 复制代码
import time
import threading

def io_task(delay):
    time.sleep(delay)

# 单线程执行
start_time = time.time()
io_task(2)
io_task(2)
print(f"Single-threaded time: {time.time() - start_time} seconds")

# 多线程执行
start_time = time.time()
t1 = threading.Thread(target=io_task, args=(2,))
t2 = threading.Thread(target=io_task, args=(2,))
t1.start()
t2.start()
t1.join()
t2.join()
print(f"Multi-threaded time: {time.time() - start_time} seconds")

可以观察到在 I/O 任务中,多线程可以提高执行效率,减少总执行时间。

十二、比较多线程和多进程在 CPU 密集型任务上的速度

比较多线程和多进程在 CPU 密集型任务上的速度。

python 复制代码
import time
from multiprocessing import Process
import threading

def cpu_task(n):
    result = 0
    for _ in range(n):
        result += 1

# 多线程执行
start_time = time.time()
t1 = threading.Thread(target=cpu_task, args=(100000000,))
t2 = threading.Thread(target=cpu_task, args=(100000000,))
t1.start()
t2.start()
t1.join()
t2.join()
print(f"Multi-threaded CPU task time: {time.time() - start_time} seconds")

# 多进程执行
start_time = time.time()
p1 = Process(target=cpu_task, args=(100000000,))
p2 = Process(target=cpu_task, args=(100000000,))
p1.start()
p2.start()
p1.join()
p2.join()
print(f"Multi-process CPU task time: {time.time() - start_time} seconds")

在 CPU 密集型任务中,多进程通常比多线程更有效,因为 Python 的全局解释器锁(GIL)限制了多线程在 CPU 密集型任务上的性能。

相关推荐
网易独家音乐人Mike Zhou3 小时前
【卡尔曼滤波】数据预测Prediction观测器的理论推导及应用 C语言、Python实现(Kalman Filter)
c语言·python·单片机·物联网·算法·嵌入式·iot
安静读书3 小时前
Python解析视频FPS(帧率)、分辨率信息
python·opencv·音视频
小二·4 小时前
java基础面试题笔记(基础篇)
java·笔记·python
小喵要摸鱼6 小时前
Python 神经网络项目常用语法
python
一念之坤7 小时前
零基础学Python之数据结构 -- 01篇
数据结构·python
wxl7812278 小时前
如何使用本地大模型做数据分析
python·数据挖掘·数据分析·代码解释器
NoneCoder8 小时前
Python入门(12)--数据处理
开发语言·python
LKID体8 小时前
Python操作neo4j库py2neo使用(一)
python·oracle·neo4j
小尤笔记9 小时前
利用Python编写简单登录系统
开发语言·python·数据分析·python基础
FreedomLeo19 小时前
Python数据分析NumPy和pandas(四十、Python 中的建模库statsmodels 和 scikit-learn)
python·机器学习·数据分析·scikit-learn·statsmodels·numpy和pandas