Python 多线程

Python 多线程简介

Python 是当今最受欢迎和多功能的编程语言之一，广泛应用于各个行业，包括 web 开发、机器学习和数据科学。鉴于其在相关领域（如机器学习和大数据）中的广泛应用和高需求，Python 已经超越 Java 成为顶级编程语言。

在本文中，我们将介绍 Python 多线程及其工作原理。我们将涵盖以下内容：

什么是多线程？
什么是进程
多线程的优势
守护线程（Daemon Thread）
Python 多线程函数
- threading.active_count()
- threading.main_thread()
- threading.Timer()
使用锁进行同步

什么是多线程？

多线程是指程序中可以独立于其他部分并发执行的一系列指令。

可以将它们视为进程中的不同单元，这些单元在被调度时可以独立完成任务。

当线程需要等待缓慢的外部操作（如网络请求或磁盘访问）完成时，它们会暂时休眠，从而使调度器可以将时间分配给其他线程执行。

什么是进程？

进程是计算机程序的一个可执行实例。

通常，一个进程是在单个控制流序列中执行的。

进程是操作系统分配资源的基本单位，每个进程包含一个或多个线程。

进程之间是隔离的，每个进程拥有自己的内存空间和系统资源。

多线程的优势

提高性能：
- 多核处理器：多线程程序在多核处理器系统上可以并行执行多个任务，从而显著提高性能。
- I/O 绑定任务：多线程特别适用于 I/O 绑定任务，如网络请求和磁盘访问。当一个线程等待 I/O 操作完成时，其他线程可以继续执行，充分利用 CPU 时间。
资源共享：
- 共享内存：同一个进程中的线程可以共享内存，包括全局变量。如果一个线程修改了全局变量的值，这些更改对所有线程都可见，简化了数据共享和通信。

基本的 Python 多线程程序

以下代码是基本的 Python 多线程程序，我们导入了 threading 模块，并创建了一个名为 t 的线程。这个线程 t 将运行 show 函数。

python 复制代码

import threading

def show():
    print(f"Thread {threading.current_thread().name} is running")

# 创建一个线程
t = threading.Thread(target=show, name="MyThread")

# 启动线程
t.start()

# 等待线程完成
t.join()

print("Main thread has completed")

守护线程 (Daemon Thread)

守护线程是一种在后台运行的线程，它不会阻止主程序的退出。当主程序的所有非守护线程（即用户线程）结束时，守护线程也会自动终止。守护线程通常用于执行一些辅助性任务，如定期保存数据、监控系统状态等。

示例

下面是一个简单的 Python 示例，展示了如何创建和使用守护线程：

python 复制代码

import threading
import time

def background_task():
    count = 0
    while True:
        print(f"Background task {count}")
        count += 1
        time.sleep(1)

# 创建一个守护线程
t = threading.Thread(target=background_task, daemon=True)
t.name = "BackgroundThread"

# 启动线程
t.start()

# 主程序继续执行
print("Main thread is running...")

# 让主程序运行一段时间
time.sleep(5)

print("Main thread has completed")

关键点

守护线程 ：通过设置 daemon=True，线程成为守护线程。当主程序的所有非守护线程结束时，守护线程会自动终止。
无限循环：守护线程通常用于执行无限循环的任务，这些任务不需要在主程序结束时显式地停止。
线程名称 ：可以通过 t.name 设置线程的名称，方便调试和日志记录。

Python 线程相关函数

Python 的 threading 模块提供了多种功能来管理和控制线程。以下是一些常用的线程相关函数及其示例：

1. `threading.active_count()`

这个函数返回当前正在执行的线程数量。

示例：

python 复制代码

import threading

def show():
    print(f"Thread {threading.current_thread().name} is running")

# 创建并启动两个线程
t1 = threading.Thread(target=show, name="Thread1")
t2 = threading.Thread(target=show, name="Thread2")

t1.start()
t2.start()

# 输出当前活跃线程的数量
print(f"Number of active threads: {threading.active_count()}")

# 等待所有线程完成
t1.join()
t2.join()

输出：

Thread Thread1 is running
Thread Thread2 is running
Number of active threads: 3
Main thread has completed

2. `threading.main_thread()`

这个函数返回程序的主线程对象。

示例：

python 复制代码

import threading

def show():
    print(f"Thread {threading.current_thread().name} is running")

# 创建并启动一个线程
t = threading.Thread(target=show, name="MyThread")
t.start()

# 获取主线程
main_thread = threading.main_thread()
print(f"Main thread name: {main_thread.name}")

# 等待线程完成
t.join()

输出：

Thread MyThread is running
Main thread name: MainThread

3. `threading.Timer()`

这个函数用于创建一个新的线程，并指定该线程在一定时间后启动。一旦启动，它会调用指定的函数。

示例：

python 复制代码

import threading
import time

def delayed_task():
    print("Delayed task executed")

# 创建一个定时器线程，3秒后执行 delayed_task 函数
timer = threading.Timer(3, delayed_task)
timer.start()

# 主程序继续执行
print("Main thread is running...")

# 让主程序运行一段时间
time.sleep(5)

print("Main thread has completed")

输出：

Main thread is running...
Delayed task executed
Main thread has completed

代码解释

threading.active_count()：
- 该函数返回当前正在执行的线程数量。
- 在示例中，我们创建并启动了两个线程，然后输出当前活跃线程的数量。
threading.main_thread()：
- 该函数返回程序的主线程对象。
- 在示例中，我们获取了主线程的名称并输出。
threading.Timer()：
- 该函数用于创建一个定时器线程，指定延迟时间和要执行的函数。
- 在示例中，我们创建了一个定时器线程，3秒后执行 delayed_task 函数。

使用锁进行同步

在多线程编程中，锁（Lock）是一种重要的同步机制，用于确保多个线程不会同时访问共享资源，从而避免竞态条件（race conditions）。Python 的 threading 模块提供了 Lock 类来实现这一功能。Lock 类有两个主要方法：acquire() 和 release()。

方法说明

acquire()：
- 用于获取锁。如果锁已经被其他线程持有，则调用 acquire() 的线程会被阻塞，直到锁被释放。
- 可以选择性地传递一个超时参数 timeout，以防止线程无限期地等待锁。
release()：
- 用于释放锁。如果锁未被当前线程持有，则会引发 RuntimeError 异常。

示例

下面是一个使用锁来同步两个线程的简单示例：

python 复制代码

import threading

# 共享资源
shared_resource = 0

# 创建一个锁对象
lock = threading.Lock()

def increment():
    global shared_resource
    for _ in range(1000000):
        lock.acquire()
        shared_resource += 1
        lock.release()

def decrement():
    global shared_resource
    for _ in range(1000000):
        lock.acquire()
        shared_resource -= 1
        lock.release()

# 创建两个线程
t1 = threading.Thread(target=increment)
t2 = threading.Thread(target=decrement)

# 启动线程
t1.start()
t2.start()

# 等待线程完成
t1.join()
t2.join()

# 输出最终的共享资源值
print(f"Final value of shared resource: {shared_resource}")

代码解释

导入 threading 模块：
python 复制代码
```
import threading
```
定义共享资源：
python 复制代码
```
shared_resource = 0
```
创建锁对象：
python 复制代码
```
lock = threading.Lock()
```
定义 increment 函数：
python 复制代码
```
def increment():
    global shared_resource
    for _ in range(1000000):
        lock.acquire()
        shared_resource += 1
        lock.release()
```
- 这个函数会增加 shared_resource 的值 1000000 次。每次操作前先获取锁，操作完成后释放锁。
定义 decrement 函数：
python 复制代码
```
def decrement():
    global shared_resource
    for _ in range(1000000):
        lock.acquire()
        shared_resource -= 1
        lock.release()
```
- 这个函数会减少 shared_resource 的值 1000000 次。每次操作前先获取锁，操作完成后释放锁。

创建并启动线程：

python 复制代码

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

t1.start()
t2.start()

等待线程完成：
python 复制代码
```
t1.join()
t2.join()
```

输出最终的共享资源值：

python 复制代码

print(f"Final value of shared resource: {shared_resource}")

预期输出

由于 increment 和 decrement 每个都执行 1000000 次，并且使用锁来同步，最终的 shared_resource 应该是 0。

注意事项

死锁：如果一个线程获取了多个锁，但没有按正确的顺序释放，可能会导致死锁。使用锁时要小心，确保每个锁都能正确地被释放。
性能：频繁地获取和释放锁可能会影响性能，因此在实际应用中需要权衡同步的需求和性能的影响。

总结

在这篇文章中，我们探讨了 Python 多线程的基本概念。我们学习了与多线程相关的不同函数和对象，包括：

threading.active_count()：
- 用于获取当前正在执行的线程数量。
threading.main_thread()：
- 用于获取程序的主线程对象。
threading.Timer()：
- 用于创建一个定时器线程，指定延迟时间后执行特定的函数。
锁（Lock）：
- 用于同步多个线程，避免竞态条件。锁的主要方法有 acquire() 和 release()。

通过这些基本概念和示例，你可以更好地理解和使用 Python 的多线程功能来开发高效的并发应用程序。