Python多线程编程详解

Threading模块从Python 1.5.2 版开始出现，用于增强底层的多线程模块 thread 。Threading 模块让操作多线程变得更简单，并且支持程序同时运行多个操作。

　　注意， Python开发中的多线程最好用于处理有关 I/O 的操作 ，如从网上下载资源或者从本地读取文件或者目录。如果你要做的是 CPU 密集型操作，那么你需要使用 Python 的 multiprocessing 模块。这样做的原因是，Python 有一个全局解释器锁 (GIL)，使得所有子线程都必须运行在同一个主线程中。正因为如此，当你通过多线程来处理多个 CPU 密集型任务时，你会发现它实际上运行的更慢。因此，我们将重点放在那些多线程最擅长的领域：I/O 操作！

　　线程简介

　　多线程能让你像运行一个独立的程序一样运行一段长代码。这有点像调用子进程（subprocess），不过区别是你调用的是一个函数或者一个类，而不是独立的程序。在我看来，举例说明更有助于解释。下面来看一个简单的例子：

　　import threading

　　def doubler(number):

　　"""

　　可以被线程使用的一个函数

　　"""

　　print(threading.currentThread().getName() + 'n')

　　print(number * 2)

　　print()

　　if __name__ == '__main__':

　　for i in range(5):

　　my_thread = threading.Thread(target=doubler, args=(i,))

　　my_thread.start()

　　这里，我们导入 threading 模块并且创建一个叫 doubler 的常规函数。这个函数接受一个值，然后把这个值翻一番。它还会打印出调用这个函数的线程的名称，并在最后打印一行空行。然后在代码的最后一块，我们创建五个线程并且依次启动它们。在我们实例化一个线程时，你会注意到，我们把 doubler 函数传给target 参数，同时也给 doubler 函数传递了参数。 Args 参数看起来有些奇怪，那是因为我们需要传递一个序列给 doubler 函数，但它只接受一个变量，所以我们把逗号放在尾部来创建只有一个参数的序列。

　　需要注意的是，如果你想等待一个线程结束，那么需要调用 join() 方法。

　　当你运行以上这段代码，会得到以下输出内容：

　　Thread-1

　　0

　　Thread-2

　　2

　　Thread-3

　　4

　　Thread-4

　　6

　　Thread-5

　　8

　　当然，通常情况下你不会希望输出打印到标准输出。如果不幸真的这么做了，那么最终的显示效果将会非常混乱。你应该使用 Python 的 logging 模块。它是线程安全的，并且表现出色。让我们用 logging 模块修改上面的例子并且给我们的线程命名。代码如下：

　　import logging

　　import threading

　　def get_logger():

　　logger = logging.getLogger("threading_example")

　　logger.setLevel(logging.DEBUG)

　　fh = logging.FileHandler("threading.log")

　　fmt = '%(asctime)s - %(threadName)s - %(levelname)s - %(message)s'

　　formatter = logging.Formatter(fmt)

　　fh.setFormatter(formatter)

　　logger.addHandler(fh)

　　return logger

　　def doubler(number, logger):

　　"""

　　可以被线程使用的一个函数

　　"""

　　logger.debug('doubler function executing')

　　result = number * 2

　　logger.debug('doubler function ended with: {}'.format(

　　result))

　　if __name__ == '__main__':

　　logger = get_logger()

　　thread_names = ['Mike', 'George', 'Wanda', 'Dingbat', 'Nina']

　　for i in range(5):

　　my_thread = threading.Thread(

　　target=doubler, name=thread_names, args=(i,logger))

　　my_thread.start()

　　代码中最大的改变就是加入了 get_logger 函数。这段代码将创建一个被设置为调试级别的日志记录器。它将日志保存在当前目录（即脚本运行所在的目录）下，然后设置每行日志的格式。格式包括时间戳、线程名、日志记录级别以及日志信息。

　　在 doubler 函数中，我们把 print 语句换成 logging 语句。你会注发现，在创建线程时，我们给 doubler函数传入了 logger 对象。这样做的原因是，如果在每个线程中实例化 logging 对象，那么将会产生多个logging 单例（singleton），并且日志中将会有很多重复的内容。

　　最后，创建一个名称列表，然后使用 name 关键字参数为每一个线程设置具体名称，这样就可以为线程命名。运行以上代码，将会得到包含以下内容的日志文件：

　　2016-07-24 20:39:50,055 - Mike - DEBUG - doubler function executing

　　2016-07-24 20:39:50,055 - Mike - DEBUG - doubler function ended with: 0

　　2016-07-24 20:39:50,055 - George - DEBUG - doubler function executing

　　2016-07-24 20:39:50,056 - George - DEBUG - doubler function ended with: 2

　　2016-07-24 20:39:50,056 - Wanda - DEBUG - doubler function executing

　　2016-07-24 20:39:50,056 - Wanda - DEBUG - doubler function ended with: 4

　　2016-07-24 20:39:50,056 - Dingbat - DEBUG - doubler function executing

　　2016-07-24 20:39:50,057 - Dingbat - DEBUG - doubler function ended with: 6

　　2016-07-24 20:39:50,057 - Nina - DEBUG - doubler function executing

　　2016-07-24 20:39:50,057 - Nina - DEBUG - doubler function ended with: 8

　　输出结果不言自明，所以继续介绍其他内容。在本节中再多说一点，即通过继承 threading.Thread 实现多线程。举最后一个例子，通过继承 threading.Thread 创建子类，而不是直接调用 Thread 函数。

　　更新后的代码如下：

　　import logging

　　import threading

　　class MyThread(threading.Thread):

　　def __init__(self, number, logger):

　　threading.Thread.__init__(self)

　　self.number = number

　　self.logger = logger

　　def run(self):

　　"""

　　运行线程

　　"""

　　logger.debug('Calling doubler')

　　doubler(self.number, self.logger)

　　def get_logger():

　　logger = logging.getLogger("threading_example")

　　logger.setLevel(logging.DEBUG)

　　fh = logging.FileHandler("threading_class.log")

　　fmt = '%(asctime)s - %(threadName)s - %(levelname)s - %(message)s'

　　formatter = logging.Formatter(fmt)

　　fh.setFormatter(formatter)

　　logger.addHandler(fh)

　　return logger

　　def doubler(number, logger):

　　"""

　　可以被线程使用的一个函数

　　"""

　　logger.debug('doubler function executing')

　　result = number * 2

　　logger.debug('doubler function ended with: {}'.format(

　　result))

　　if __name__ == '__main__':

　　logger = get_logger()

　　thread_names = ['Mike', 'George', 'Wanda', 'Dingbat', 'Nina']

　　for i in range(5):

　　thread = MyThread(i, logger)

　　thread.setName(thread_names)

　　thread.start()

　　这个例子中，我们只是创建一个继承于 threading.Thread 的子类。像之前一样，传入一个需要翻一番的数字，以及 logging 对象。但是这次，设置线程名称的方式有点不太一样，变成了通过调用 thread 对象的setName 方法来设置。不过仍然需要调用 start 来启动线程，不过你可能注意到我们并不需要在子类中定义该方法。当调用 start 时，它会通过调用 run 方法来启动线程。在我们的类中，我们调用 doubler 函数来做处理。输出结果中除了一些添加的额外信息内容几乎差不多。运行下这个脚本，看看你会得到什么。

　　线程锁与线程同步

　　当你有多个线程，就需要考虑怎样避免线程冲突。我的意思是说，你可能遇到多个线程同时访问同一资源的情况。如果不考虑这些问题并且制定相应的解决方案，那么在开发产品过程中，你总会在最糟糕的时候遇到这些棘手的问题。

　　解决办法就是使用线程锁。锁由 Python 的 threading 模块提供，并且它最多被一个线程所持有。当一个线程试图获取一个已经锁在资源上的锁时，该线程通常会暂停运行，直到这个锁被释放。来让我们看一个非常典型没有却应具备锁功能的例子：

　　import threading

　　total = 0

　　def update_total(amount):

　　"""

　　Updates the total by the given amount

　　"""

　　global total

　　total += amount

　　print (total)

　　if __name__ == '__main__':

　　for i in range(10):

　　my_thread = threading.Thread(

　　target=update_total, args=(5,))

　　my_thread.start()

　　如果往以上代码添加 time.sleep 函数并给出不同长度的时间，可能会让这个例子更有意思。无论如何，这里的问题是，一个线程可能已经调用 update_total 函数并且还没有更新完成，此时另一个线程也有可能调用它并且尝试更新内容。根据操作执行顺序的不同，该值可能只被增加一次。

　　让我们给这个函数添加锁。有两种方法可以实现。第一种方式是使用 try/finally ，从而确保锁肯定会被释放。下面是示例：

　　import threading

　　total = 0

　　lock = threading.Lock()

　　def update_total(amount):

　　"""

　　Updates the total by the given amount

　　"""

　　global total

　　lock.acquire()

　　try:

　　total += amount

　　finally:

　　lock.release()

　　print (total)

　　if __name__ == '__main__':

　　for i in range(10):

　　my_thread = threading.Thread(

　　target=update_total, args=(5,))

　　my_thread.start()

　　如上，在我们做任何处理之前就获取锁。然后尝试更新 total 的值，最后释放锁并打印出 total 的当前值。事实上，我们可以使用 Python 的 with 语句避免使用 try/finally 这种较为繁琐的语句：

　　import threading

　　total = 0

　　lock = threading.Lock()

　　def update_total(amount):

　　"""

　　Updates the total by the given amount

　　"""

　　global total

　　with lock:

　　total += amount

　　print (total)

　　if __name__ == '__main__':

　　for i in range(10):

　　my_thread = threading.Thread(

　　target=update_total, args=(5,))

　　my_thread.start()

　　正如你看到的那样，我们不再需要 try/finally 作为上下文管理器，而是由 with 语句作为替代。

　　当然你也会遇到要在代码中通过多个线程访问多个函数的情况。当你第一次编写并发代码时，代码可能是这样的：

　　import threading

　　total = 0

　　lock = threading.Lock()

　　def do_something():

　　lock.acquire()

　　try:

　　print('Lock acquired in the do_something function')

　　finally:

　　lock.release()

　　print('Lock released in the do_something function')

　　return "Done doing something"

　　def do_something_else():

　　lock.acquire()

　　try:

　　print('Lock acquired in the do_something_else function')

　　finally:

　　lock.release()

　　print('Lock released in the do_something_else function')

　　return "Finished something else"

　　if __name__ == '__main__':

　　result_one = do_something()

　　result_two = do_something_else()

　　这样的代码在上面的情况下能够正常工作，但假设你有多个线程都调用这两个函数呢。当一个线程正在运行这两个函数，然后另外一个线程也可能会修改这些数据，最后得到的就是不正确的结果。问题是，你甚至可能没有马上意识到结果错了。有什么解决办法呢？让我们试着找出答案。

　　通常首先想到的就是在调用这两个函数的地方上锁。让我们试着修改上面的例子，修改成如下所示：

　　import threading

　　total = 0

　　lock = threading.RLock()

　　def do_something():

　　with lock:

　　print('Lock acquired in the do_something function')

　　print('Lock released in the do_something function')

　　return "Done doing something"

　　def do_something_else():

　　with lock:

　　print('Lock acquired in the do_something_else function')

　　print('Lock released in the do_something_else function')

　　return "Finished something else"

　　def main():

　　with lock:

　　result_one = do_something()

　　result_two = do_something_else()

　　print (result_one)

　　print (result_two)

　　if __name__ == '__main__':

　　main()

　　当你真正运行这段代码时，你会发现它只是挂起了。究其原因，是因为我们只告诉 threading 模块获取锁。所以当我们调用第一个函数时，它发现锁已经被获取，随后便把自己挂起了，直到锁被释放，然而这将永远不会发生。

　　真正的解决办法是使用 重入锁（Re-Entrant Lock） 。threading 模块提供的解决办法是使用 RLock 函数。即把 lock = threading.lock() 替换为 lock = threading.RLock() ，然后重新运行代码，现在代码就可以正常运行了。

　　如果你想在线程中运行以上代码，那么你可以用以下代码取代直接调用 main 函数：

　　if __name__ == '__main__':

　　for i in range(10):

　　my_thread = threading.Thread(

　　target=main)

　　my_thread.start()

　　每个线程都会运行 main 函数，main 函数则会依次调用另外两个函数。最终也会产生 10 组结果集。

　　定时器

　　Threading 模块有一个优雅的 Timer 类，你可以用它来实现在指定时间后要发生的动作。它们实际上会启动自己的自定义线程，通过调用常规线程上的 start() 方法即可运行。你也可以调用它的 cancel 方法停止定时器。值得注意的是，你甚至可以在开始定时器之前取消它。

　　有一天，我遇到一个特殊的情况：我需要与已经启动的子进程通信，但是我需要它有超时处理。虽然处理这种特殊问题有很多不同的方法，不过我最喜欢的解决方案是使用 threading 模块的 Timer 类。

　　在下面这个例子中，我们将使用 ping 指令作为演示。在 Linux 系统中，ping 命令会一直运行下去直到你手动杀死它。所以在 Linux 世界里，Timer 类就显得非常方便。示例如下：

　　import subprocess

　　from threading import Timer

　　kill = lambda process: process.kill()

　　cmd = ['ping', 'www.google.com']

　　ping = subprocess.Popen(

　　cmd, stdout=subprocess.PIPE, stderr=subprocess.PIPE)

　　my_timer = Timer(5, kill, [ping])

　　try:

　　my_timer.start()

　　stdout, stderr = ping.communicate()

　　finally:

　　my_timer.cancel()

　　print (str(stdout))

　　这里我们在 lambda 表达式中调用 kill 杀死进程。接下来启动 ping 命令，然后创建 Timer 对象。你会注意到，第一个参数就是需要等待的秒数，第二个参数是需要调用的函数，紧跟其后的参数是要调用函数的入参。在本例中，我们的函数是一个 lambda 表达式，传入的是一个只有一个元素的列表。如果你运行这段代码，它应该会运行 5 秒钟，然后打印出 ping 的结果。

　　其他线程组件

　　Threading 模块包含对其他功能的支持。例如，你可以创建信号量（ Semaphore ），这是计算机科学中最古老的同步原语之一。基本上，一个信号量管理一个内置的计数器。当你调用 acquire 时计数器就会 递减 ，相反当你调用 release 时就会 递增 。根据其设计，计数器的值无法小于零，所以如果正好在计数器为零时调用 acquire 方法，该方法将阻塞线程。

　　译者注：通常使用信号量时都会初始化一个大于零的值，如 semaphore = threading.Semaphore(2)

　　另一个非常有用的同步工具就是事件（ Event ）。它允许你使用信号（signal）实现线程通信。在下一节中我们将举一个使用事件的实例。

　　最后，在 Python 3.2 中加入了 Barrier 对象。Barrier 是管理线程池中的同步原语，在线程池中多条线程需要相互等待对方。如果要传递 barrier，每一条线程都要调用 wait() 方法，在其他线程调用该方法之前线程将会阻塞。全部调用之后将会同时释放所有线程。

　　线程通信

　　某些情况下，你会希望线程之间互相通信。就像先前提到的，你可以通过创建 Event 对象达到这个目的。但更常用的方法是使用队列（ Queue ）。在我们的例子中，这两种方式都会有所涉及。下面让我们看看到底是什么样子的：

　　import threading

　　from queue import Queue

　　def creator(data, q):

　　"""

　　生成用于消费的数据，等待消费者完成处理

　　"""

　　print('Creating data and putting it on the queue')

　　for item in data:

　　evt = threading.Event()

　　q.put((item, evt))

　　print('Waiting for data to be doubled')

　　evt.wait()

　　def my_consumer(q):

　　"""

　　消费部分数据，并做处理

　　这里所做的只是将输入翻一倍

　　"""

　　while True:

　　data, evt = q.get()

　　print('data found to be processed: {}'.format(data))

　　processed = data * 2

　　print(processed)

　　evt.set()

　　q.task_done()

　　if __name__ == '__main__':

　　q = Queue()

　　data = [5, 10, 13, -1]

　　thread_one = threading.Thread(target=creator, args=(data, q))

　　thread_two = threading.Thread(target=my_consumer, args=(q,))

　　thread_one.start()

　　thread_two.start()

　　q.join()

　　让我们掰开揉碎分析一下。首先，我们有一个创建者（creator）函数（亦称作生产者（producer）），我们用它来创建想要操作（或者消费）的数据。然后用另外一个函数 my_consumer 来处理刚才创建出来的数据。Creator 函数使用 Queue 的 put 方法向队列中插入数据，消费者将会持续不断的检测有没有更多的数据，当发现有数据时就会处理数据。Queue 对象处理所有的获取锁和释放锁的过程，这些不用我们太关心。

　　在这个例子中，先创建一个列表，然后创建两个线程，一个用作生产者，一个作为消费者。你会发现，我们给两个线程都传递了 Queue 对象，这两个线程隐藏了关于锁处理的细节。队列实现了数据从第一个线程到第二个线程的传递。当第一个线程把数据放入队列时，同时也传递一个 Event 事件，紧接着挂起自己，等待该事件结束。在消费者侧，也就是第二个线程，则做数据处理工作。当完成数据处理后就会调用 Event事件的 set 方法，通知第一个线程已经把数据处理完毕了，可以继续生产了。

　　最后一行代码调用了 Queue 对象的 join 方法，它会告知 Queue 等待所有线程结束。当第一个线程把所有数据都放到队列中，它也就运行结束了。

　　结束语

　　以上涵盖了关于线程的诸多方面，主要包括：

　　线程基础知识

　　锁的工作方式

　　什么是事件以及如何使用

　　如何使用定时器

　　通过 Queues/Events 实现线程间通信

　　现在你们知道如何使用线程以及线程擅长什么了，希望在你们的代码中能有它们的用武之地。

文章来源: 数据分析网