python笔记47:多线程详解
主要内容：
- 小目标：掌握多线程；
- 主要内容：线程类使用，多线程使用；
1. 线程基本概念
- 线程概念：
线程是轻量级进程，是操作系统能够进行运算调度的最小单位；
线程依赖进程资源，是进程中的实际运作单位；
一个进程中可以包含多个线程，多线程可以实现并发；
多线程资源共享；
- 为什么使用多线程：
线程创建，销毁占用的系统开销比进程小，效率高；
多线程可以共享进程中的全局资源，通信简单；
2. 多线程使用：
Pythoh中使用threading模块对线程进行操作；
2.1 线程相关方法：
- 创建线程相关方法
方法说明：
2.2 一个例子：
创建线程：
import threading
import time
g_value = 0
def func(*args, **kwargs):
#线程函数
global g_value
print('in func args:', args, kwargs)
print('in func thread id:', threading.get_ident())
time.sleep(1)
#修改全局变量
g_value = 1
if __name__ == '__main__':
print('main thread id:', threading.get_ident())
print("g_value:", g_value)
#创建线程对象，指定线程函数, kwargs中key必须是字符串
t1 = threading.Thread(target=func, args=("n1",), kwargs={'leve':1})
#创建线程，并执行线程函数
t1.start()
#获取当前进程中活跃线程数量
print("active thread:", threading.active_count())
#等待线程结束
t1.join()
print("g_value:", g_value)
结果：子线程可以直接对全局变量修改
main thread id: 17328
g_value: 0
in func args: ('n1',) {'leve': 1}
active thread: 2
in func thread id: 9532
g_value: 1
3. 线程间通信：消息队列
主要方式：
通过变量，直接读写；通过消息队列；
消息队列：
from queue import Queue
Queue与多进程中的类似，主要方法：
方法说明：
一个例子：
import threading
from queue import Queue
#消息队列
msgq = Queue()
def recvmsg(*args, **kwargs):
#线程函数，接受消息
while True:
msg = msgq.get()
print('rev msg:', msg)
if msg == 'q':
break
def sendmsg():
#发送消息
while True:
msg = input('enter:')
msgq.put(msg)
if msg == 'q':
break
if __name__ == '__main__':
#创建线程
t1 = threading.Thread(target=recvmsg)
t1.start()
sendmsg()
t1.join()
结果：
enter:1
rev msg: 1
enter:2
rev msg: 2
enter:3
rev msg: 3
enter:q
rev msg: q
5 多线程中同步
多线程中同步机制与多进程中类似：
from threading import Lock, RLock, Semaphore
详情与使用方式请参考：
python编程_互斥锁与信号量
6. python中多线程限制：
- Python中多线程限制：
因为Python解释器中GIL限制，在多核CPU上，同一时刻只能运行单个线程；
所以Python中的多线程相对于C，C++，Java中的多线程是伪多线程。
- GIL锁：
GIL锁全称：Global Interpreter Lock(全局解释器锁)；
python设计之初的考虑，为了数据安全所做的决定。某个线程想要执行，必须先拿到GIL；
在一个python进程中GIL锁只有一个，获取不到GIL锁的线程不能被执行；
- python中多线程执行过程：
Python程序被Python解释转译成字节码；
python解释器执行线程，首先获取GIL锁；
线程执行一定时间或者遇到资源等待，释放GIL锁；
python解释器去执行其他线程；
5. 并发编程总结：
并发编程实现：多进程或者多线程；
在IO阻塞情况下，使用并发模式，能够提高程序执行效率；
在需要大量计算情况下，并发模式提高效率可能并不明显；
多核CPU，需要并发进行计算，推荐使用多继承；