提高n倍效率的Python多线程(文末附赠python教程分享)

进程和线程是什么

进程是程序执行的最小单元,每个进程都有自己独立的内存空间,而线程是进程的一个实体,是系统调用调用的一个基本单位。

举个栗子吧:

我们启动一个app 这就创建了一个进程,这个app里可能有语音播放、搜索等功能,这些是进程里不同的线程。

注意:线程是轻量级的,他没有独立的空间地址(内存空间),因为他是由进程创建的,寄存在进程的内存地址中。一个进程会包含多个线程(这就是我们今天说的多线程)

我们先了解一下线程的5种状态:

1、新建状态:

当一个线程被创建时就开始了它的生命周期,在启动线程之前他一直处于新建状态。

2、就绪状态:

当线程被启动时,由于还没有分配到cpu资源,该线程进入等待队列在等待另一个线程执行完(等待cpu服务),此时线程被称为就绪状态。

3、运行状态:

当处于就绪状态的线程被调用并获得cpu资源时,此时为运行状态。

4、阻塞状态:

一个正在执行的线程在某些情况下不得已让出cpu资源时,会中止自己的执行过程,这是被称为阻塞状态。

值得注意的是:阻塞被消除后是回到就绪状态,不是运行状态。

5、死亡状态:

线程被终止、销毁、或执行完毕则进入死亡状态。不可再重新启动

阻塞状态的分类

阻塞状态又分为三种情况:等待阻塞、同步阻塞、其他阻塞

说到阻塞不得不提到一个‘锁’的概念

多线程可以运行多个任务,很大程度上提高了我们程序的工作效率,但是面临一个非常致命的问题。如果有多个线程去操作同一个列表(这个列表被称为:共享数据),

比如线程a要列表第一个元素的值加1,这个过程可以细分为3步:

1.取出元素;

2:元素加1;

3:将最终的结果放入列表。

那如果在a线程执行到第二步加1的时候线程b突然要读取列表 那么他读取到的列表仍然是没修改之前的内容。这并不是我们想要的

所以引进了锁的概念。当某个线程需要独占共享资源时,必须先上锁,这样别的线程就无法再操作。当操作完之后一定要将锁打开,别的线程才可以操作数据。

在I/O密集型操作中,需要保持数据同步的时候需要加锁 保证资源同步。但同时因为其他线程面临阻塞,性能不可避免的会下降。

  • 同步阻塞:线程请求锁定的时候进入同步阻塞,一旦获得锁又变成运行状态。
  • 等待阻塞:是指等待其他线程通知的状态,线程获得条件锁定后,调用“等待”将进入这个状态,一旦其他线程发出通知,线程将进入同步状态,再次竞争条件锁定。
  • 其他阻塞:指线程sleep 、join或等待io时的阻塞。

下面我们创建一个简单的多线程

python3.x中提供了两种创建线程的方式:

_thread.start_new_thread()

threading.Thread()

提高n倍效率的Python多线程(文末附赠python教程分享)

提高n倍效率的Python多线程

从控制台打印的结果来看 t1线程和t2线程无规律的交错打印。这正是两个线程之间抢占cpu资源的结果。

下面我们模拟多窗口出售电影票的场景来理解阻塞和锁

提高n倍效率的Python多线程(文末附赠python教程分享)

提高n倍效率的Python多线程

通过多次运行代码、发现控制台打印的结果有时候明明两个窗口都售出去一张票了,但余票数量相等。

更明显的是明明美团窗口显示余票已经为0了,但是另外两个窗口还是有很多剩余电影票 如下图:

提高n倍效率的Python多线程(文末附赠python教程分享)

提高n倍效率的Python多线程

通过分析控制台记录我们会发现,美团售票窗口一次性卖了好几百张票,糯米和淘票窗口的数据一直没有更新成最新的库存,导致明明没票了,缺还显示剩余很多。

不仅仅是售票,生活中有很多这样的例子,比如抢购火车票,银行取钱等...都会有这种数据不同步的问题。解决这一问题的办法就是前面提到的‘锁’。

简单的讲美团在卖票的过程中,将库存进行锁定,在这期间糯米和淘票票不可以在操作,只能等待美团操作完将数据更新后,然后释放锁才可以继续操作。

在threading模块中提供了一个获得线程锁的方法:

threading.Lock()

SHOW CODING!!!

提高n倍效率的Python多线程(文末附赠python教程分享)

提高n倍效率的Python多线程

在运行时我们发现,无论执行代码多少次,最终票数为0时,所有窗口都停止售票了。这个例子很完美的阐述了阻塞和锁在多线程中的重要性!!!

大家在开发过程中,使用多线程也要多加注意,避免不必要的错误发生

其他常用方法

1、threading.Rlock()

RLock允许在同一线程中被多次acquire。而Lock却不允许这种情况。

注意:如果使用RLock,那么acquire和release必须成对出现,即调用了n次acquire,必须调用n次的release才能真正释放所占用的琐。

2、threading.Condition()

可以把Condiftion理解为一把高级的琐,它提供了比Lock, RLock更高级的功能,允许我们能够控制复杂的线程同步问题。

threadiong.Condition在内部维护一个琐对象(默认是RLock),可以在创建Condigtion对象的时候把琐对象作为参数传入。

Condition也提供了acquire, release方法,其含义与琐的acquire, release方法一致,其实它只是简单的调用内部琐对象的对应的方法而已。

Condition还提供wait方法、notify方法、notifyAll方法

(特别要注意:这些方法只有在占用琐(acquire)之后才能调用,否则将会报RuntimeError异常)

3 、threading.Semaphore和BoundedSemaphore

Semaphore:Semaphore 在内部管理着一个计数器。

调用 acquire() 会使这个计数器 -1,release() 则是+1(可以多次release(),所以计数器的值理论上可以无限).

计数器的值永远不会小于 0,当计数器到 0 时,再调用 acquire() 就会阻塞,直到其他线程来调用release()

4、join()

如果一个线程在执行过程中要调用另外一个线程,并且等到其完成以后才能接着执行

提高n倍效率的Python多线程(文末附赠python教程分享)

提高n倍效率的Python多线程

5、isAlive

isAlive 等价于 is_alive(self),用于判断线程是否运行。

当线程没有调用start时,或者线程执行完毕处于死亡状态,isAlive()返回false。

提高n倍效率的Python多线程(文末附赠python教程分享)

提高n倍效率的Python多线程

6、Daemon

Python主程序当且仅当不存在非Daemon线程存活时退出。

即:主程序等待所有非Daemon线程结束后才退出,且退出时会自动结束(很粗鲁的结束)所有Daemon线程。

7、name

提高n倍效率的Python多线程(文末附赠python教程分享)

最后,想学习Python的小伙伴们!

请关注+私信回复:“学习”就可以拿到一份我为大家准备的Python学习资料!

提高n倍效率的Python多线程(文末附赠python教程分享)

pytyhon学习资料

提高n倍效率的Python多线程(文末附赠python教程分享)

python学习资料

相关推荐