多线程

多任务的概念

什么叫“多任务”呢？简单地说，就是操作系统可以同时运行多个任务。打个比方，你一边看电影，一边聊QQ，一边在用Word赶作业，这就是多任务，这时至少同时有3个任务正在运行。

单核CPU如何执行多任务？ 多核CPU如何执行多任务？

真正的并行执行多任务只能在多核CPU上实现，但是，由于任务数量远远多于CPU的核心数量，所以，操作系统也会自动把很多任务轮流调度到每个核心上执行。

注意：

• 并发：同时发起,单个执行 指的是任务数多余cpu核数，通过操作系统的各种任务调度算法，实现用多个任务“一起”执行（实际上总有一些任务不在执行，因为切换任务的速度相当快，看上去一起执行而已）

• 并行：同时发起,同时执行(4核,4个任务) 指的是任务数小于等于cpu核数，即任务真的是一起执行的

线程:是cpu执行的一个基本单元,暂用的资源非常少,并且线程和线程之间的资源
是共享的,线程是依赖于进程而存在的,多线程一般适用于I/O密集型操作,线程的
执行是无序的

在python语言中,并不能够正真意义上实现多线程,因为CPython解释器
有一个全局的GIL解释器锁,来保证同一时刻只有一个线程在执行

线程

python的thread模块是比较底层的模块，python的threading模块是对thread做了一些包装的，可以更加方便的被使用

1. 使用threading模块

单线程执行

import time

def saySorry():
    for i in range(5):
        print("亲爱的，我错了，我能吃饭了吗？")
        time.sleep(1)

def saydo():
    for i in range(5):
        print("亲爱的，我错了，我给你按摩")
        time.sleep(1)

if __name__ == "__main__":
        saySorry()
        saydo()

---

多线程执行

import threading
import time

def saySorry():
    for i in range(5):
        print("亲爱的，我错了，我能吃饭了吗？")
        time.sleep(1)

def do():
    for i in range(5):
        print("亲爱的，我错了，我给你按摩")
        time.sleep(1)

if __name__ == "__main__":
    td1 = threading.Thread(target=saySorry)
    td1.start() #启动线程，即让线程开始执行
    td2 = threading.Thread(target=do)
    td2.start() #启动线程，即让线程开始执行

运行结果
"""
亲爱的，我错了，我能吃饭了吗？
亲爱的，我错了，我给你按摩
亲爱的，我错了，我给你按摩
亲爱的，我错了，我能吃饭了吗？
亲爱的，我错了，我给你按摩
亲爱的，我错了，我能吃饭了吗？
亲爱的，我错了，我能吃饭了吗？
亲爱的，我错了，我给你按摩
亲爱的，我错了，我给你按摩
亲爱的，我错了，我能吃饭了吗？
"""

threading.Thread参数介绍

• target:线程执行的函数

• name:线程名称

• args:为目标函数，传递参数，元组类型 另外：注意daemon参数

• 如果某个子线程的daemon属性为False，主线程结束时会检测该子线程是否结束，如果该子线程还在运行，则主线程会等待它完成后再退出；

• 如果某个子线程的daemon属性为True，主线程运行结束时不对这个子线程进行检查而直接退出，同时所有daemon值为True的子线程将随主线程一起结束，而不论是否运行完成。

• 属性daemon的值默认为False，如果需要修改，必须在调用start()方法启动线程之前进行设置

创建线程
thread_sub1 = Thread(target=download_image,name="下载线程")

是否守护进程(在开启线程之前设置)
daemon:False,在主线程结束的时候,会检测子线程任务是否结束,
如果子线程中任务没有结束,则会让子线程正常结束任务
daemon:True 在主线程结束的时候,会检测子线程任务是否结束,
如果子线程中任务没有结束,则会让子线程跟随主线程一起结束

thread_sub1.daemon = False

开启线程
thread_sub2.start()

join():阻塞,等待子线程中的任务执行完毕后,再回到主线程中继续执行

thread_sub1.join()

线程-注意点

线程执行代码的封装 通过上一小节，能够看出，通过使用threading模块能完成多任务的程序开发，为了让每个线程的封装性更完美，所以使用threading模块时，往往会定义一个新的子类class，只要继承threading.Thread就可以了，然后重写run方法

import threading
import time

class MyThread(threading.Thread):
    def run(self):
        for i in range(3):
            time.sleep(1)
            msg = "I'm "+self.name+' @ '+str(i) #name属性中保存的是当前线程的名字
            print(msg)


if __name__ == '__main__':
    t = MyThread()
    t.start()

多线程-共享全局变量

元组当做实参传递到线程中

from threading import Thread
import time

def work1(nums):
    nums.append(44)
    print("----in work1---",nums)


def work2(nums):
    #延时一会，保证t1线程中的事情做完
    time.sleep(1)
    print("----in work2---",nums)

g_nums = [11,22,33]

t1 = Thread(target=work1, args=(g_nums,))
t1.start()

t2 = Thread(target=work2, args=(g_nums,))
t2.start()

运行结果:
"""
----in work1--- [11, 22, 33, 44]
----in work2--- [11, 22, 33, 44]
"""

缺点就是，线程是对全局变量随意遂改可能造成多线程之间对全局变量的混乱（即线程非安全)

互斥锁(重点)

当多个线程几乎同时修改某一个共享数据的时候，需要进行同步控制

线程同步能够保证多个线程安全访问竞争资源，最简单的同步机制是引入互斥锁。

互斥锁为资源引入一个状态：锁定/非锁定

某个线程要更改共享数据时，先将其锁定，此时资源的状态为“锁定”，其他线程不能更改；直到该线程释放资源，将资源的状态变成“非锁定”，其他的线程才能再次锁定该资源。互斥锁保证了每次只有一个线程进行写入操作，从而保证了多线程情况下数据的正确性。

threading模块中定义了Lock类，可以方便的处理锁定

# 创建锁
mutex = threading.Lock()

# 锁定
mutex.acquire()

# 释放
mutex.release()

• 如果这个锁之前是没有上锁的，那么acquire不会堵塞

• 如果在调用acquire对这个锁上锁之前 它已经被 其他线程上了锁，那么此时acquire会堵塞，直到这个锁被解锁为止

使用互斥锁完成2个线程对同一个全局变量各加100万次的操作

import threading
import time

g_num = 0

def test1(num):
    global g_num
    for i in range(num):
        mutex.acquire()  # 上锁
        g_num += 1
        mutex.release()  # 解锁

    print("---test1---g_num=%d"%g_num)

def test2(num):
    global g_num
    for i in range(num):
        mutex.acquire()  # 上锁
        g_num += 1
        mutex.release()  # 解锁

    print("---test2---g_num=%d"%g_num)

# 创建一个互斥锁
# 默认是未上锁的状态
mutex = threading.Lock()

# 创建2个线程，让他们各自对g_num加1000000次
p1 = threading.Thread(target=test1, args=(1000000,))
p1.start()

p2 = threading.Thread(target=test2, args=(1000000,))
p2.start()

p1.join()
p2.join()

print("2个线程对同一个全局变量操作之后的最终结果是:%s" % g_num)

"""
---test1---g_num=1935969
---test2---g_num=2000000
2个线程对同一个全局变量操作之后的最终结果是:2000000
"""
不加锁(每次结果都不一样)
"""
---test2---g_num=1222294
---test1---g_num=1616727
2个线程对同一个全局变量操作之后的最终结果是:1616727
"""

可以看到最后的结果，加入互斥锁后，其结果与预期相符。

上锁解锁过程 当一个线程调用锁的acquire()方法获得锁时，锁就进入“locked”状态。

每次只有一个线程可以获得锁。如果此时另一个线程试图获得这个锁，该线程就会变为“blocked”状态，称为“阻塞”，直到拥有锁的线程调用锁的release()方法释放锁之后，锁进入“unlocked”状态。

线程调度程序从处于同步阻塞状态的线程中选择一个来获得锁，并使得该线程进入运行（running）状态

锁的好处：

• 确保了某段关键代码只能由一个线程从头到尾完整地执行

锁的坏处：

• 阻止了多线程并发执行，包含锁的某段代码实际上只能以单线程模式执行，效率就大大地下降了

• 由于可以存在多个锁，不同的线程持有不同的锁，并试图获取对方持有的锁时，可能会造成死锁

死锁问题

在线程间共享多个资源的时候，如果两个线程分别占有一部分资源并且同时等待对方的资源，就会造成死锁。

尽管死锁很少发生，但一旦发生就会造成应用的停止响应。下面看一个死锁的例子

import threading
import time

class MyThread1(threading.Thread):
    def run(self):
        # 对mutexA上锁
        mutexA.acquire()

        # mutexA上锁后，延时1秒，等待另外那个线程 把mutexB上锁
        print(self.name+'----do1---up----')
        time.sleep(1)

        # 此时会堵塞，因为这个mutexB已经被另外的线程抢先上锁了
        mutexB.acquire()
        print(self.name+'----do1---down----')
        mutexB.release()

        # 对mutexA解锁
        mutexA.release()

class MyThread2(threading.Thread):
    def run(self):
        # 对mutexB上锁
        mutexB.acquire()

        # mutexB上锁后，延时1秒，等待另外那个线程 把mutexA上锁
        print(self.name+'----do2---up----')
        time.sleep(1)

        # 此时会堵塞，因为这个mutexA已经被另外的线程抢先上锁了
        mutexA.acquire()
        print(self.name+'----do2---down----')
        mutexA.release()

        # 对mutexB解锁
        mutexB.release()

mutexA = threading.Lock()
mutexB = threading.Lock()

if __name__ == '__main__':
    t1 = MyThread1()
    t2 = MyThread2()
    t1.start()
    t2.start()