多任务线程编程

简介

线程是指在一个程序中执行的一段指令流。

在操作系统中，线程是调度执行的最小单位，它可以独立运行，并共享线程的资源，如内存空间、文件句柄等。

线程有以下几个特点：

轻量级：相对于进程来说，线程的创建、切换和销毁的开销较小。
共享资源：线程可以共享线程的资源，包括内存空间、文件句柄等。这使得线程之间可以方便地进行数据共享和通信。
并发执行：线程可以并发执行，即多个线程可以在同一时间内执行不同的任务。线程的并发执行可以提高程序的性能和响应性。
线程安全：线程安全是指多个线程同时访问共享数据时，不会出现数据不一致或异常的情况。在多线程编程中，需要采取一些措施（如锁、互斥量等）来保证线程安全性。
线程必须依附于进程中，线程不能单独存在。

比如:现实生活中的公司可以理解成是一个进程，公司提供办公资源(电脑、办公桌椅等)，真正干活的是员工，员工可以理解成线程。

Python 中使用 threading 模块实现线程多任务编程。

import threading

创建线程

threading 模块使用 Thread 类创建线程实例对象，实现线程任务的创建。

Thread([group [, target [, name [, args [, kwargs [, daemon]]]]]])

参数说明：

group：指定线程组，目前只能使用 None
target：执行的目标任务名
name：线程名字
args：以元组方式给执行任务传参
kwargs：以字典方式给执行任务传参
daemon：设置线程对象为守护线程

import threading
import time


# 跳舞任务
def task1():
    for i in range(5):
        print("跳舞中...")
        time.sleep(0.2)


# 唱歌任务
def task2():
    for i in range(5):
        print("唱歌中...")
        time.sleep(0.2)

if __name__ == '__main__':
    t1 = threading.Thread(target=task1, name="mythread-1")
    t2 = threading.Thread(target=task2)

启动线程

线程对象创建成功后，需要启动线程才会开始执行。

t1.start()
t2.start()

获取当前线程

threading.current_thread() 可以获取当前线程。

def task1():
    print(threading.current_thread())

def task2():
    print(threading.current_thread())

if __name__ == '__main__':
    t1 = threading.Thread(target=task1, name="myThread-1")
    t2 = threading.Thread(target=task2)
    t1.start()
    t2.start()

获取线程名

线程对象的 name 属性可以获取线程的名称。

def task1():
    print(threading.current_thread().name)

def task2():
    print(threading.current_thread().name)

if __name__ == '__main__':
    print(threading.current_thread().name)
    t1 = threading.Thread(target=task1, name="myThread-1")
    t2 = threading.Thread(target=task2)
    t1.start()
    t2.start()

线程无序性

线程执行时是无序的。它是由 CPU 调度决定的，CPU 调度哪个线程，哪个线程就先执行，没有调度的线程不能执行。

import threading
import time
def task():
    time.sleep(1)
    print("当前线程:", threading.current_thread().name)

if __name__ == '__main__':

   for _ in range(5):
       t = threading.Thread(target=task)
       t.start()

线程任务函数传参

在创建线程对象的时候，为线程任务函数传递参数，可以使用两种方式为任务函数传参。

args: 使用可变位置参数形式传参
kwargs: 使用可变关键字参数形式传参

import threading
import time
def task(n, msg):
    for i in range(n):
        print(threading.current_thread().name, f"打印第 {i+1} 次 {msg}")
        time.sleep(0.2)

if __name__ == '__main__':
    # 使用可变位置参数传参
    t1 = threading.Thread(target=task, args=(10, "Python"))
    # 使用可变关键字参数传参
    t2 = threading.Thread(target=task, kwargs={"n": 10, "msg": "Hogwarts"})
    t1.start()
    t2.start()

线程同步

join() 方法用来将子线程添加到当前线程之前执行，直到子线程执行结束后，当前线程才会继续向下执行。

多个线程间的代码在运行时是交替执行的，如果使用 join() 方法后，当前线程会进入到阻塞状态，等待子线程结束后，解除阻塞状态，继续执行当前线程。

使用 join() 方法后，可使多线程的异步执行变成同步执行, 过多使用会使程序效率变低。

import threading
import time
def task(n, msg):
    for i in range(n):
        print(threading.current_thread().name, f"打印第 {i+1} 次 {msg}")
        time.sleep(0.2)

if __name__ == '__main__':
    # 使用可变位置参数传参
    t1 = threading.Thread(target=task, args=(10, "Python"))
    # 使用可变关键字参数传参
    t2 = threading.Thread(target=task, kwargs={"n": 10, "msg": "Hogwarts"})
    t1.start()
    t1.join()
    print("main run ...")
    t2.start()
    t2.join()

守护线程

多线程在执行时，父线程会等待子线程执行结束才会结束。

如果需要子线程在父线程执行结束后就结束执行，无论子线程是否执行完毕，可以将子线程设置为守护线程。

比如：在使用下载软件进行下载多个视频时，每个下载任务都是一个线程，如果下载软件退出，则下载任务也会停止并退出。

设置守护线程方式有两种：

使用 daemon = True 参数在子线程对象创建时将子线程设置为守护线程。
使用 子线程对象.daemon = True 属性在子线程对象启动前将子线程对象设置为守护线程。

设置子线程为守护线程

import threading
import time
def task(n, msg):
    for i in range(n):
        print(threading.current_thread().name, f"打印第 {i+1} 次 {msg}")
        time.sleep(0.2)

if __name__ == '__main__':

    t1 = threading.Thread(target=task, args=(10, "Python"),daemon=True)
    t2 = threading.Thread(target=task, kwargs={"n": 10, "msg": "Hogwarts"})
    t2.daemon = True
    t1.start()
    t2.start()
    time.sleep(1)
    print("main")

线程间共享全局变量

因为线程是程序执行的最小执行单位，当一个子线程被创建时，子线程会使用父线程的资源，所以多个线程之间的数据是共享的。

import threading
import time

# 定义全局变量
g_list = list()


# 添加数据的任务
def add_data():
    for i in range(5):
        g_list.append(i)
        print("add:", i)
        time.sleep(0.2)

    print("add_data:", g_list)


def read_data():
    print("read_data", g_list)


if __name__ == '__main__':
    add_data_Thread = threading.Thread(target=add_data)
    read_data_Thread = threading.Thread(target=read_data)

    add_data_Thread.start()
    add_data_Thread.join()
    read_data_Thread.start()

    print("main:", g_list)

线程安全问题

线程间可以访问全局变量，在多个线程间进行数据传递时非常方便，但是随之也会产生很大的问题。

当多个线程同时对共享的全局变量进行操作时，可能会出现脏数据的问题。

注意:

Python 3.9 版本解释器之前，线程安全问题非常明显
Python 3.10 版本后，引入了新的 GIL2.0 版本的锁，有效的提升了线程安全问题，但某些时刻还需要使用互斥锁保证线程安全。

示例：使用多个线程对象，分别对共享全局变量 sum 做一百万次加 1 操作，查看计算结果。

import time
import threading

# 定义全局变量
sum = 0

# 循环一次给全局变量加1
def add_one():
    global sum
    for i in range(1000000):
        sum += 1
    print(threading.current_thread().name , " : ", sum)

if __name__ == '__main__':
    # 创建两个线程
    t1 = threading.Thread(target=add_one)
    t2 = threading.Thread(target=add_one)
    t3 = threading.Thread(target=add_one)

    # 启动线程
    t1.start()
    t2.start()
    t3.start()
    time.sleep(3)
    print(threading.current_thread().name , " : ", sum)

错误分析:

多个线程线程对象 t1，t2，t3 都要对全局变量 sum （默认是0）进行加 1 运算，但是由于是多线程同时操作，有可能出现下面情况：

在 sum=0 时，线程对象 t1 取得 sum=0。
此时系统把线程对象 t1 调度为 sleeping 状态
把线程对象 t2 转换为 running 状态，t2 也获得 sum=0
然后线程对象 t2 对得到的值进行加 1 并赋给 sum，使得 sum=1
然后系统又把线程对象 t2 调度为 sleeping
再把线程对象 t1 转为 running 状态
线程对象 t1 又把它之前得到的 0 加 1 后赋值给 sum，结果为 sum=1
三个线程对象都会在执行过程中出现这种情况
这样导致虽然线程对象 t1，t2，t3 都对 sum 加 1，但结果却是产生了无效的计算过程

互斥锁

在 Python 中，可以使用互斥锁（Mutex）来保护共享资源，避免多个线程同时对共享资源进行写操作，从而避免竞争条件和数据不一致的问题。

使用 threading.Lock() 获取互斥锁对象。

lock = threading.Lock()

互斥锁操作：

加锁操作： lock.acquire()
解锁操作： lock.release()

使用互斥锁解决 Python3.9 版本线程间数据安全问题。

import time
import threading

# 定义全局变量
sum = 0

lock = threading.Lock()

# 方式一
def add_one():
    global sum
    lock.acquire()
    for i in range(1000000):
        sum += 1
    lock.release()
    print(threading.current_thread().name , " : ", sum)

# 方式二
# def add_one():
#     global sum
#     for i in range(1000000):
#         lock.acquire()
#         sum += 1
#         lock.release()
#     print(threading.current_thread().name , " : ", sum)


if __name__ == '__main__':
    # 创建两个线程
    t1 = threading.Thread(target=add_one)
    t2 = threading.Thread(target=add_one)
    t3 = threading.Thread(target=add_one)

    # 启动线程
    t1.start()
    t2.start()
    t3.start()
    time.sleep(3)
    print(threading.current_thread().name , " : ", sum)

死锁

虽然使用互斥锁可以解决线程间数据安全问题，但是，如果互斥锁使用不当，会出现死锁现象。

死锁是指一个线程获取锁权限后，并未释放锁，导致其它线程无法获取互斥锁的使用权，持续进行等待的过程。

import threading
import time

# 创建互斥锁
lock = threading.Lock()

numbers = [3, 6, 8, 1, 9]

# 根据下标去取值， 保证同一时刻只能有一个线程去取值
def get_value(index):
    # 上锁
    lock.acquire()
    # 判断下标释放越界
    if index >= len(numbers):
        print(threading.current_thread().name, f"下标 {index} 越界")
        return
    value = numbers[index]
    print(threading.current_thread().name, "取值为： ", value)

    time.sleep(0.2)
    # 释放锁
    lock.release()


if __name__ == '__main__':
    # 模拟大量线程去执行取值操作
    for i in range(10):
        sub_thread = threading.Thread(target=get_value, args=(i,))
        sub_thread.start()

避免死锁

程序开发过程中，应该避免死锁的发生。

可以在程序的合适位置，将锁释放掉，让其它线程对象有能获取到互斥锁的机会。

import threading
import time

# 创建互斥锁
lock = threading.Lock()

numbers = [3, 6, 8, 1, 9]

# 根据下标去取值， 保证同一时刻只能有一个线程去取值
def get_value(index):
    # 上锁
    lock.acquire()
    # 判断下标释放越界
    if index >= len(numbers):
        print(threading.current_thread().name, f"下标 {index} 越界")
        lock.release()
        return
    value = numbers[index]
    print(threading.current_thread().name, "取值为： ", value)

    time.sleep(0.2)
    # 释放锁
    lock.release()


if __name__ == '__main__':
    # 模拟大量线程去执行取值操作
    for i in range(10):
        sub_thread = threading.Thread(target=get_value, args=(i,))
        sub_thread.start()

进程与线程对比

关系对比
- 线程是依附在进程里面的，没有进程就没有线程。
- 一个进程默认提供一条线程，进程可以创建多个线程。
区别对比
- 进程之间不共享全局变量
- 线程之间共享全局变量，但是要注意资源竞争的问题，解决办法: 互斥锁或者线程同步
- 创建进程的资源开销要比创建线程的资源开销要大
- 进程是操作系统资源分配的基本单位，线程是CPU调度的基本单位
- 线程不能够独立执行，必须依存在进程中
- 多进程开发比单进程多线程开发稳定性要强
优缺点对比
- 进程优缺点: - 优点：可以用多核 - 缺点：资源开销大
- 线程优缺点: - 优点：资源开销小 - 缺点：不能使用多核（3.10版本后有改善）