欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Python 多線程Threading初學(xué)教程

 更新時間:2017年08月22日 15:56:48   作者:閃電gogogo  
多線程可簡單理解為同時執(zhí)行多個任務(wù)。本文給大家分享Python 多線程Threading初學(xué)教程實例詳解,感興趣的朋友一起學(xué)習(xí)吧

1.1 什么是多線程 Threading

多線程可簡單理解為同時執(zhí)行多個任務(wù)。

多進程和多線程都可以執(zhí)行多個任務(wù),線程是進程的一部分。線程的特點是線程之間可以共享內(nèi)存和變量,資源消耗少(不過在Unix環(huán)境中,多進程和多線程資源調(diào)度消耗差距不明顯,Unix調(diào)度較快),缺點是線程之間的同步和加鎖比較麻煩。

1.2 添加線程 Thread

導(dǎo)入模塊

import threading

獲取已激活的線程數(shù)

threading.active_count()

查看所有線程信息

threading.enumerate()

查看現(xiàn)在正在運行的線程

threading.current_thread()

添加線程,threading.Thread()接收參數(shù)target代表這個線程要完成的任務(wù),需自行定義

def thread_job():
  print('This is a thread of %s' % threading.current_thread())
def main():
  thread = threading.Thread(target=thread_job,)  # 定義線程 
  thread.start() # 讓線程開始工作
  if __name__ == '__main__':
  main()

1.3 join 功能

因為線程是同時進行的,使用join功能可讓線程完成后再進行下一步操作,即阻塞調(diào)用線程,直到隊列中的所有任務(wù)被處理掉。

import threading
import time
def thread_job():
  print('T1 start\n')
  for i in range(10):
    time.sleep(0.1)
  print('T1 finish\n')
def T2_job():
  print('T2 start\n')
  print('T2 finish\n')
def main():
  added_thread=threading.Thread(target=thread_job,name='T1')
  thread2=threading.Thread(target=T2_job,name='T2')
  added_thread.start()
  #added_thread.join()
  thread2.start()
  #thread2.join()
  print('all done\n')
if __name__=='__main__':
   main()

例子如上所示,當(dāng)不使用join功能的時候,結(jié)果如下圖所示:

當(dāng)執(zhí)行了join功能之后,T1運行完之后才運行T2,之后再運行print(‘a(chǎn)ll done')

1.4 儲存進程結(jié)果 queue

 queue是python標(biāo)準庫中的線程安全的隊列(FIFO)實現(xiàn),提供了一個適用于多線程編程的先進先出的數(shù)據(jù)結(jié)構(gòu),即隊列,用來在生產(chǎn)者和消費者線程之間的信息傳遞

 (1)基本FIFO隊列

 class queue.Queue(maxsize=0)

maxsize是整數(shù),表明隊列中能存放的數(shù)據(jù)個數(shù)的上限,達到上限時,插入會導(dǎo)致阻塞,直至隊列中的數(shù)據(jù)被消費掉,如果maxsize小于或者等于0,隊列大小沒有限制

(2)LIFO隊列 last in first out后進先出

class queue.LifoQueue(maxsize=0)

(3)優(yōu)先級隊列

class queue.PriorityQueue(maxsize=0)

視頻中的代碼,看的還不是特別明白

import threading
import time
from queue import Queue
def job(l,q):
  for i in range(len(l)):
    l[i]=l[i]**2
  q.put(l)
def multithreading():
  q=Queue()
  threads=[]
  data=[[1,2,3],[3,4,5],[4,5,6],[5,6,7]]
  for i in range(4):
    t=threading.Thread(target=job,args=(data[i],q))
    t.start()
    threads.append(t)
  for thread in threads:
    thread.join()
  results=[]
  for _ in range(4):
    results.append(q.get())
  print(results)
if __name__=='__main__':
   multithreading()

運行結(jié)果如下所示

圖片截取來源:http://www.cnblogs.com/itogo/p/5635629.html

1.5 GIL 不一定有效率

Global Interpreter Lock全局解釋器鎖,python的執(zhí)行由python虛擬機(也成解釋器主循環(huán))控制,GIL的控制對python虛擬機的訪問,保證在任意時刻,只有一個線程在解釋器中運行。在多線程環(huán)境中能,python虛擬機按照以下方式執(zhí)行:

1.設(shè)置 GIL

2.切換到一個線程去運行

3.運行:

a.指定數(shù)量的字節(jié)碼指令,或

b.線程主動讓出控制(可以調(diào)用time.sleep(0))

4.把線程設(shè)置為睡眠狀態(tài)

5.解鎖GIL

6.重復(fù)1-5

在調(diào)用外部代碼(如C/C++擴展函數(shù))的時候,GIL將會被鎖定,直到這個函數(shù)結(jié)束為止(由于在這期間沒有python的字節(jié)碼被運行,所以不會做線程切換)。

下面為視頻中所舉例的代碼,將一個數(shù)擴大4倍,分為正常方式、以及分配給4個線程去做,發(fā)現(xiàn)耗時其實并沒有相差太多量級。

import threading
from queue import Queue
import copy
import time
def job(l, q):
  res = sum(l)
  q.put(res)
def multithreading(l):
  q = Queue()
  threads = []
  for i in range(4):
    t = threading.Thread(target=job, args=(copy.copy(l), q), name='T%i' % i)
    t.start()
    threads.append(t)
  [t.join() for t in threads]
  total = 0
  for _ in range(4):
    total += q.get()
  print(total)
def normal(l):
  total = sum(l)
  print(total)
if __name__ == '__main__':
  l = list(range(1000000))
  s_t = time.time()
  normal(l*4)
  print('normal: ',time.time()-s_t)
  s_t = time.time()
  multithreading(l)
  print('multithreading: ', time.time()-s_t)

運行結(jié)果為:

1.6 線程鎖 Lock

如果線程1得到了結(jié)果,想要讓線程2繼續(xù)使用1的結(jié)果進行處理,則需要對1lock,等到1執(zhí)行完,再開始執(zhí)行線程2。一般來說對share memory即對共享內(nèi)存進行加工處理時會用到lock。

import threading
def job1():
  global A, lock #全局變量
  lock.acquire() #開始lock
  for i in range(10):
    A += 1
    print('job1', A)
  lock.release() #釋放
def job2(): 
  global A, lock
  lock.acquire()
  for i in range(10):
    A += 10
    print('job2', A)
  lock.release()
if __name__ == '__main__':
  lock = threading.Lock()
  A = 0
  t1 = threading.Thread(target=job1)
  t2 = threading.Thread(target=job2)
  t1.start()
  t2.start()
  t1.join()
  t2.join()

運行結(jié)果如下所示:

總結(jié)

以上所述是小編給大家介紹的Python 多線程Threading初學(xué)教程,希望對大家有所幫助,如果大家有任何疑問請給我留言,小編會及時回復(fù)大家的。在此也非常感謝大家對腳本之家網(wǎng)站的支持!

相關(guān)文章

  • 深入探討Python復(fù)合型數(shù)據(jù)的常見陷阱與避免方法

    深入探討Python復(fù)合型數(shù)據(jù)的常見陷阱與避免方法

    在Python中,復(fù)合型數(shù)據(jù)(例如列表、元組、集合和字典)是非常常用的數(shù)據(jù)類型,本文將深入探討Python復(fù)合型數(shù)據(jù)的常見陷阱,并提供一些避免這些問題的實用建議和技巧,希望對大家有所幫助
    2024-03-03
  • Python3.5裝飾器原理及應(yīng)用實例詳解

    Python3.5裝飾器原理及應(yīng)用實例詳解

    這篇文章主要介紹了Python3.5裝飾器原理及應(yīng)用,結(jié)合具體實例形式詳細分析了Python3.5裝飾器的概念、原理、使用方法及相關(guān)操作注意事項,需要的朋友可以參考下
    2019-04-04
  • django實現(xiàn)登錄時候輸入密碼錯誤5次鎖定用戶十分鐘

    django實現(xiàn)登錄時候輸入密碼錯誤5次鎖定用戶十分鐘

    這篇文章主要介紹了django實現(xiàn)登錄時候輸入密碼錯誤5次鎖定用戶十分鐘,具有一定的參考價值,感興趣的小伙伴們可以參考一下
    2017-11-11
  • Python實用庫 PrettyTable 學(xué)習(xí)筆記

    Python實用庫 PrettyTable 學(xué)習(xí)筆記

    這篇文章主要介紹了Python實用庫 PrettyTable 學(xué)習(xí)筆記,結(jié)合實例形式分析了Python表格操作庫PrettyTable的安裝、使用技巧與相關(guān)注意事項,需要的朋友可以參考下
    2019-08-08
  • python操作數(shù)據(jù)庫獲取結(jié)果之fetchone和fetchall的區(qū)別說明

    python操作數(shù)據(jù)庫獲取結(jié)果之fetchone和fetchall的區(qū)別說明

    這篇文章主要介紹了python操作數(shù)據(jù)庫獲取結(jié)果之fetchone和fetchall的區(qū)別說明,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2021-04-04
  • 對python中的裝包與解包實例詳解

    對python中的裝包與解包實例詳解

    今天小編就為大家分享一篇對python中的裝包與解包實例詳解,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2019-08-08
  • 淺談Python的正則表達式

    淺談Python的正則表達式

    這篇文章主要介紹了淺談Python的正則表達式,正則表達式本身是獨立于編程語言的知識,但是它又依附于編程語言,需要的朋友可以參考下
    2023-04-04
  • 對Python3中的print函數(shù)以及與python2的對比分析

    對Python3中的print函數(shù)以及與python2的對比分析

    下面小編就為大家分享一篇對Python3中的print函數(shù)以及與python2的對比分析,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2018-05-05
  • Python深度學(xué)習(xí)之Unet?語義分割模型(Keras)

    Python深度學(xué)習(xí)之Unet?語義分割模型(Keras)

    這篇文章主要介紹了語義分割任務(wù)中Unet一個有意思的模型-Keras。Keras是一個由Python編寫的開源人工神經(jīng)網(wǎng)絡(luò)庫,可進行深度學(xué)習(xí)模型的設(shè)計、調(diào)試、評估、應(yīng)用和可視化。感興趣的小伙伴快來跟隨小編一起學(xué)習(xí)一下吧
    2021-12-12
  • python中使用matplotlib繪制熱力圖

    python中使用matplotlib繪制熱力圖

    熱力圖,是一種通過對色塊著色來顯示數(shù)據(jù)的統(tǒng)計圖表,它通過使用顏色編碼來表示數(shù)據(jù)的值,并在二維平面上呈現(xiàn)出來,本文就給大家介紹一下python使用matplotlib繪制熱力圖的方法,需要的朋友可以參考下
    2023-08-08

最新評論