Python語(yǔ)法學(xué)習(xí)之線程的創(chuàng)建與常用方法詳解
線程的創(chuàng)建與使用
在Python中有很多的多線程模塊,其中 thread
ing 模塊就是比較常用的。下面就來(lái)看一下如何利用 thread
ing 創(chuàng)建線程以及它的常用方法。
線程的創(chuàng)建 -threading
函數(shù)名 | 介紹 | 舉例 |
---|---|---|
Thread | 創(chuàng)建線程 | Thread(target, args) |
Thread 的動(dòng)能介紹:通過(guò)調(diào)用 threading 模塊的 Thread 類(lèi)來(lái)實(shí)例化一個(gè)線程對(duì)象;它有兩個(gè)參數(shù): target 與 args (與創(chuàng)建進(jìn)程時(shí),參數(shù)相同)。target 為創(chuàng)建線程時(shí)要執(zhí)行的函數(shù),而 args 為是要執(zhí)行這個(gè)函數(shù)時(shí)需要傳入的參數(shù)。
線程對(duì)象的常用方法
接下里看一下線程對(duì)象中都有哪些常用的方法:
函數(shù)名 | 介紹 | 用法 |
---|---|---|
start | 啟動(dòng)線程 | start() |
join | 阻塞線程直到線程執(zhí)行結(jié)束 | join(timeout=None) |
getName | 獲取線程的名字 | getName() |
setName | 設(shè)置線程的名字 | setName(name) |
is_alive | 判斷線程是否存活 | is_alive() |
setDaemon | 守護(hù)線程 | setDaemon(True) |
- start 函數(shù):?jiǎn)?dòng)一個(gè)線程;沒(méi)有任何返回值和參數(shù)。
- join 函數(shù):和進(jìn)程中的 join 函數(shù)一樣;阻塞當(dāng)前的程序,主線程的任務(wù)需要等待當(dāng)前子線程的任務(wù)結(jié)束后才可以繼續(xù)執(zhí)行;參數(shù)為
- timeout:代表阻塞的超時(shí)時(shí)間。
- getName 函數(shù):獲取當(dāng)前線程的名字。
- setName 函數(shù):給當(dāng)前的線程設(shè)置名字;參數(shù)為 name:是一個(gè)字符串類(lèi)型
- is_alive 函數(shù):判斷當(dāng)前線程的狀態(tài)是否存貨
- setDaemon 函數(shù):它是一個(gè)守護(hù)線程;如果腳本任務(wù)執(zhí)行完成之后,即便進(jìn)程池還沒(méi)有執(zhí)行完成業(yè)務(wù)也會(huì)被強(qiáng)行終止。子線程也是如此,如果希望主進(jìn)程或者是主線程先執(zhí)行完自己的業(yè)務(wù)之后,依然允許子線程繼續(xù)工作而不是強(qiáng)行關(guān)閉它們,只需要設(shè)置 setDaemon() 為 True 就可以了。
PS:通過(guò)上面的介紹,會(huì)發(fā)現(xiàn)其實(shí)線程對(duì)象里面的函數(shù)幾乎和進(jìn)程對(duì)象中的函數(shù)非常相似,它們的使用方法和使用場(chǎng)景幾乎是相同的。
線程演示案例
單線程初始案例
演示 多線程之前 先看一下下面這個(gè)案例,運(yùn)行結(jié)束后看看共計(jì)耗時(shí)多久
1、定義一個(gè)列表,里面寫(xiě)一些內(nèi)容。
2、再定義一個(gè)新列表,將上一個(gè)列表的內(nèi)容隨機(jī)寫(xiě)入到新列表中;并且刪除上一個(gè)列表中隨機(jī)獲取到的內(nèi)容。
3、這里需要使用到 r andom 內(nèi)置模塊
代碼示例如下:
# coding:utf-8 import time import random old_lists = ['羅馬假日', '怦然心動(dòng)', '時(shí)空戀旅人', '天使愛(ài)美麗', '天使之城', '倒霉愛(ài)神', '愛(ài)樂(lè)之城'] new_lists = [] def work(): if len(old_lists) == 0: # 判斷 old_list 的長(zhǎng)度,如果為0 ,則表示 該列表的內(nèi)容已經(jīng)被刪光了 return '\'old_list\' 列表內(nèi)容已經(jīng)全部刪除' old_choice_data = random.choice(old_lists) # random 模塊的 choice函數(shù)可以隨機(jī)獲取傳入的 old_list 的元素 old_lists.remove(old_choice_data) # 當(dāng)獲取到這個(gè)隨機(jī)元素之后,將該元素從 old_lists 中刪除 new_choice_data = '%s_new' % old_choice_data # 將隨機(jī)獲取到的隨機(jī)元素通過(guò)格式化方式重新賦值,區(qū)別于之前的元素 new_lists.append(new_choice_data) # 將格式化的新的隨機(jī)元素添加至 new_lists 列表 time.sleep(1) if __name__ == '__main__': strat_time = time.time() for i in range(len(old_lists)): work() if len(old_lists) ==0: print('\'old_lists\' 當(dāng)前為:{}'.format(None)) else: print(('\'old_lists\' 當(dāng)前為:{}'.format(old_lists))) if not len(new_lists) == 0: print(('\'new_lists\' 當(dāng)前為:{}'.format(new_lists))) else: print('\'new_lists\' 當(dāng)前為:{}'.format(None)) end_time = time.time() print('運(yùn)行結(jié)束,累計(jì)耗時(shí):{} 秒'.format(end_time - strat_time))
運(yùn)行結(jié)果如下:
從運(yùn)行輸出結(jié)果我們可以看到整個(gè)腳本運(yùn)行共計(jì)耗時(shí)7秒,而且 new_lists 列表內(nèi)的元素都經(jīng)過(guò)格式化處理后加上了 _new ;不僅如此, 因?yàn)?random模塊的choice函數(shù) 原因,new_lists 的內(nèi)容順序與 old_lists 也是不一樣;每次運(yùn)行順序都會(huì)不一樣,所以 old_lists 的順序是無(wú)法得到保障的。
多線程演示案例
代碼示例如下:
# coding:utf-8 import time import random import threading old_lists = ['羅馬假日', '怦然心動(dòng)', '時(shí)空戀旅人', '天使愛(ài)美麗', '天使之城', '倒霉愛(ài)神', '愛(ài)樂(lè)之城'] new_lists = [] def work(): if len(old_lists) == 0: # 判斷 old_list 的長(zhǎng)度,如果為0 ,則表示 該列表的內(nèi)容已經(jīng)被刪光了 return '\'old_list\' 列表內(nèi)容已經(jīng)全部刪除' old_choice_data = random.choice(old_lists) # random 模塊的 choice函數(shù)可以隨機(jī)獲取傳入的 old_list 的元素 old_lists.remove(old_choice_data) # 當(dāng)獲取到這個(gè)隨機(jī)元素之后,將該元素從 old_lists 中刪除 new_choice_data = '%s_new' % old_choice_data # 將隨機(jī)獲取到的隨機(jī)元素通過(guò)格式化方式重新賦值,區(qū)別于之前的元素 new_lists.append(new_choice_data) # 將格式化的新的隨機(jī)元素添加至 new_lists 列表 time.sleep(1) if __name__ == '__main__': strat_time = time.time() print('\'old_lists\'初始長(zhǎng)度為:{}'.format(len(old_lists))) # 獲取 old_lists 與 new_lists 最初始的長(zhǎng)度 print('\'new_lists\'初始長(zhǎng)度為:{}'.format(len(new_lists))) thread_list = [] # 定義一個(gè)空的 thread_list 對(duì)象,用以下方添加每個(gè)線程 for i in range(len(old_lists)): thread_work = threading.Thread(target=work) # 定義一個(gè)線程實(shí)例化對(duì)象執(zhí)行 work 函數(shù),因?yàn)?work 函數(shù)沒(méi)有參數(shù)所以不用傳 args thread_list.append(thread_work) # 將 thread_work 添加進(jìn) thread_list thread_work.start() # 啟動(dòng)每一個(gè)線程 for t in thread_list: # 通過(guò)for循環(huán)將每一個(gè)線程進(jìn)行阻塞 t.join() if len(old_lists) ==0: print('\'old_lists\' 當(dāng)前為:{}'.format(None), '當(dāng)前長(zhǎng)度為:{}'.format(len(old_lists))) else: print(('\'old_lists\' 當(dāng)前為:{}'.format(old_lists))) if not len(new_lists) == 0: print('\'new_lists\' 當(dāng)前長(zhǎng)度為:{}'.format(len(new_lists))) print('\'new_lists\' 當(dāng)前的值為:{}'.format(new_lists)) else: print('\'new_lists\' 當(dāng)前為:{}'.format(None)) end_time = time.time() print('運(yùn)行結(jié)束,累計(jì)耗時(shí):{} 秒'.format(end_time - strat_time))
運(yùn)行結(jié)果如下:
從運(yùn)行的結(jié)果來(lái)看,我們初始的單線程任務(wù)耗時(shí)為 7秒,在使用多線程之后,僅耗時(shí) 1秒就完成了,大大的提高了我們的運(yùn)行效率。
線程的問(wèn)題
通過(guò)上面的練習(xí),我們發(fā)現(xiàn)進(jìn)程的使用方法幾乎與進(jìn)程是一模一樣的。它們都可以互不干擾的執(zhí)行程序,也可以使得主線程的程序不需要等待子線程的任務(wù)完成之后再去執(zhí)行。只不過(guò)剛剛的演示案例中我們使用了 join() 函數(shù)進(jìn)行了阻塞,這里可以吧 join() 去掉,看看執(zhí)行效果。
與進(jìn)程一樣,線程也存在著一定的問(wèn)題。
線程執(zhí)行的函數(shù),也同樣是無(wú)法獲取返回值的。
當(dāng)多個(gè)線程同時(shí)修改文件一樣會(huì)造成被修改文件的數(shù)據(jù)錯(cuò)亂的錯(cuò)誤(因?yàn)槎际遣l(fā)去操作一個(gè)文件,特別是在處理交易場(chǎng)景的時(shí)候,需要尤為注意)。
到此這篇關(guān)于Python語(yǔ)法學(xué)習(xí)之線程的創(chuàng)建與常用方法詳解的文章就介紹到這了,更多相關(guān)Python 線程創(chuàng)建內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
python之matplotlib學(xué)習(xí)繪制動(dòng)態(tài)更新圖實(shí)例代碼
這篇文章主要介紹了python之matplotlib學(xué)習(xí)繪制動(dòng)態(tài)更新圖實(shí)例代碼,文中涉及具體實(shí)現(xiàn)代碼,演示效果及運(yùn)行時(shí)出現(xiàn)的問(wèn)題分析等相關(guān)內(nèi)容,小編覺(jué)得還是挺不錯(cuò)的,這里分享給大家,需要的朋友可以參考下2018-01-01TensorFlow通過(guò)文件名/文件夾名獲取標(biāo)簽,并加入隊(duì)列的實(shí)現(xiàn)
今天小編就為大家分享一篇TensorFlow通過(guò)文件名/文件夾名獲取標(biāo)簽,并加入隊(duì)列的實(shí)現(xiàn),具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-02-02python實(shí)現(xiàn)指定字符串補(bǔ)全空格、前面填充0的方法
這篇文章主要介紹了python實(shí)現(xiàn)指定字符串補(bǔ)全空格、前面填充0的方法 ,非常不錯(cuò),具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2018-11-11Django接受前端數(shù)據(jù)的幾種方法總結(jié)
下面小編就為大家?guī)?lái)一篇Django接受前端數(shù)據(jù)的幾種方法總結(jié)。小編覺(jué)得挺不錯(cuò)的,現(xiàn)在就分享給大家,也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2016-11-11基于Python實(shí)現(xiàn)個(gè)人手機(jī)定位分析
TransBigData是一個(gè)為交通時(shí)空大數(shù)據(jù)處理、分析和可視化而開(kāi)發(fā)的Python包。本文就來(lái)用它實(shí)現(xiàn)個(gè)人手機(jī)定位分析,感興趣的小伙伴可以了解一下2023-04-04