python系统编程篇之线程

python系统编程篇之线程

python多线程

多线程类似于同时执行多个不同程序，多线程运行有如下优点：

• 使用线程可以把占据长时间的程序中的任务放到后台去处理。
• 用户界面可以更加吸引人，这样比如用户点击了一个按钮去触发某些事件的处理，可以弹出一个进度条来显示处理的进度
• 程序的运行速度可能加快
• 在一些等待的任务实现上如用户输入、文件读写和网络收发数据等，线程就比较有用了。在这种情况下我们可以释放一些珍贵的资源如内存占用等等。
• 线程在执行过程中与进程还是有区别的。每个独立的线程有一个程序运行的入口、顺序执行序列和程序的出口。但是线程不能够独立执行，必须依存在应用程序中，由应用程序提供多个线程执行控制。

每个线程都有他自己的一组CPU寄存器，称为线程的上下文，该上下文反映了线程上次运行该线程的CPU寄存器的状态。

指令指针和堆栈指针寄存器是线程上下文中两个最重要的寄存器，线程总是在进程得到上下文中运行的，这些地址都用于标志拥有线程的进程地址空间中的内存。

• 线程可以被抢占（中断）。

• 在其他线程正在运行时，线程可以暂时搁置（也称为睡眠） – 这就是线程的退让。

  threading模块

  单线程执行

import time



def func():
    print('这是一个方法！')
    time.sleep(1)


if __name__ == '__main__':
    start_time = time.time()
    for i in range(5):
        func()
    end_time = time.time()
    print('程序运行的时间为 %d s' % (end_time-start_time))

运行结果：
这是一个方法！
这是一个方法！
这是一个方法！
这是一个方法！
这是一个方法！
程序运行的时间为 5 s

多线程执行

在上述的程序中稍作修改，使函数在多个线程中执行，再次观察运行时间

import threading
import time


def func():
    print('这是一个方法！')
    time.sleep(1)


if __name__ == '__main__':
    start_time = time.time()
    for i in range(5):
        # func()
        t1 = threading.Thread(target=func)
        t1.start()
    t1.join()
    end_time = time.time()
    print('程序运行的时间为 %0.2f s' % (end_time-start_time))

运行结果：
这是一个方法！
这是一个方法！
这是一个方法！
这是一个方法！
这是一个方法！
程序运行的时间为 1.00 s

从程序运行结果可以看出，单线程运行结果是5秒，而使用了threading模块中的Thread方法之后，程序的运行时间变成了1秒。

---

线程状态

图中展示了线程的三种状态，

就绪状态：就绪状态表示该线程可以运行但没有运行，等待CPU调度的一个状态，即当CPU调度让该线程运行时，该线程可以立刻运行。

等待(阻塞)状态：等待(阻塞)状态表示该线程即使CPU调度该线程让其运行时，还线程也不会运行，需要满足一个条件，该线程才能从等待状态变为就绪状态。

运行状态：该线程在运行中。

---

共享全局变量问题

上一篇写到，进程之间是不共享全局变量的，那在线程之间，能否共享全局变量呢？
用实例来说明，

import threading
import time


g_list = [1,2,3,4]
def work1(num):
    global g_list
    g_list.append(num)
    print('work1 the list is ',g_list)

def work2(num):
    global g_list
    g_list.append(num)
    print('work2 the list is ',g_list)

if __name__ == '__main__':
    for i in range(3):
        t1 = threading.Thread(target=work1,args=(i*10,))
        t2 = threading.Thread(target=work2,args=(i*100,))
        t1.start()
        t2.start()

运行结果：
work1 the list is [1, 2, 3, 4, 0]
work2 the list is [1, 2, 3, 4, 0, 0]
work1 the list is [1, 2, 3, 4, 0, 0, 10]
work2 the list is [1, 2, 3, 4, 0, 0, 10, 100]
work1 the list is [1, 2, 3, 4, 0, 0, 10, 100, 20]
work2 the list is [1, 2, 3, 4, 0, 0, 10, 100, 20, 200]
g_list is [1, 2, 3, 4, 0, 0, 10, 100, 20, 200]

Process finished with exit code 0

通过程序运行的结果可以看到，线程之间是共享全局变量的

• 在一个进程内的所有线程共享全局变量，能够在不适用其他方式的前提下完成多线程之间的数据共享（这点要比多进程要好）
• 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）

---

多线程开发中遇到的问题

假设两个线程t1和t2都要对num=0进行增1运算，t1和t2都各对num修改10次，num的最终的结果应该为20。

但是由于是多线程访问，有可能出现下面情况：

在num=0时，t1取得num=0。此时系统把t1调度为”sleeping”状态，把t2转换为”running”状态，t2也获得num=0。然后t2对得到的值进行加1并赋给num，使得num=1。然后系统又把t2调度为”sleeping”，把t1转为”running”。线程t1又把它之前得到的0加1后赋值给num。这样，明明t1和t2都完成了1次加1工作，但结果仍然是num=1。

from threading import Thread
import time

g_num = 0

def test1():
    global g_num
    for i in range(1000000):
        g_num += 1

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

def test2():
    global g_num
    for i in range(1000000):
        g_num += 1

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


p1 = Thread(target=test1)
p1.start()

# time.sleep(3) #取消屏蔽之后 再次运行程序，结果会不一样，，，为啥呢？

p2 = Thread(target=test2)
p2.start()

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

运行结果：
—g_num=135270—
—test1—g_num=1194664
—test2—g_num=1281067

每次运行结果会有不同，但一般都不是2000000。

问题产生的原因就是没有控制多个线程对同一资源的访问，对数据造成破坏，使得线程运行的结果不可预期。这种现象称为“线程不安全”。

解决问题的思路

对于提出的那个计算错误的问题，可以通过线程同步来进行解决思路，如下:

1. 系统调用t1，然后获取到num的值为0，此时上一把锁，即不允许其他现在操作num
2. 对num的值进行+1
3. 解锁，此时num的值为1，其他的线程就可以使用num了，而且是num的值不是0而是1
4. 同理其他线程在对num进行修改时，都要先上锁，处理完后再解锁，在上锁的整个过程中不允许其他线程访问，就保证了数据的正确性

互斥锁

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([blocking])
#释放
mutex.release()

其中，锁定方法acquire可以有一个blocking参数。

• 如果设定blocking为True，则当前线程会堵塞，直到获取到这个锁为止（如果没有指定，那么默认为True）
• 如果设定blocking为False，则当前线程不会堵塞

那么就可以利用互斥锁解决上述问题，

from threading import Thread, Lock
import time

g_num = 0

def test1():
    global g_num
    for i in range(1000000):
        #True表示堵塞 即如果这个锁在上锁之前已经被上锁了，那么这个线程会在这里一直等待到解锁为止 
        #False表示非堵塞，即不管本次调用能够成功上锁，都不会卡在这,而是继续执行下面的代码
        mutexFlag = mutex.acquire(True) 
        if mutexFlag:
            g_num += 1
            mutex.release()

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

def test2():
    global g_num
    for i in range(1000000):
        mutexFlag = mutex.acquire(True) #True表示堵塞
        if mutexFlag:
            g_num += 1
            mutex.release()

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

#创建一个互斥锁
#这个所默认是未上锁的状态
mutex = Lock()

p1 = Thread(target=test1)
p1.start()


p2 = Thread(target=test2)
p2.start()

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

运行结果：
—test2—g_num=1994194
—test1—g_num=2000000
—g_num=2000000—

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