threading----线程

最新推荐文章于 2025-07-27 00:01:42 发布
原创 最新推荐文章于 2025-07-27 00:01:42 发布 · 223 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文介绍Python3线程中常用的两个模块 _thread 和 threading，推荐使用 threading 模块。还阐述了线程同步的方法，如使用 Lock、Rlock、Condition 等对象，以及 Semaphore、Event 等的使用，同时介绍了一些获取线程信息的方法。

https://www.runoob.com/python3/python3-multithreading.html
https://www.cnblogs.com/chengd/articles/7770898.html
Python3 线程中常用的两个模块为：
_thread
threading(推荐使用)
thread 模块已被废弃。用户可以使用 threading 模块代替。所以，在 Python3 中不能再使用"thread" 模块。为了兼容性，Python3 将 thread 重命名为 “_thread”。

  1. threading.Lock()
    如果多个线程共同对某个数据修改，则可能出现不可预料的结果，为了保证数据的正确性，需要对多个线程进行同步。
    使用 Thread 对象的 Lock 和 Rlock 可以实现简单的线程同步，这两个对象都有 acquire 方法和 release 方法，对于那些需要每次只允许一个线程操作的数据，可以将其操作放到 acquire 和 release 方法之间。

  2. threading.Rlock()
    RLock允许在同一线程中被多次acquire。而Lock却不允许这种情况。注意：如果使用RLock，那么acquire和release必须成对出现，即调用了n次acquire，必须调用n次的release才能真正释放所占用的琐。

  3. threading.Condition()
    可以把Condiftion理解为一把高级的琐，它提供了比Lock, RLock更高级的功能，允许我们能够控制复杂的线程同步问题。threadiong.Condition在内部维护一个琐对象（默认是RLock），可以在创建Condigtion对象的时候把琐对象作为参数传入。Condition也提供了acquire, release方法，其含义与琐的acquire, release方法一致，其实它只是简单的调用内部琐对象的对应的方法而已。Condition还提供wait方法、notify方法、notifyAll方法(特别要注意：这些方法只有在占用琐(acquire)之后才能调用，否则将会报RuntimeError异常。)：

    acquire()/release()：获得/释放 Lock

    wait([timeout]):线程挂起，直到收到一个notify通知或者超时（可选的，浮点数，单位是秒s）才会被唤醒继续运行。wait()必须在已获得Lock前提下才能调用，否则会触发RuntimeError。调用wait()会释放Lock，直至该线程被Notify()、NotifyAll()或者超时线程又重新获得Lock.

    notify(n=1):通知其他线程，那些挂起的线程接到这个通知之后会开始运行，默认是通知一个正等待该condition的线程,最多则唤醒n个等待的线程。notify()必须在已获得Lock前提下才能调用，否则会触发RuntimeError。notify()不会主动释放Lock。

    notifyAll(): 如果wait状态线程比较多，notifyAll的作用就是通知所有线程（这个一般用得少）。

  4. threading.Semaphore和BoundedSemaphore
    Semaphore：Semaphore 在内部管理着一个计数器。调用 acquire() 会使这个计数器 -1，release() 则是+1(可以多次release()，所以计数器的值理论上可以无限).计数器的值永远不会小于 0，当计数器到 0 时，再调用 acquire() 就会阻塞，直到其他线程来调用release()。

  5. threading.Event
    事件处理的机制：全局定义了一个“Flag”，如果“Flag”值为 False，那么当程序执行 event.wait 方法时就会阻塞；如果“Flag”值为True，那么执行event.wait 方法时便不再阻塞。

    clear：将“Flag”设置为False
    set：将“Flag”设置为True
    用 threading.Event 实现线程间通信，使用threading.Event可以使一个线程等待其他线程的通知，我们把这个Event传递到线程对象中，

    Event默认内置了一个标志，初始值为False。一旦该线程通过wait()方法进入等待状态，直到另一个线程调用该Event的set()方法将内置标志设置为True时，该Event会通知所有等待状态的线程恢复运行。

  6. threading.active_count()：返回当前存活的线程对象的数量；通过计算len(threading.enumerate())长度而来。

  7. threading.current_thread()：返回当前线程对象

  8. threading.enumerate()：返回当前存在的所有线程对象的列表

  9. threading.get_ident()：返回线程pid

  10. threading.main_thread()：返回主线程对象，类似 threading.current_thread()；只不过一个是返回当前线程对象，一个是返回主线程对象

Python线程锁 threading.Lock()介绍
qq_42310545的博客
01-21 2263
在 Python 中，线程锁（Thread Lock）是一种同步原语，用于在多线程环境中协调线程之间的访问，避免多个线程同时访问共享资源时出现竞态条件（Race Condition）。线程锁确保在任何时刻只有一个线程可以访问特定的资源。为了实现线程锁，Python的threading模块提供了Lock类，下面将先简单介绍下Lock类的一些基础概念和用法。
python：threading --- 基于线程的并行
实战大师
03-08 522
python：threading --- 基于线程的并行
Python 标准库之 threading （线程并行）
12-21
文章目录示例返回活跃线程的数量返回活跃线程列表创建一个线程为线程绑定任务为线程任务传递参数运行线程阻塞调用的线程 （守护线程）多线程访问临界值线程锁参考线程对象锁对象 示例 返回活跃线程的数量 In [1]: import threading In [2]: threading.active_count() Out[2]: 22 In [3]: len(threading.enumerate()) Out[3]: 22 返回活跃线程列表 In [1]: import threading In [2]: threading.enumerate() Out[2: [, , , , ,
Python多线程入门到精通
qq_40997679的博客
07-27 940
本文介绍了Python多线程编程的核心概念和实现方法。主要内容包括：多线程基础概念（线程与进程的区别、优势与挑战）；Python标准库threading模块的使用；线程的创建和管理（继承Thread类或使用函数）；线程同步机制（锁、可重入锁、条件变量）；以及共享资源访问控制等。文中提供了丰富的代码示例，演示了如何创建线程、实现线程同步、处理共享资源竞争等问题，帮助开发者掌握Python多线程编程的核心技术。
python--threading多线程总结
weixin_34273046的博客
07-27 484
threading用于提供线程相关的操作，线程是应用程序中工作的最小单元。python当前版本的多线程库没有实现优先级、线程组，线程也不能被停止、暂停、恢复、中断。 threading模块提供的类：　　Thread, Lock, Rlock, Condition, [Bounded]Semaphore, Event, Timer, local。 threading 模块提供的常用方法：　...
线程：threading
banlixian6029的博客
09-25 259
操作系统线程理论 线程概念的引入背景 进程 　　之前我们已经了解了操作系统中进程的概念，程序并不能单独运行，只有将程序装载到内存中，系统为它分配资源才能运行，而这种执行的程序就称之为进程。程序和进程的区别就在于：程序是指令的集合，它是进程运行的静态描述文本；进程是程序的一次执行活动，属于动态概念。在多道编程中，我们允许多个程序同时加载到内存中，在操作系统的调度下，可以实现并发地...
threading线程Thread 类使用
小屁孩大帅-保密的博客
09-26 1103
1. 多线程的基本概念程序要完成两个任务：任务 1 进行一项复杂的计算，需要 1 秒才能完成。任务 2 读取磁盘，需要 1 秒才能完成。我们可以串行的执行这两项任务，先执行任务 1，再执行任务 2，完成这两项任务总共需要 2 秒，如下图所示：我们可以并行的执行这两项任务，同时执行这两项任务，完成这两项任务只需要 1 秒，...
Threading
张彤的专栏
12-06 1021
JoinThreadusing System;using System.Threading;class App {   static void MyThreadMethod() {      Console.WriteLine("This is the secondary thread running.");   }   static void Main() {      Consol
Threading-Examples-:用于调度线程的 Java 代码
07-10
线程-示例- 访问频道以获取更多线程演示 Sample01- 调度线程的 Java 代码 - 调度一个线程，使线程 t1,t2,t3 始终按顺序执行 Sample02- Java 线程代码来计算偶数 Sample03 - 解释线程 join() 的 Java 线程示例 ...
threading-macros.info:Clojure 线程宏动画
06-15
在 Clojure 编程语言中，线程宏（threading macros）是用于简化代码和提高可读性的重要工具。它们允许开发者将表达式中的值“穿过”一系列函数调用，从而构建复杂的操作链，而无需显式地为每个中间结果命名。这个...
multi-threading-parallel-asynchronous
05-26
本文将深入探讨Java中的多线程、并行和异步编程，并结合给定的文件名"multi-threading-parallel-asynchronous-main"来解析相关概念。 首先，我们要理解什么是多线程（Multi-threading）。在单核CPU系统中，多线程是...
Python-Threading-Examples
06-26
Python标准库提供了`threading`模块来支持线程操作，它允许程序同时执行多个不同的任务，提高程序的并发性。在这个"Python-Threading-Examples"项目中，我们可以深入理解并学习Python线程的使用方法。 线程是操作...
threading
江河水的专栏
03-04 399
threading 模块的Thread类有一个join()函数，允许主线程等待线程的结束 # -*- coding: UTF-8 -*- import threading import time loops = [4, 2] def loop(nloop, nesc): print "start loop", nloop, "at:", time.ctime() time.s
python 多线程编程
每日三省吾身
09-07 1416
今天来学习Python中另一个操作线程的模块：threading。threading通过对thread模块进行二次封装，提供了更方便的API来操作线程。今天内容比较多，闲话少说，现在就开始切入正题！ threading.Thread Thread 是threading模块中最重要的类之一，可以使用它来创建线程。有两种方式来创建线程：一种是通过继承Thread类，重写它的run方法；另一种是创...
Threading -- 简单高效的Python多线程利器
weixin_40313940的博客
12-15 484
给Python加速 在日常的工作学习中，有时候会遇到计算量很大的情况，这时候就要用到多线程来提高工作效率。 众所周知，Python是一门上手简单功能强大的语言，但是计算效率相对来说就比较“低”了，有时候一个程序要跑好久才能完成，这无疑是很难受的。那么提高Python程序运行速度就非常必须了。 要提升Python运行效率方法很多，比如可以在Python中调用C/C++，让C/C++来干“重活”，Python调用C/C++可参考我的这篇文章 。 除此之外，还可以将单线程的Python程序改成多线程来提升运行效率
Python多线程编程(一）：threading 模块 Thread 类的用法详解
热门推荐
frank 的专栏
12-19 27万+
我们进行程序开发的时候，肯定避免不了要处理并发的情况。 一般并发的手段有采用多进程和多线程。 但线程比进程更轻量化，系统开销一般也更低，所以大家更倾向于用多线程的方式处理并发的情况。 Python 提供多线程编程的方式。 本文基于 Python3 讲解,Python 实现多线程编程需要借助于 threading 模块。 所以，我们要在代码中引用它。 import threading thread...
python多线程MULTIP-THREADING
最新发布
07-29
在Python中，多线程编程是通过`threading`模块实现的，该模块提供了创建和管理线程的工具。多线程允许程序同时执行多个任务，从而提高响应能力和资源利用率。然而，由于Python的全局解释器锁（GIL）的存在，多线程在CPU密集型任务中并不能真正实现并行计算，但在I/O密集型任务中仍能显著提升性能。 ### 创建和启动线程 使用`threading.Thread`类可以创建线程对象，并通过调用其`start()`方法启动线程。以下是一个简单的示例： ```python import threading def worker(): print("Worker thread is running") # 创建线程对象 thread = threading.Thread(target=worker) # 启动线程 thread.start() # 等待线程结束 thread.join() ``` ### 线程同步 在多线程环境中，多个线程可能会同时访问共享资源，导致数据不一致或竞态条件。为了解决这个问题，可以使用线程同步机制，如锁（Lock）、条件变量（Condition）和信号量（Semaphore）等。例如，使用`threading.Lock`来确保同一时间只有一个线程访问共享资源： ```python import threading # 创建锁对象 lock = threading.Lock() shared_resource = 0 def increment(): global shared_resource for _ in range(100000): lock.acquire() shared_resource += 1 lock.release() # 创建多个线程 threads = [threading.Thread(target=increment) for _ in range(4)] for thread in threads: thread.start() for thread in threads: thread.join() print(f"Final value of shared resource: {shared_resource}") ``` ### 线程间通信 除了锁之外，还可以使用`threading.Condition`来进行线程间的协调。条件变量允许一个或多个线程等待某个条件成立，然后被通知继续执行。以下是一个使用条件变量的示例： ```python import threading condition = threading.Condition() resource_available = False def consumer(): with condition: while not resource_available: condition.wait() # 使用资源 print("Resource is being used") def producer(): global resource_available with condition: resource_available = True condition.notify_all() # 创建并启动线程 consumer_thread = threading.Thread(target=consumer) producer_thread = threading.Thread(target=producer) consumer_thread.start() producer_thread.start() consumer_thread.join() producer_thread.join() ``` ### 多线程与性能优化 尽管多线程在I/O密集型任务中非常有效，但在CPU密集型任务中，由于GIL的限制，多线程并不能充分利用多核处理器的优势。对于这类任务，推荐使用`multiprocessing`模块来实现真正的并行计算。 在设计多线程程序时，还需要注意以下几点： - **避免死锁**：确保每个线程获取锁的顺序一致，以防止死锁。 - **合理分配线程数量**：过多的线程会导致上下文切换开销增加，反而降低性能。 - **使用线程池**：可以使用`concurrent.futures.ThreadPoolExecutor`来简化线程管理，提高效率。 ### 示例：多线程下载文件 下面是一个使用多线程进行文件下载的示例，展示了如何并发地执行I/O密集型任务： ```python import threading import requests def download_file(url, filename): with requests.get(url, stream=True) as r: r.raise_for_status() with open(filename, 'wb') as f: for chunk in r.iter_content(chunk_size=8192): if chunk: f.write(chunk) print(f"{filename} downloaded") urls = [ "https://example.com/file1.txt", "https://example.com/file2.txt", "https://example.com/file3.txt" ] filenames = ["file1.txt", "file2.txt", "file3.txt"] threads = [] for url, filename in zip(urls, filenames): thread = threading.Thread(target=download_file, args=(url, filename)) threads.append(thread) thread.start() for thread in threads: thread.join() ``` 通过上述方法，可以在Python中有效地使用多线程编程[^1]。对于更复杂的并发需求，还可以考虑使用高级库如`asyncio`来进行异步编程，或者使用`concurrent.futures`模块提供的高级接口来简化并发任务的管理[^2]。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值