Python线程编程中的Thread该如何理解，针对这个问题，这篇文章详细介绍了相对应的分析和解答，希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。
线程被称为轻量级的进程
线程也可以使用计算机多核资源,是多任务编程方式
线程是系统分配内核的最小单元
线程可以理解为进程的分支任务
一个进程中可以包含多个线程
线程也是一个运行行为,消耗计算机资源
一个线程中的所有线程共享这个进程的资源
多个线程之间的运行互不影响各自运行
线程的创建和销毁消耗资源远小于进程
各个线程也有自己的ID等特征
from threading import Thread t = Thread() 功能: 创建线程对象 参数: target 绑定线程函数 args 元组 给线程函数位置传参 kwargs 字典 给线程函数键值传参
t.start()
t.join([timeout])
"""
thread1.py 线程基础使用
步骤:
1. 封装线程函数
2.创建线程对象
3.启动线程
4.回收线程
"""
import os
from threading import Thread
from time import sleep
a = 1
# 线程函数
def music():
for i in range(3):
sleep(2)
print('播放:黄河大合唱 %s' % os.getpid())
global a
print("a,",a)
a = 1000
# 创建线程对象
t = Thread(target=music)
# 启动线程
t.start()
for i in range(3):
sleep(1)
print('播放:beauty love %s' % os.getpid())
# 回收线程
t.join()
print('程序结束')
print("a,", a)1.t.name 线程名称
2.t.setName() 设置线程名称
3.t.getName()获取线程名称
4.t.is_alive() 查看线程是否在生命周期
5.t.daemon 设置主线程和分支线程退出分支线程也退出.要在start前设置 通常不和join 一起使用
6.代码演示
"""
thread3.py
线程属性演示
"""
from threading import Thread
from time import sleep
def fun():
sleep(3)
print('线程属性测试')
t = Thread(target=fun, name='ceshi')
# 主线程退出分支线程也退出 必须在start前使用 与join 没有意义
t.setDaemon(True)
t.start()
print(t.getName())
t.setName('Tedu')
print('is alive:', t.is_alive())
print('daemon', t.daemon)1.创建步骤
1.继承Thread类
2.重写 __init__方法添加自己的属性 使用super加载父类属性
3.重写run方法
2.使用方法
1.实例化对象
2.调佣start自动执行run方法
3.调佣join回收线程
代码演示
"""
自定义线程类例子
"""
from threading import Thread
# 自定义线程类
class ThreadClass(Thread):
# 重写父类 init
def __init__(self, *args, **kwargs):
self.attr = args[0]
# 加载父类init
super().__init__()
# 假设需要很多步骤完成功能
def f1(self):
print('1')
def f2(self):
print(2)
# 重写run 逻辑调佣
def run(self):
self.f1()
self.f2()
t = ThreadClass()
t.start()
t.join()from threading import Thread
from time import sleep, ctime
class MyThread(Thread):
def __init__(self, group=None, target=None, name=None,
args=(), kwargs=None, *, daemon=None):
super().__init__()
self.fun = target
self.args = args
self.kwargs = kwargs
def run(self):
self.fun(*self.args, **self.kwargs)
def player(sec, song):
for i in range(3):
print("Playing %s : %s" % (song, ctime()))
sleep(sec)
t = MyThread(target=player, args=(3,), kwargs={'song': '量量'})
t.start()
t.join()1.通信方法
1.线程间使用全局遍历进行通信
2.共享资源争夺
1.共享资源:多个进程或者线程都可以操作的资源称为共享资源,对共享资源的操作代码段称为临界区
2.影响:对公共资源的无序操作可能会带来数据的混乱,或者操作错误.此时往往需要同步互斥机制协调操作顺序
3.同步互斥机制
1.同步:同步是一种协作关系,为完成操作,多进程或者线程形成一种协调,按照必要的步骤有序执行操作
2.互斥:互斥是一种制约关系,当一个进程或者线程占有资源时,会进行加锁处理,此时其它进程线程就无法操作该资源,直到解锁后才能操作
## 9.线程同步互斥方法
from threading import Event # 创建线程event对象 e = Event() # 阻塞等待e被set e.wait([timeout]) # 设置e, 使wait结束阻塞 e.set() # 使e回到未被设置状态 e.clear() # 查看当前e是否被设置 e.is_set()
"""
event 线程互斥方法演示
"""
from threading import Event, Thread
s = None # 用于通信
e = Event()
def yzr():
print('杨子荣前来拜山头')
global s
s = '天王盖地虎'
e.set() #操作完共享资源 e设置
t = Thread(target=yzr)
t.start()
print('说对口令就是自己人')
e.wait() #阻塞等待 e.set()
if s == '天王盖地虎':
print('宝塔镇河妖')
print('确认过眼神,你是对的人')
e.clear()
else:
print('打死他...')
t.join()
print('程序结束')from threading import Lock lock = Lock()创建锁对象 lock.acquire() 上锁 如果lock已经上锁再调用会阻塞 lock.release() 解锁 with lock: 上锁 .... .... with 代码块解锁自动解锁
"""
thread_lock
线程锁演示
"""
from threading import Thread, Lock
a = b = 0
lock = Lock()
def value():
while True:
# 上锁
lock.acquire()
print('a=%d,b=%d' % (a, b)) if a != b else print('a不等于b')
# 解锁
lock.release()
t = Thread(target=value)
t.start()
while True:
# with 开始上锁
with lock:
a += 1
b += 1
# with 解锁 自动解锁
t.join()
print('程序结束')死锁是指两个或者两个以上的线程在执行过程中,由于竞争资源或者由于彼此通信而造成的一种阻塞的现象,若无外力作用,他们都将无法推进下去.此时称系统处于死锁状态或系统产生了死锁.
死锁发生的必要条件
互斥条件：指线程对所分配到的资源进行排它性使用，即在一段时间内某资源只由一个进程占用。如果此时还有其它进程请求资源，则请求者只能等待，直至占有资源的进程用毕释放。
请求和保持条件：指线程已经保持至少一个资源，但又提出了新的资源请求，而该资源已被其它进程占有，此时请求线程阻塞，但又对自己已获得的其它资源保持不放。
不剥夺条件：指线程已获得的资源，在未使用完之前，不能被剥夺，只能在使用完时由自己释放,通常CPU内存资源是可以被系统强行调配剥夺的。
环路等待条件：指在发生死锁时，必然存在一个线程——资源的环形链，即进程集合{T0，T1，T2，···，Tn}中的T0正在等待一个T1占用的资源；T1正在等待T2占用的资源，……，Tn正在等待已被T0占用的资源。
死锁的产生原因
简单来说造成死锁的原因可以概括成三句话：
当前线程拥有其他线程需要的资源
当前线程等待其他线程已拥有的资源
都不放弃自己拥有的资源
如何避免死锁
死锁是我们非常不愿意看到的一种现象，我们要尽可能避免死锁的情况发生。通过设置某些限制条件，去破坏产生死锁的四个必要条件中的一个或者几个，来预防发生死锁。预防死锁是一种较易实现的方法。但是由于所施加的限制条件往往太严格，可能会导致系统资源利用率。
from time import sleep
from threading import Thread, Lock
# 交易类
class Account:
def __init__(self, _id, balance, lock):
# 用户
self._id = _id
# 存款
self.balance = balance
# 锁
self.lock = lock
# 取钱
def withdraw(self, amount):
self.balance -= amount
# 存钱
def deposit(self, amount):
self.balance += amount
# 余额
def get_balance(self):
return self.balance
Tom = Account('Tom', 5000, Lock())
Alex = Account('Alex', 8000, Lock())
def transfer(from_, to, amount):
# 锁住自己账户
if from_.lock.acquire():
# 账户减少
from_.withdraw(amount)
sleep(0.5)
if to.lock.acquire():
to.deposit(amount)
to.lock.release()
from_.lock.release()
print('转账完成 %s给%s转账%d' % (from_._id, to._id, amount))
# transfer(Tom, Alex, 1000)
t1 = Thread(target=transfer, args=(Tom, Alex, 2000))
t2 = Thread(target=transfer, args=(Alex, Tom, 3500))
t1.start()
t2.start()
t1.join()
t2.join()
print('程序结束')什么是GIL ：由于python解释器设计中加入了解释器锁，导致python解释器同一时刻只能解释执行一个线程，大大降低了线程的执行效率。
导致后果： 因为遇到阻塞时线程会主动让出解释器，去解释其他线程。所以python多线程在执行多阻塞高延迟IO时可以提升程序效率，其他情况并不能对效率有所提升。
GIL问题建议
尽量使用进程完成无阻塞的并发行为
不使用c作为解释器 （Java C#）
在无阻塞状态下，多线程程序和单线程程序执行效率几乎差不多，甚至还不如单线程效率。但是多进程运行相同内容却可以有明显的效率提升。
关于Python线程编程中的Thread该如何理解问题的解答就分享到这里了，希望以上内容可以对大家有一定的帮助，如果你还有很多疑惑没有解开，可以关注亿速云行业资讯频道了解更多相关知识。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
