Python中的多线程怎么实现
导读:本文共3895字符,通常情况下阅读需要13分钟。同时您也可以点击右侧朗读,来听本文内容。按键盘←(左) →(右) 方向键可以翻页。
摘要: 前言:多线程简单理解就是:一个CPU,也就是单核,将时间切成一片一片的,CPU轮转着去处理一件一件的事情,到了规定的时间片就处理下一件事情。1.python中显示当前线程信息的属性和方法#coding:utf-8#导入threading包importthreadingif__name__=="__main__":print("... ...
目录
(为您整理了一些要点),点击可以直达。前言:
多线程简单理解就是:一个CPU,也就是单核,将时间切成一片一片的,CPU轮转着去处理一件一件的事情,到了规定的时间片就处理下一件事情。
1.python中显示当前线程信息的属性和方法
#coding:utf-8#导入threading包importthreadingif__name__=="__main__":print("当前活跃线程的数量",threading.active_count())print("将当前所有线程的具体信息展示出来",threading.enumerate())print("当前的线程的信息展示",threading.current_thread())
效果图:
2.添加一个线程
#coding:utf-8importthreadingimporttimedefjob1():#让这个线程多执行几秒time.sleep(5)print("thenumberofT1is%s"%threading.current_thread())if__name__=="__main__":#创建一个新的线程new_thread=threading.Thread(target=job1,name="T1")#启动新线程new_thread.start()print("当前线程数量为",threading.active_count())print("所有线程的具体信息",threading.enumerate())print("当前线程具体信息",threading.current_thread())
效果图:
3.线程中的join函数
(1)预想的是,执行完线程1,然后输出All done…“理想很丰满,现实却不是这样的”
#coding:utf-8importthreadingimporttimedefjob1():print("T1start")foriinrange(5):time.sleep(1)print(i)print("T1finish")defmain():#新创建一个线程new_thread=threading.Thread(target=job1,name="T1")#启动新线程new_thread.start()print("Alldone...")if__name__=="__main__":main()
效果图:
(2)为了达到我们的预期,我们使用join函数,将T1线程进行阻塞。join函数进行阻塞是什么意思?就是哪个线程使用了join函数,当这个线程正在执行时,在他之后的线程程序不能执行,得等这个被阻塞的线程全部执行完毕之后,方可执行!
#coding:utf-8importthreadingimporttimedefjob1():print("T1start")foriinrange(5):time.sleep(1)print(i)print("T1finish")defmain():#新创建一个线程new_thread=threading.Thread(target=job1,name="T1")#启动新线程new_thread.start()#阻塞这个T1线程new_thread.join()print("Alldone...")if__name__=="__main__":main()
效果图:
4.使用Queue存储线程的结果
线程的执行结果,无法通过return进行返回,使用Queue存储。
#coding:utf-8importthreadingfromqueueimportQueue"""Queue的使用"""defjob(l,q):foriinrange(len(l)):l[i]=l[i]**2q.put(l)defmultithreading():#创建队列q=Queue()#线程列表threads=[]#二维列表data=[[1,2,3],[4,5,6],[7,8,9],[6,6,6]]foriinrange(4):t=threading.Thread(target=job,args=(data[i],q))t.start()threads.append(t)#对所有线程进行阻塞forthreadinthreads:thread.join()results=[]#将新队列中的每个元素挨个放到结果列表中for_inrange(4):results.append(q.get())print(results)if__name__=="__main__":multithreading()
效果图:
5.线程锁lock
当同时启动多个线程时,各个线程之间会互相抢占计算资源,会造成程序混乱。
举个栗子:
当我们在选课系统选课时,当前篮球课还有2个名额,我们三个人去选课。
选课顺序为stu1 stu2 stu3,应该依次打印他们三个的选课过程,但是现实情况却是:
#coding:utf-8importthreadingimporttimedefstu1():print("stu1开始选课")globalcourseifcourse>0:course-=1time.sleep(2)print("stu1选课成功,现在篮球课所剩名额为%d"%course)else:time.sleep(2)print("stu1选课失败,篮球课名额为0,请选择其他课程")defstu2():print("stu2开始选课")globalcourseifcourse>0:course-=1time.sleep(2)print("stu2选课成功,现在篮球课所剩名额为%d"%course)else:time.sleep(2)print("stu2选课失败,篮球课名额为0,请选择其他课程")defstu3():print("stu3开始选课")globalcourseifcourse>0:course-=1time.sleep(2)print("stu3选课成功")print("篮球课所剩名额为%d"%course)else:time.sleep(2)print("stu3选课失败,篮球课名额为0,请选择其他课程")if__name__=="__main__":#篮球课名额course=2T1=threading.Thread(target=stu1,name="T1")T2=threading.Thread(target=stu2,name="T2")T3=threading.Thread(target=stu3,name="T3")T1.start()T2.start()T3.start()
效果图:
为了解决这种情况,我们使用lock线程同步锁,在线程并发执行时,保证每个线程执行的原子性。有效防止了共享统一数据时,线程并发执行的混乱。
改进的代码如下:
#coding:utf-8importthreadingimporttimedefstu1():globallocklock.acquire()print("stu1开始选课")globalcourseifcourse>0:course-=1time.sleep(2)print("stu1选课成功,现在篮球课所剩名额为%d"%course)else:time.sleep(2)print("stu1选课失败,篮球课名额为0,请选择其他课程")lock.release()defstu2():globallocklock.acquire()print("stu2开始选课")globalcourseifcourse>0:course-=1print("stu2选课成功,现在篮球课所剩名额为%d"%course)else:time.sleep(1)print("stu2选课失败,篮球课名额为0,请选择其他课程")lock.release()defstu3():globallocklock.acquire()print("stu3开始选课")globalcourseifcourse>0:course-=1time.sleep(1)print("stu3选课成功,现在篮球课所剩名额为%d"%course)else:time.sleep(1)print("stu3选课失败,篮球课名额为0,请选择其他课程")lock.release()if__name__=="__main__":#篮球课名额course=2#创建同步锁lock=threading.Lock()T1=threading.Thread(target=stu1,name="T1")T2=threading.Thread(target=stu2,name="T2")T3=threading.Thread(target=stu3,name="T3")T1.start()T2.start()T3.start()
效果图:
</div> <div class="zixun-tj-product adv-bottom"></div> </div> </div> <div class="prve-next-news">
Python中的多线程怎么实现的详细内容,希望对您有所帮助,信息来源于网络。