17.线程

线程

本章将介绍Python中的多线程编程。多线程一直是Python学习中的重点和难点，需要反复练习和研究。

线程和进程

在学习多线程的使用之前，需要先了解线程、进程的概念。

进程

进程（Process，有时被称为重量级进程）是程序的一次执行。每个进程都有自己的地址空间、内存、数据栈以及记录运行轨迹的辅助数据，操作系统管理运行的所有进程，并为这些进程公平分配时间。进程可以通过fork和spawn操作完成其他任务。

因为各个进程有自己的内存空间、数据栈等，所以只能使用进程间通信（Inter Process Communication, IPC），而不能直接共享信息。

线程

线程（Thread，有时被称为轻量级进程）跟进程有些相似，不同的是所有线程运行在同一个进程中，共享运行环境。

线程有开始、顺序执行和结束3部分，有一个自己的指令指针，记录运行到什么地方。线程的运行可能被抢占（中断）或暂时被挂起（睡眠），从而让其他线程运行，这叫作让步。

一个进程中的各个线程之间共享同一块数据空间，所以线程之间可以比进程之间更方便地共享数据和相互通信。

线程一般是并发执行的。正是由于这种并行和数据共享的机制，使得多个任务的合作变得可能。实际上，在单CPU系统中，真正的并发并不可能，每个线程会被安排成每次只运行一小会儿，然后就把CPU让出来，让其他线程运行。在进程的整个运行过程中，每个线程都只做自己的事，需要时再跟其他线程共享运行结果。多个线程共同访问同一块数据不是完全没有危险的，由于访问数据的顺序不一样，因此有可能导致数据结果不一致的问题，这叫作竞态条件。大多数线程库都带有一系列同步原语，用于控制线程的执行和数据的访问。

使用线程

本小节主要学习Python中的threading模块。

全局解释器锁

Python代码的执行由Python虚拟机（解释器主循环）控制。Python在设计之初就考虑到在主循环中只能有一个线程执行，虽然Python解释器中可以“运行”多个线程，但是在任意时刻只有一个线程在解释器中运行。

Python虚拟机的访问由全局解释器锁（Global Interpreter Lock, GIL）控制，这个锁能保证同一时刻只有一个线程运行。

在多线程环境中，Python虚拟机按以下方式执行：

1. 设置GIL。
2. 切换到一个线程运行。
3. 运行指定数量的字节码指令或线程主动让出控制（可以调用time.sleep(0)）。
4. 把线程设置为睡眠状态。
5. 解锁GIL。
6. 再次重复以上所有步骤。

在调用外部代码（如C/C++扩展函数）时，GIL将被锁定，直到这个函数结束为止（由于在此期间没有运行Python的字节码，因此不会做线程切换），编写扩展的程序员可以主动解锁GIL。

多任务的概念

什么叫 "多任务" 呢？简单地说，就是操作系统可以同时运行多个任务。打个比方，你一边在用浏览器上网，一边在听MP3，一边在用Word赶作业，这就是多任务，至少同时有3个任务正在运行。还有很多任务悄悄地在后台同时运行着，只是桌面上没有显示而已。

现在，多核CPU已经非常普及了，但是，即使过去的单核CPU，也可以执行多任务。由于CPU执行代码都是顺序执行的，那么，单核CPU是怎么执行多任务的呢？

答案就是: 操作系统轮流让各个任务交替执行，任务1执行0.01秒，切换到任务2，任务2执行0.01秒，再切换到任务3，执行0.01秒……这样反复执行下去。表面上看，每个任务都是交替执行的，但是，由于CPU的执行速度实在是太快了，我们感觉就像所有任务都在同时执行一样。

真正的并行执行多任务只能在多核CPU上实现，但是，由于任务数量远远多于CPU的核心数量，所以，操作系统也会自动把很多任务轮流调度到每个核心上执行。

注意：

• 并发：指的是任务数多余cpu核数，通过操作系统的各种任务调度算法，实现用多个任务“一起”执行（实际上总有一些任务不在执行，因为切换任务的速度相当快，看上去一起执行而已）
• 并行：指的是任务数小于等于cpu核数，即任务真的是一起执行的。

threading 模块的使用

单线程代码示例：

import time


def print_hello():
    print('hello')
    time.sleep(1)
    
    
if __name__ == "__main__":
    for i in range(5):
        print_hello()

多线程代码示例：

import time
import threading


def print_hello():
    print('hello')
    time.sleep(1)
    
    
if __name__ == "__main__":
    t = threading.Thread(target=print_hello)
    t.start()

主线程等待所有子线程结束后退出

import threading
from time import sleep, ctime


def sing():
    for i in range(3):
        print(f'正在唱歌: {i}')
        sleep(1)

def dance():
    for i in range(3):
        print(f'正在跳舞: {i}')
        sleep(1)

if __name__ == "__main__":
    print(f'程序开始: {ctime()}')
    t1 = threading.Thread(target=sing)
    t2 = threading.Thread(target=dance)
    t1.start()
    t2.start()
    # 注释下一行代码查看程序是否立即退出
    # sleep(5)
    print(f'程序结束: {ctime()}')

查看线程数量

import threading
from time import sleep, ctime


def sing():
    for i in range(3):
        print(f'正在唱歌: {i}')
        sleep(1)

def dance():
    for i in range(3):
        print(f'正在跳舞: {i}')
        sleep(1)

if __name__ == "__main__":
    print(f'程序开始: {ctime}')
    t1 = threading.Thread(target=sing)
    t2 = threading.Thread(target=dance)

    t1.start()
    t2.start()

    while True:
        length = len(threading.enumerate())
        print(f'当前线程数量: {length}')
        if length <= 1:
            break
        sleep(0.5)

线程执行代码的封装

通过上一小节，能够看出，通过使用threading模块能完成多任务的程序开发，为了让每个线程的封装性更完美，所以使用threading模块时，往往会定义一个新的子类class，只要继承threading.Thread就可以了，然后重写run方法。

示例如下：

import time
import threading


class MyThread(threading.Thread):
    def run(self):
        for i in range(3):
            time.sleep(1)
            # self.name是threading模块中的一个方法 保存的是当前线程的名称
            msg = '我是 ' + self.name + ' @ ' + str(i)
            print(msg)


if __name__ == "__main__":
    t = MyThread()
    t.start()

说明：python的threading.Thread类有一个run方法，用于定义线程的功能函数，可以在自己的线程类中覆盖该方法。而创建自己的线程实例后，通过Thread类的start方法，可以启动该线程，交给python虚拟机进行调度，当该线程获得执行的机会时，就会调用run方法执行线程。

线程的执行顺序

import time
import threading


class MyThread(threading.Thread):
    def run(self):
        for i in range(3):
            time.sleep(1)
            msg = '我是 ' + self.name + ' @ ' + str(i)
            print(msg)


def test():
    for i in range(5):
        t = MyThread()
        t.start()


if __name__ == "__main__":
    test()

说明：从代码和执行结果我们可以看出，多线程程序的执行顺序是不确定的。当执行到sleep语句时，线程将被阻塞（Blocked），到sleep结束后，线程进入就绪（Runnable）状态，等待调度。而线程调度将自行选择一个线程执行。上面的代码中只能保证每个线程都运行完整个run函数，但是线程的启动顺序、run函数中每次循环的执行顺序都不能确定。

总结

1. 每个线程默认有一个名字，尽管上面的例子中没有指定线程对象的name，但是python会自动为线程指定一个名字。
2. 当线程的run()方法结束时该线程完成。
3. 无法控制线程调度程序，但可以通过别的方式来影响线程调度的方式。

3. 多线程 - 共享全局变量

整型类型共享

import time
import threading

g_num = 100


def work_1():
    global g_num
    for i in range(3):
        # 循环相加三次
        g_num += 1
    print(f"子线程1中计算得出的值为: {g_num}")


def work_2():
    global g_num
    print(f'子线程2中获取到的值为: {g_num}')


if __name__ == '__main__':
    # 线程启动之前获取全局变量
    print(f'子线程未启动之前主线程获取的值为: {g_num}')

    # 创建线程对象
    t1 = threading.Thread(target=work_1)
    t1.start()

    # 通过延迟保证t1线程中的事情做完
    time.sleep(0.1)

    t2 = threading.Thread(target=work_2)
    t2.start()

    time.sleep(0.1)
    print(f'主线程最终获取到的值为: {g_num}')

序列类型共享

import time
import threading

g_nums = [11, 22, 33]


def work_1(nums):
    # 在全局列表中添加一个元素
    nums.append(44)
    print(f'子线程1添加完成之后的列表元素为: {nums}')


def work_2(nums):
    print(f'子线程2获取的列表元素为: {nums}')


if __name__ == '__main__':
    t1 = threading.Thread(target=work_1, args=(g_nums,))
    t1.start()
    # 确保子线程1完成操作后再执行一下代码
    time.sleep(0.1)
    t2 = threading.Thread(target=work_2, args=(g_nums,))
    t2.start()
    time.sleep(0.1)
    print(f'主线程获取到的全局列表元素为: {g_nums}')

总结：

• 在一个进程内的所有线程共享全局变量，很方便在多个线程间共享数据
• 缺点就是，线程是对全局变量随意更改可能造成多线程之间对全局变量的混乱（即线程非安全）

4. 多线程 - 共享全局变量问题

多线程开发可能遇到的问题

假设两个线程t1和t2都要对全局变量g_num(默认是0)进行加1运算，t1和t2都各对g_num加10次，g_num的最终的结果应该为20。

但是由于是多线程同时操作，有可能出现下面情况：

1. 在g_num=0时，t1取得g_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g_num=0
2. 然后t2对得到的值进行加1并赋给g_num，使得g_num=1
3. 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g_num。
4. 这样导致虽然t1和t2都对g_num加1，但结果仍然是g_num=1

示例代码一：

import threading
import time

g_num = 0


def work_1(num):
    global g_num
    for i in range(num):
        g_num += 1
    print(f"线程1计算的结果为: {g_num}")


def work_2(num):
    global g_num
    for i in range(num):
        g_num += 1
    print(f"线程2计算的结果为: {g_num}")


if __name__ == "__main__":
    print(f"线程创建之前g_num的值为: {g_num}")
    t1 = threading.Thread(target=work_1, args=(100,))
    t1.start()

    t2 = threading.Thread(target=work_2, args=(100,))
    t2.start()

    # 等待子线程任务执行完毕后再执行主线程代码
    while len(threading.enumerate()) != 1:
        time.sleep(1)

    print("2个线程对同一个全局变量操作之后的最终结果是:%s" % g_num)

示例代码二：

import threading
import time

g_num = 0


def work_1(num):
    global g_num
    for i in range(num):
        g_num += 1
    print(f"线程1计算的结果为: {g_num}")


def work_2(num):
    global g_num
    for i in range(num):
        g_num += 1
    print(f"线程2计算的结果为: {g_num}")


if __name__ == "__main__":
    print(f"线程创建之前g_num的值为: {g_num}")
    t1 = threading.Thread(target=work_1, args=(1000000,))
    t1.start()

    t2 = threading.Thread(target=work_2, args=(1000000,))
    t2.start()

    # 等待子线程任务执行完毕后再执行主线程代码
    while len(threading.enumerate()) != 1:
        time.sleep(1)

    print("2个线程对同一个全局变量操作之后的最终结果是:%s" % g_num)

结论：如果多个线程同时对同一个全局变量操作，会出现资源竞争问题，从而数据结果会不正确

3. 同步的概念

同步就是协同步调，按预定的先后次序进行运行。如:你说完，我再说。

"同" 字从字面上容易理解为一起动作

其实不是，"同" 字应是指协同、协助、互相配合。

如进程、线程同步，可理解为进程或线程A和B一块配合，A执行到一定程度时要依靠B的某个结果，于是停下来，示意B运行;B执行，再将结果给A;A再继续操作。

解决线程同时修改全局变量的方式

对于上一小节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g_num的值为0，此时上一把锁，即不允许其他线程操作g_num
2. t1对g_num的值进行+1
3. t1解锁，此时g_num的值为1，其他的线程就可以使用g_num了，而且是g_num的值不是0而是1
4. 同理其他线程在对g_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

4. 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()

# 释放
mutex.release()

注意点：

• 如果这个锁之前是没有上锁的，那么acquire不会堵塞
• 如果在调用acquire对这个锁上锁之前 它已经被 其他线程上了锁，那么此时acquire会堵塞，直到这个锁被解锁为止

互斥锁的使用

import threading
import time


# 创建一个互斥锁
# 默认是未上锁的状态
mutex = threading.Lock()
# 全局变量
g_num = 0
    
def add_number_1(num):
    global g_num
    for i in range(num):
        mutex.acquire()  # 上锁
        g_num += 1
        mutex.release()  # 解锁

    print(f"线程1计算得出的结果为: {g_num}")

def add_number_2(num):
    global g_num
    for i in range(num):
        mutex.acquire()  # 上锁
        g_num += 1
        mutex.release()  # 解锁

    print(f"线程2计算得出的结果为: {g_num}")

if __name__ == "__main__":
    # 创建2个线程，让他们各自对g_num加1000000次
    p1 = threading.Thread(target=add_number_1, args=(1000000,))
    p1.start()

    p2 = threading.Thread(target=add_number_2, args=(1000000,))
    p2.start()

    # 等待计算完成
    while len(threading.enumerate()) != 1:
        time.sleep(1)

    print("2个线程对同一个全局变量操作之后的最终结果是:%s" % g_num)

可以看到最后的结果，加入互斥锁后，其结果与预期相符。

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。

总结：

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

5. 死锁

在线程间共享多个资源的时候，如果两个线程分别占有一部分资源并且同时等待对方的资源，就会造成死锁。

尽管死锁很少发生，但一旦发生就会造成应用的停止响应。

死锁代码案例

#coding=utf-8
import threading
import time

mutexA = threading.Lock()
mutexB = threading.Lock()

class MyThread1(threading.Thread):
    def run(self):
        # 对mutexA上锁
        mutexA.acquire()

        # mutexA上锁后，延时1秒，等待另外那个线程 把mutexB上锁
        print(self.name+'----do1---up----')
        time.sleep(1)

        # 此时会堵塞，因为这个mutexB已经被另外的线程抢先上锁了
        mutexB.acquire()
        print(self.name+'----do1---down----')
        mutexB.release()

        # 对mutexA解锁
        mutexA.release()

class MyThread2(threading.Thread):
    def run(self):
        # 对mutexB上锁
        mutexB.acquire()

        # mutexB上锁后，延时1秒，等待另外那个线程 把mutexA上锁
        print(self.name+'----do2---up----')
        time.sleep(1)

        # 此时会堵塞，因为这个mutexA已经被另外的线程抢先上锁了
        mutexA.acquire()
        print(self.name+'----do2---down----')
        mutexA.release()

        # 对mutexB解锁
        mutexB.release()

        
if __name__ == '__main__':
    t1 = MyThread1()
    t2 = MyThread2()
    t1.start()
    t2.start()