继承式多线程
一、前言 |
之前，我们只是简单的介绍了多线程演示，也通过时间设置看出来了，多线程和单线程的不同。现在我们进行更深入的了解，来聊一聊，另外一种多线程方式，继承式多线程，和一个多线程的等待。
二、继承式多线程
|
2.1、定义
说明：继承式多线程是自己自定义类，去继承theading.Tread这个类，通过启动，去执行run方法中的代码。
import threading
import time
class MyThead(threading.Thread): #继承threading.Thread
"继承式多线程"
def __init__(self,n):
super(MyThead,self).__init__()
self.n = n
def run(self): #重写run方法
"这个方法不能叫别的名字，只能叫run方法"
print("runinit task",self.n)
time.sleep(2)
t1 = MyThead("t1") #实例化
t2 = MyThead("t2")
t1.start() #启动一个多线程
t2.start()
三、启动多个线程
|
我们之前只启动了一个2个线程，还是用那种古老的方式t1,t2。那我想一下子起10个或者100个线程，该如何起呐？这边我们可以启动线程的时候，把它加到循环里面去。并且来计算一下它的时间。
3.1、启动多个线程
说明：我们这边为了方便实验，就启动5个线程吧，暂时不启动那么多，并且计算一下时间。那有些同学说了，你为啥不启动1000个线程或者更多一点的线程。这边注意了：你的计算机是4核的，它能干的事情，就是4个任务。你启动的线程越多，就代表着要在这个很多线程之间进行上下文切换。相当于我有一本书，我只看了半页，因为cpu要确保每个人都能执行。也就是说我一本说我要确保你们每一位同学都能看到，那就相当于每个人执行的时间非常少。我把这本说拿过来，一下子又被第二个人，第三个人拿走了。所以就导致所有的人都慢了，所以说你的线程启动1000，启动10000就没有意义了，导致机器越来越慢，所以要适当设置。下面我们就来看看一下子启动多个线程的例子，例子如下：
import threading,time
def run(n): #这边的run方法的名字是自行定义的，跟继承式多线程不一样，那个是强制的
print("task:",n)
time.sleep(2)
print("task done",n)
start_time = time.time() #开始时间
for i in range(5): #一次性启动5个线程
t = threading.Thread(target=run,args=("t-{0}".format(i),))
t.start()
print("--------all thead has finished")
print("cost:",time.time()-start_time) #计算总耗时
#输出
task: t-0
task: t-1
task: t-2
task: t-3
task: t-4
--------all thead has finished
cost: 0.00096893310546875
task done t-1
task done t-2
task done t-0
task done t-4
task done t-3
大家有没有从上面的程序发现问题，就是我主线程没有等其他的子线程执行完毕，就直接往下执行了，这是为什么呢？而且这个计算的时间根本不是我们想要的时间，中间的2秒哪里去了?
答案：一个程序至少有一个线程，那先往下走的，没有等的就是主线程，主线程启动了子线程之后，子线程就是独立的，跟主线程就没有关系了。主线程和它启动的子线程是并行关系，这就解释了为什么我的主线程启动子线程之后，没有等子线程，而继续往下走了。所以我们计算不出来时间，因为程序已经不是串行的了。程序本身就是一个线程，就是主线程。但是我就是想测试总共花了多长时间，咋办呐？不要着急精彩继续
四、等待线程执行结果
|
4.1、join设置等待线程执行结果
说明：通过设置在主线程里去等待子线程的执行结果，有了这个执行结果就完了，我要拿所有子线程的执行结果，如果有子线程的执行结果，我们一切都好办了。
import threading
import time
class MyThead(threading.Thread):
"继承式多线程"
def __init__(self,n):
super(MyThead,self).__init__()
self.n = n
def run(self):
"这个方法不能叫别的名字，只能叫run方法"
print("runinit task",self.n)
time.sleep(2)
t1 = MyThead("t1")
t2 = MyThead("t2")
t1.start()
t1.join() #等待t1线程的执行结果，相当于于其他语言里面的 t1.wait()
t2.start()
注：
- t1.join() => 等待第一个线程的执行结果，这个结果在没有返回之前，程序是不往下走的。
- t2.start() => 这个后面没有写 join() 这个方法，但是程序在退出之前，它肯定要确保线程都执行完毕，所以它就默认就有一个join。所以最后不写。
4.2、实现并发效果
说明：上面虽然有我想要的结果，却失去了并行的效果。我想要的是线程依然是并行效果，但是只不过，所有的线程统一之后再等主线程往下走。
import threading,time
class MyThead(threading.Thread):
"继承式多线程"
def __init__(self,n,sleep_time): #增加时间属性
super(MyThead,self).__init__()
self.n = n
self.sleep_time = sleep_time
def run(self):
print("runinit task",self.n)
time.sleep(self.sleep_time) #每个线程可以传入不不同的时间
print("task done,",self.n)
t1 = MyThead("t1",2) #t1传入2秒
t2 = MyThead("t2",4) #t2传入4秒
t1.start()
t2.start()
t1.join() #把t1.join()放在线程启动之后
print("main thead.....")
#执行结果
runinit task t1
runinit task t2
task done, t1
main thead.....
task done, t2
注意了：t1.join() => 这边只等t1的结果，然后主线程继续往下走，因为t2需要等4秒，所以，最后打出来的是t2的执行结果。t1的结果到了，就立刻算结果。这边只计算了t1的结果，没有t2的结果。如果想算t2的结果，就 t2.join()。上面代码不理解如图：
4.3、计算多个线程的执行时间
说明：我们用上面的执行重新改进一下第二知识点里面的代码，来计算一下10个线程启动执行的时间。
import threading,time
def run(n):
print("task:",n)
time.sleep(2)
print("task done",n)
start_time = time.time()
t_objs = [] #存放子线程实例
for i in range(5):
t = threading.Thread(target=run,args=("t-{0}".format(i),))
t.start()
t_objs.append(t) #为了不阻塞后面线程的启动，不在这里join，先放到一个列表中
for t in t_objs: #循环线程实例列表，等待所有线程执行完毕
t.join()
print("--------all thead has finished")
print("cost:",time.time()-start_time)
#输出
task: t-0
task: t-1
task: t-2
task: t-3
task: t-4
task done t-2
task done t-1
task done t-0
task done t-4
task done t-3
--------all thead has finished
cost: 2.003025770187378
这样结果正是我们想要的。
