Python多线程与队列

Python多线程与Queue队列多线程在感官上类似于同时执行多个程序，虽然由于GIL的存在，在Python中无法实现线程的真正并行，但是对于某些场景，多线程仍不失为一个有效的处理方法：

1，不紧急的，无需阻塞主线程的任务，此时可以利用多线程在后台慢慢处理；
2，IO密集型操作，比如文件读写、用户输入和网络请求等，此时多线程可以近似达到甚至优于多进程的表现；

多线程的基本使用不再赘述，以下语法便可轻松实现：

def task(args1, args2):
    pass

Thread(
    target=task,
    args=(args1, args2)
).start()

这里我们重点关注线程通信。

假设有这么一种场景：有一批源数据，指定一个操作系数N，需要分别对其进行与N的加减乘除操作，并将结果汇总。
当然这里的加减乘除只是一种简单处理，在实际的生产环境中，它其实代表了一步较为复杂的业务操作，并包含了较多的IO处理。

自然我们想到可以开启多线程处理，那么紧接着的问题便是：如何划分线程，是根据处理步骤划分，还是根据源数据划分？

对于前者，我们把涉及的业务操作单独划分位一个线程，即有4个线程分别进行加减乘除的操作，显然上一个线程的结果是下一个线程的输入，这类似于流水线操作；

而后者则是把源数据分为若干份，每份启动一个线程进行处理，最终把结果汇总。一般来说，我们推荐第一种方式。因为在一个线程中完成所有的操作不如每步一个线程清晰明了，

尤其是在一些复杂的场景下，会加大单个线程的出错概率和测试难度。

那么我们将开辟4个线程，分别执行加减乘除操作。最后一个除法线程结束则任务完成：

 

#!/usr/bin/env python
# -*- coding: utf-8 -*-

from Queue import Queue
from threading import Thread


class NumberHandler(object):
    def __init__(self, n):
        self.n = n

    def add(self, num):
        return num + self.n

    def subtract(self, num):
        return num - self.n

    def multiply(self, num):
        return num * self.n * self.n

    def divide(self, num):
        return num / self.n


class ClosableQueue(Queue):
    SENTINEL = object()

    def close(self):
        self.put(self.SENTINEL)

    def __iter__(self):
        while True:
            item = self.get()
            try:
                if item is self.SENTINEL:
                    return
                yield item
            finally:
                self.task_done()


class StoppableWorker(Thread):
    def __init__(self, func, in_queue, out_queue):
        super(StoppableWorker, self).__init__()
        self.in_queue = in_queue
        self.out_queue = out_queue
        self.func = func

    def run(self):
        for item in self.in_queue:
            result = self.func(item)
            self.out_queue.put(result)
            print self.func


if __name__ == '__main__':
    source_queue = ClosableQueue()
    add_queue = ClosableQueue()
    subtract_queue = ClosableQueue()
    multiply_queue = ClosableQueue()
    divide_queue = ClosableQueue()
    result_queue = ClosableQueue()

    number_handler = NumberHandler(5)

    threads = [
        StoppableWorker(number_handler.add, add_queue, subtract_queue),
        StoppableWorker(number_handler.subtract, subtract_queue, multiply_queue),
        StoppableWorker(number_handler.multiply, multiply_queue, divide_queue),
        StoppableWorker(number_handler.divide, divide_queue, result_queue),
    ]

    for _thread in threads:
        _thread.start()

    for i in range(10):
        add_queue.put(i)

    add_queue.close()
    add_queue.join()
    print 'add job done...'
    subtract_queue.close()
    subtract_queue.join()
    print 'subtract job done...'
    multiply_queue.close()
    multiply_queue.join()
    print 'multiply job done...'
    divide_queue.close()
    divide_queue.join()
    print 'divide job done...'
    result_queue.close()

    print "%s items finished, result: %s" % (result_queue.qsize(), result_queue)

    for i in result_queue:
        print i

运行结果：

线程执行日志：

 

 

 总的结果：

 

 可见线程交叉运行，但是任务却是顺序结束，这符合我们的预期。

值得注意的是，我们在ClosableQueue定义了一个close()方法，通过放入一个特殊的类变量SENTINEL告诉队列应该关闭。此外，由于直接加减乘除结果不变，因此我特意乘了两次来便于我们判断结果。

总结：

1. Queue是一种高效的任务处理方式，它可以把任务处理流程划分为若干阶段，并使用多条python线程来同时执行这些子任务；

2. Queue类具备阻塞式的队列操作、能够指定缓冲区尺寸，而且还支 持join方法，这使得开发者可以构建出健壮的流水线。