Python学习-八周四次课（12月14日）

八周四次课（12月14日）
15.3 多线程共享变量
15.4 线程池

 

python多线程可以使任务得到并发执行，但是有时候在执行多次任务的时候，变量出现“意外”。

 

import threading,time
n=0
start=time.time()
def b1(num):
    global n
    n=n+num
    n=n-num
def b2(num):
    for i in range(1000000):
        b1(num)
t1=threading.Thread(target=b2,args=(5,))
t2=threading.Thread(target=b2,args=(8,))
t1.start()
t2.start()
t1.join()
t2.join()
end=time.time()
print(n)
print(end-start)

执行结果：

 

 

18
0.7520430088043213

可见变量n从0变成了18，用时是0.75s，原因是计算机系统计算类似n=n+num是分两步计算的，先计算n+num的值放进内存中，然后再把计算的值赋值给n，正是这个间隙导致了变量出现“意外”。

 

这时候可以使用threading.Lock来把线程中的变量锁定，使用完再释放！

 

import threading,time
n=0
lock=threading.Lock()
start=time.time()
def b1(num):
    global n
    n=n+num
    n=n-num
def b2(num):
    for i in range(1000000):
            lock.acquire()#等待获取或获取修改变量的权限，并霸占它们
            b1(num)
            lock.release()#释放霸占的变量
t1=threading.Thread(target=b2,args=(5,))
t2=threading.Thread(target=b2,args=(8,))
t1.start()
t2.start()
t1.join()
t2.join()
end=time.time()
print(n)
print(end-start)

执行结果：

 

 

0
3.335190773010254

虽然变量的值正确了，但慢了很多倍，效率大大的打折扣，多线程的优势也没凸显出来。

所以尽量使用局部变量来代替全局变量在线程中使用，这样可以避免效率的问题。

线程池：

1、安装

使用安装: pip installthreadpool

 

2、使用

    （1）引入threadpool模块

    （2）定义线程函数

    （3）创建线程 池threadpool.ThreadPool()

    （4）创建需要线程池处理的任务即threadpool.makeRequests()

    （5）将创建的多个任务put到线程池中,threadpool.putRequest

    （6）等到所有任务处理完毕theadpool.pool()

import threadpool
def ThreadFun(arg1,arg2):
    pass
def main():
    device_list=[object1,object2,object3......,objectn]#需要处理的设备个数
    task_pool=threadpool.ThreadPool(8)#8是线程池中线程的个数
    request_list=[]#存放任务列表
    #首先构造任务列表
    for device in device_list:
        request_list.append(threadpool.makeRequests(ThreadFun,[((device, ), {})]))
    #将每个任务放到线程池中，等待线程池中线程各自读取任务，然后进行处理，使用了map函数，不了解的可以去了解一下。
    map(task_pool.putRequest,request_list)
    #等待所有任务处理完成，则返回，如果没有处理完，则一直阻塞
    task_pool.poll()
if __name__=="__main__":
    main()

 

上面就是一个具体的线程池的使用流程

threadpool具体的定义如下：

class ThreadPool:
    """A thread pool, distributing work requests and collecting results.

    See the module docstring for more information.

    """
    def __init__(self, num_workers, q_size=0, resq_size=0, poll_timeout=5):
        pass
    def createWorkers(self, num_workers, poll_timeout=5):
        pass
    def dismissWorkers(self, num_workers, do_join=False):
        pass
    def joinAllDismissedWorkers(self):
        pass
    def putRequest(self, request, block=True, timeout=None):
        pass
    def poll(self, block=False):
        pass
    def wait(self):
        pass