線程池

線程池的創(chuàng)建 - concurrent

concurrent 是 Python 的內(nèi)置包，使用它可以幫助我們完成創(chuàng)建線程池的任務(wù)。

通過調(diào)用 concurrent 包的 futures 模塊的 ThreadPoolExecutor 類，通過實(shí)例化 ThreadPoolExecutor 實(shí)現(xiàn)創(chuàng)建線程池的對(duì)象，它有一個(gè)參數(shù)來(lái)設(shè)置 線程池的數(shù)量。這和創(chuàng)建進(jìn)程池設(shè)置的數(shù)量是完全相同的。

線程池的常用方法

接下里看一下線程池對(duì)象中都有哪些常用的方法 ：

• submit 函數(shù)：通過 submit 函數(shù)將參數(shù)傳入；該函數(shù)傳入的參數(shù)也是傳入要執(zhí)行的函數(shù)與該函數(shù)的參數(shù)，由于它的參數(shù)并不用需要通過賦值語(yǔ)句的形式傳入，只需要把相應(yīng)的值傳入就可以了（稍后會(huì)進(jìn)行一個(gè)練習(xí)）。
• done 函數(shù)：判斷當(dāng)前線程是否執(zhí)行完成；返回值是 bool 類型。
• result 函數(shù)：返回當(dāng)前線程池中線程任務(wù)的執(zhí)行結(jié)果，通過這種方法就可以獲取線程池的返回值了。

線程池演示案例

1、定義一個(gè)函數(shù)實(shí)現(xiàn)循環(huán)的效果

2、定義一個(gè)線程池，設(shè)置線程的數(shù)量

# coding:utf-8


import time
from concurrent.futures import ThreadPoolExecutor


def work(i):
    print('第 {} 次循環(huán)'.format(i))
    time.sleep(1)   # 之所以每次都要使用 sleep 函數(shù)，是因?yàn)楹瘮?shù)執(zhí)行太快；通過 sleep 嘗試模擬一下長(zhǎng)時(shí)間的執(zhí)行一個(gè)任務(wù)


if __name__ == '__main__':
    thread_poor = ThreadPoolExecutor(4)	# 實(shí)例化一個(gè)線程池，設(shè)置線程數(shù)量為4

    for i in range(20):
        thread_poor.submit(work, (i,))		# 利用 submit 函數(shù)將任務(wù)添加至 work 函數(shù)

運(yùn)行效果如下 

從運(yùn)行結(jié)果來(lái)看，我們的線程任務(wù)每次執(zhí)行4個(gè)任務(wù)，阻塞一秒后再執(zhí)行后續(xù)的四個(gè)線程的任務(wù)，是沒有問題的。

PS：需要注意的是，運(yùn)行結(jié)果有可能是出現(xiàn)將兩個(gè)或者多個(gè)任務(wù)的結(jié)果在同一行打印輸出，這是因?yàn)樵谕粫r(shí)間處理了多個(gè)線程的任務(wù)，這也叫 "并發(fā)"。

線程鎖

前文的進(jìn)程池是與進(jìn)程鎖相對(duì)應(yīng)匹配的，同樣的線程池也有與之對(duì)應(yīng)的 線程鎖 。線程鎖的使用方法幾乎與進(jìn)程鎖是一樣的，只不過線程鎖對(duì)應(yīng)的是線程罷了。

1.實(shí)例化一個(gè)線程鎖

2、在 work 函數(shù)中調(diào)用線程鎖

3、并獲取 線程 的返回值(線程池也是可以獲取返回值的)

代碼示例如下：

 # coding:utf-8


import os
import time
import threading
from concurrent.futures import ThreadPoolExecutor


lock = threading.Lock()     # 全局定義一個(gè) Lock() 實(shí)例

def work(i):
    lock.acquire()          # 區(qū)別于 進(jìn)程鎖 只需要在全局實(shí)例化一個(gè)即可，線程鎖需要在線程任務(wù)的函數(shù)中調(diào)用 線程鎖 才會(huì)生效
    print('當(dāng)前是第 {} 次循環(huán)'.format(i))
    time.sleep(1)           # 之所以每次都要使用 sleep 函數(shù)，是因?yàn)楹瘮?shù)執(zhí)行太快；通過 sleep 嘗試模擬一下長(zhǎng)時(shí)間的執(zhí)行一個(gè)任務(wù)
    lock.release()
    return '第 {} 次循環(huán)的進(jìn)程id為：{}'.format(i, os.getpid())    # 線程也是基于進(jìn)程實(shí)現(xiàn)的


if __name__ == '__main__':
    thread_poor = ThreadPoolExecutor(4)    # 實(shí)例化一個(gè)線程池，設(shè)置線程數(shù)量為4

    result = []

    for i in range(20):
        result_thread = thread_poor.submit(work, (i,))      # 利用 submit 函數(shù)將任務(wù)添加至 work 函數(shù)；
                                                            # 需要注意的是這里不像進(jìn)程池那樣使用賦值的形式傳入 work 函數(shù)
        result.append(result_thread)

    for res in result:
        print(res.result())

運(yùn)行結(jié)果如下：

從運(yùn)行結(jié)果可以看到，之前一同執(zhí)行的4個(gè)任務(wù)現(xiàn)在變成了一次只執(zhí)行一個(gè)任務(wù)；每一個(gè)個(gè)線程都是在主進(jìn)程 93215下執(zhí)行的，說(shuō)明線程與進(jìn)程還是有所區(qū)別的，雖然我們有多個(gè)線程任務(wù)在執(zhí)行，但是依然是在主進(jìn)程下去完成的；同時(shí)我們還獲取到了 線程的返回值 第 {} 次循環(huán)的進(jìn)程id為：{}'.format(i, os.getpid() 。

以上就是線程池的使用和常用方法，我們會(huì)發(fā)現(xiàn)線程池的使用實(shí)際上要比進(jìn)程池的使用要容易一些。進(jìn)程池我們需要考慮 join 與 close 等一些問題，但是線程池則不需要那么的嚴(yán)格，并且線程相對(duì)于進(jìn)程要更加的輕量，使用起來(lái)也更加的便捷。

利用線程池實(shí)現(xiàn)抽獎(jiǎng)小案例

案例代碼如下：

# coding:utf-8

import threading
import random
from concurrent.futures import ThreadPoolExecutor

lock = threading.Lock()
def luck_draw(arg):
    lock.acquire()
    # 從手機(jī)列表中隨機(jī)選出一個(gè)中獎(jiǎng)手機(jī)，其他手機(jī)均未中獎(jiǎng)
    phone = random.choice(arg[0])
    # 在從獎(jiǎng)池中隨機(jī)選取一個(gè)獎(jiǎng)品，視為該手機(jī)抽中的獎(jiǎng)品
    price = random.choice(arg[1])
    prices.remove(price)
    phones.remove(phone)
    lock.release()
    return '恭喜手機(jī)尾號(hào)為{}的用戶，抽到{}'.format(str(phone)[-5:-1], price)


if __name__ == '__main__':
    t = ThreadPoolExecutor(3)       # 通過創(chuàng)建三個(gè)線程從而實(shí)現(xiàn)每個(gè)線程完成一項(xiàng)抽獎(jiǎng)任務(wù)
    # 確定抽獎(jiǎng)人數(shù)
    phone_num = int(input('請(qǐng)輸入抽獎(jiǎng)的用戶人數(shù)：'))
    # 模擬產(chǎn)生出相應(yīng)數(shù)量的手機(jī)號(hào)
    phones = random.sample(range(13300000000, 19999999999), phone_num)      # 這里設(shè)置的隨機(jī)號(hào)碼僅做演示效果
    prices = ['一等獎(jiǎng)：iPhone12 ProMax', '二等獎(jiǎng)：ipad2021pro', '三等獎(jiǎng)：air wetter']
    result = []
    for i in range(3): # 三個(gè)任務(wù)，每個(gè)線程分配一個(gè)
        t_result = t.submit(luck_draw, (phones, prices))
        result.append(t_result)

    for res in result:
        print(res.result())

運(yùn)行效果如下：

GIL全局鎖

本章節(jié)的開頭我們就說(shuō)過，該部分沒有代碼的相關(guān)練習(xí)。僅僅是對(duì) GIL全局鎖 做一個(gè)概念上的簡(jiǎn)單啟蒙。

其他語(yǔ)言的線程與Python線程的區(qū)別

多線程與多進(jìn)程的使用其實(shí)是比較復(fù)雜的，目前作為初學(xué)者來(lái)說(shuō)涉及的還比較淺。最近的幾個(gè)章節(jié)介紹了 進(jìn)程與線程在CPU的執(zhí)行方式，這里再進(jìn)行拓展一下。

下面我們看一張圖：

依然是一個(gè)CPU 與4個(gè)核心（可以認(rèn)為是4條跑道）；

先看左邊的兩條跑道，是進(jìn)程1創(chuàng)建的3個(gè)線程。這三條線程有一個(gè)去了 1core 跑道，另外兩條則去了 2core 跑道。線程之間有選擇性的進(jìn)入了不同的跑道，當(dāng)然進(jìn)程1的主進(jìn)程或者說(shuō)是主線程可能會(huì)在 1core 跑道、也可能會(huì)在 2core 跑道，這是其他語(yǔ)言進(jìn)行多線程的樣子。

再來(lái)看看右邊，Python 創(chuàng)建的進(jìn)程2。當(dāng)進(jìn)程創(chuàng)建之后，包含主線程一共產(chǎn)生了3個(gè)線程，而這三個(gè)線程都跑到了 4core 跑道 上去。它不會(huì)像其他語(yǔ)言那樣去尋找不同的有空閑資源的跑道去執(zhí)行，而是僅僅在主進(jìn)程所處的跑道去執(zhí)行線程。造成 Python 中的多線程無(wú)法在多條跑道執(zhí)行任務(wù)的主要原因就是因?yàn)?GIL全局鎖 ，這個(gè) GIL 并不是 Python語(yǔ)法中添加上去的，而是 python解釋器 在執(zhí)行的時(shí)候自動(dòng)加了這把 "鎖" 。

GIL 的作用

因?yàn)?GIL 鎖 的關(guān)系，使得 Python 的多線程無(wú)法在多個(gè)CPU跑道上去執(zhí)行任務(wù)，它只能在單一CPU上進(jìn)行工作。

這也限制了多線程的性能，畢竟 Python 的多線程只能在一條跑道上運(yùn)行。跑道滿了，運(yùn)行速度依然會(huì)慢。而在多個(gè)跑道上運(yùn)行的任務(wù)必然是要比單一跑道效率會(huì)高很多。

Python創(chuàng)始人 Guido 之所以保留 GIL 鎖，其實(shí)也是為了線程之間的安全。雖然這個(gè)話題一直都在爭(zhēng)論，不過我們也有辦法去掉這個(gè) GIL全局鎖。

默認(rèn)的解釋器是 Python 自帶的解釋器，這里我們可以選擇一個(gè)叫做 pypy 的解釋器。通過它來(lái)執(zhí)行 Python 腳本是不含有 GIL全局鎖 的，但并不太推薦這種做法。

另外一種解決方法就是使用 多進(jìn)程 + 多線程 的方式 來(lái)彌補(bǔ)這一短板上的問題，通過多進(jìn)程在每個(gè) CPU 跑道上執(zhí)行任務(wù)，并且每個(gè)進(jìn)程的跑道上再去執(zhí)行多個(gè)線程。 ，讓它們?cè)诟髯缘臅r(shí)間片上去運(yùn)行。這些用法會(huì)在后續(xù)的章節(jié)會(huì)介紹到，在此只需要了解即可。

以上就是Python學(xué)習(xí)之線程池與GIL全局鎖詳解的詳細(xì)內(nèi)容，更多關(guān)于Python線程池 GIL全局鎖的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！