理解 Python 中的线程

jopen 10年前

我们将会看到一些在Python中使用线程的实例和如何避免线程之间的竞争。你应当将下边的例子运行多次，以便可以注意到线程是不可预测的和线程每次运行出的不同结果。声明：从这里开始忘掉你听到过的关于GIL的东西，因为GIL不会影响到我想要展示的东西。

示例1

我们将要请求五个不同的url：

单线程
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
importtime
importurllib2
 
defget_responses():
    urls=[
        'http://www.google.com',
        'http://www.amazon.com',
        'http://www.ebay.com',
        'http://www.alibaba.com',
        'http://www.reddit.com'
    ]
    start=time.time()
    forurlinurls:
        printurl
        resp=urllib2.urlopen(url)
        printresp.getcode()
    print"Elapsed time: %s"%(time.time()-start)
 
get_responses()

输出是：

1
2
3
4
5
6
http://www.google.com200
http://www.amazon.com200
http://www.ebay.com200
http://www.alibaba.com200
http://www.reddit.com200
Elapsed time:3.0814409256

解释：

  • url顺序的被请求
  • 除非cpu从一个url获得了回应，否则不会去请求下一个url
  • 网络请求会花费较长的时间，所以cpu在等待网络请求的返回时间内一直处于闲置状态。
多线程
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
importurllib2
importtime
fromthreadingimportThread
 
classGetUrlThread(Thread):
    def__init__(self, url):
        self.url=url
        super(GetUrlThread,self).__init__()
 
    defrun(self):
        resp=urllib2.urlopen(self.url)
        printself.url, resp.getcode()
 
defget_responses():
    urls=[
        'http://www.google.com',
        'http://www.amazon.com',
        'http://www.ebay.com',
        'http://www.alibaba.com',
        'http://www.reddit.com'
    ]
    start=time.time()
    threads=[]
    forurlinurls:
        t=GetUrlThread(url)
        threads.append(t)
        t.start()
    fortinthreads:
        t.join()
    print"Elapsed time: %s"%(time.time()-start)
 
get_responses()

输出：

1
2
3
4
5
6
http://www.reddit.com200
http://www.google.com200
http://www.amazon.com200
http://www.alibaba.com200
http://www.ebay.com200
Elapsed time:0.689890861511

解释：

  • 意识到了程序在执行时间上的提升
  • 我们写了一个多线程程序来减少cpu的等待时间，当我们在等待一个线程内的网络请求返回时，这时cpu可以切换到其他线程去进行其他线程内的网络请求。
  • 我们期望一个线程处理一个url，所以实例化线程类的时候我们传了一个url。
  • 线程运行意味着执行类里的run()方法。
  • 无论如何我们想每个线程必须执行run()。
  • 为每个url创建一个线程并且调用start()方法，这告诉了cpu可以执行线程中的run()方法了。
  • 我们希望所有的线程执行完毕的时候再计算花费的时间，所以调用了join()方法。
  • join()可以通知主线程等待这个线程结束后，才可以执行下一条指令。
  • 每个线程我们都调用了join()方法，所以我们是在所有线程执行完毕后计算的运行时间。

关于线程：

  • cpu可能不会在调用start()后马上执行run()方法。
  • 你不能确定run()在不同线程建间的执行顺序。
  • 对于单独的一个线程，可以保证run()方法里的语句是按照顺序执行的。
  • 这就是因为线程内的url会首先被请求，然后打印出返回的结果。

实例2

我们将会用一个程序演示一下多线程间的资源竞争，并修复这个问题。

多次运行这个程序，你会看到多种不同的结果。

解释：

  • 有一个全局变量，所有的线程都想修改它。
  • 所有的线程应该在这个全局变量上加 1 。
  • 有50个线程，最后这个数值应该变成50，但是它却没有。

为什么没有达到50？

  • 在some_var是15的时候，线程t1读取了some_var，这个时刻cpu将控制权给了另一个线程t2。
  • t2线程读到的some_var也是15
  • t1和t2都把some_var加到16
  • 当时我们期望的是t1 t2两个线程使some_var + 2变成17
  • 在这里就有了资源竞争。
  • 相同的情况也可能发生在其它的线程间，所以出现了最后的结果小于50的情况。

解决资源竞争

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
fromthreadingimportLock, Thread
lock=Lock()
some_var=0
 
classIncrementThread(Thread):
    defrun(self):
        #we want to read a global variable
        #and then increment it
        globalsome_var
        lock.acquire()
        read_value=some_var
        print"some_var in %s is %d"%(self.name, read_value)
        some_var=read_value+1
        print"some_var in %s after increment is %d"%(self.name, some_var)
        lock.release()
 
defuse_increment_thread():
    threads=[]
    foriinrange(50):
        t=IncrementThread()
        threads.append(t)
        t.start()
    fortinthreads:
        t.join()
    print"After 50 modifications, some_var should have become 50"
    print"After 50 modifications, some_var is %d"%(some_var,)
 
use_increment_thread()

再次运行这个程序，达到了我们预期的结果。

解释：

  • Lock 用来防止竞争条件
  • 如果在执行一些操作之前，线程t1获得了锁。其他的线程在t1释放Lock之前，不会执行相同的操作
  • 我们想要确定的是一旦线程t1已经读取了some_var，直到t1完成了修改some_var，其他的线程才可以读取some_var
  • 这样读取和修改some_var成了逻辑上的原子操作。

实例3

让我们用一个例子来证明一个线程不能影响其他线程内的变量（非全局变量）。

time.sleep()可以使一个线程挂起，强制线程切换发生。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
fromthreadingimportThread
importtime
 
classCreateListThread(Thread):
    defrun(self):
        self.entries=[]
        foriinrange(10):
            time.sleep(1)
            self.entries.append(i)
        printself.entries
 
defuse_create_list_thread():
    foriinrange(3):
        t=CreateListThread()
        t.start()
 
use_create_list_thread()

运行几次后发现并没有打印出争取的结果。当一个线程正在打印的时候，cpu切换到了另一个线程，所以产生了不正确的结果。我们需要确保print self.entries是个逻辑上的原子操作，以防打印时被其他线程打断。

我们使用了Lock()，来看下边的例子。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
fromthreadingimportThread, Lock
importtime
 
lock=Lock()
 
classCreateListThread(Thread):
    defrun(self):
        self.entries=[]
        foriinrange(10):
            time.sleep(1)
            self.entries.append(i)
        lock.acquire()
        printself.entries
        lock.release()
 
defuse_create_list_thread():
    foriinrange(3):
        t=CreateListThread()
        t.start()
 
use_create_list_thread()

这次我们看到了正确的结果。证明了一个线程不可以修改其他线程内部的变量（非全局变量）。