多线程并发
- 1.单线程执行
- 2.多线程执行
- 3.守护线程
- 4.阻塞线程
- 5.并发测试框架
1.单线程执行
Python的内置模块提供了两个线程模块：threading 和thread。
thread:是原生的
threading是扩展的
用法：
变量 = threading.Thread(target = 执行函数)
变量.strart()
举个例子：
import threading
#自定义test函数
def test():
print("test threading")
#创建一个单线程，来执行test()函数
t = threading.Thread(target= test)
t.start()
结果：
2.多线程执行
单线程已经会使用，那么多线程还会远吗？
多线程只需要通过循环创建多个线程，并通过循环启动执行就可以了。
我们来看个例子，为了更直观，我把打印的内容修改成打印时间：
import threading
from datetime import *
#自定义test函数
def test():
now = datetime.now() #获取当前时间
print("打印多线程执行时间:",now)
#自定义thr()函数，来执行多线程
def thr():
threads = [] #自定义一个空的数组，用来存放线程组
for i in range(10): #设置循环10次
t = threading.Thread(target=test)
threads.append(t) #把创建的的线程t，装到threads 数组中
#启动线程
for t in threads:
t.start()
#执行thr()函数进行多并发
if __name__ == "__main__" :
thr()
打印结果：
我们可以看到，我循环执行了10次，这时间相差的太小了，可以忽略不计。
如果，我设置1000次，10000次的话，如果还是这样写，是不是需要等待很长时间？服务器的压力会不会增加?资源消耗会不会增加？
那如何优化呢？
来看这个例子：
我们执行1000次并发，把这1000次拆成50个线程，每个线程循环20次，这样是不是就会快很多？
我们来看看执行效率
修改后代码：
import threading
from datetime import *
#自定义test函数
def test():
now = datetime.now() #获取当前时间
print("打印多线程执行时间:",now)
#设置50个线程
def looptest():
for i in range(50):
test()
#自定义thr()函数，来执行多线程
def thr():
threads = [] #自定义一个空的数组，用来存放线程组
for i in range(20): #设置循环10次
t = threading.Thread(target=test)
threads.append(t) #把创建的的线程t，装到threads 数组中
#启动线程
for t in threads:
t.start()
#执行thr()函数进行多并发
if __name__ == "__main__" :
thr()
执行的结果：
是不是快很多了。
3.守护线程
在了解守护线程之前，先来了解下主线程与子线程的区别。
主线程与子线程的区别：
每个线程都有一个唯一标示符，来区分线程中的主次关系的说法。
线程唯一标示符：Thread.CurrentThread.ManagedThreadID;
・UI界面和Main函数均为主线程。
・被Thread包含的“方法体”或者“委托”均为子线程。
・委托可以包含多个方法体，利用this.Invoke去执行。
・也可以定义多种方法体，放在Thread里面去执行。则此方法・体均为子线程。注意如果要修改UI界面的显示。则需要使用this.Invoke，否则会报异常。
・Main函数为主线程，id标示符与UI界面主线程相等。
对照上面的代码，main()就是主线程，thr()就是子线程。
>>即先启动main()，然后执行thr()启动子线程。
那么，什么是守护线程呢？
>>即当主线程执行完毕后，所有的子线程也被关闭(无论子线程是否执行完成)。默认是不设置守护线程的。
但是我们又为什么要用守护线程呢？
>>说的直接，就是为了防止死循环。
>>因为一个死循环如果不手动停止，我们都知道会一直的循环下去，直到资源耗尽。
那么守护线程的用法是什么呢？
>>setDaemon()：默认是 False， 需要改成True才能启用。
举个例子：
import threading
from datetime import *
#自定义test函数
def test():
x=0
while (x ==0): #修改成死循环
print(datetime.now())
#自定义thr()函数，来执行多线程
def thr():
threads = [] #自定义一个空的数组，用来存放线程组
for i in range(20): #设置循环10次
t = threading.Thread(target=test)
threads.append(t) #把创建的的线程t，装到threads 数组中
t.setDaemon(True) # 设置守护线程
#启动线程
for t in threads:
t.start()
#执行thr()函数进行多并发
if __name__ == "__main__" :
thr()
print("守护线程功能启用，end")
注意一点：
setDaemon()必须放在 start()前面才有效果，否则无效果。
守护线程的意义是什么呢？
守护线程的意义在于处理主线程和子线程的关闭工作。
4.阻塞线程
强制程序停止，除了运用守护线程，还可以用到 阻塞线程，
如果说前者是强硬派，那么后者就属于温柔派。
那么我们再来看看阻塞线程；
阻塞线程：通过子线程 join()方法来阻塞线程，
让主线程等待子线程完成之后再往下执行，
等主线程执行完毕后在挂你吧所有子线程。
举个例子：
import threading
from datetime import *
def test():
x =0
while(x ==0):
print(datetime.now())
def thr():
threads = []
for i in range(10):
t = threading.Thread(target=test)
threads.append(t)
t.setDaemon(True)
for t in threads:
t.start()
for t in threads:
t.join()
if __name__ == "__main__":
thr()
print("阻塞线程功能启动，end")
这段代码，是不是让你有一种想喝(灭)水(火)的冲动？？
那就对了，因为不能停止吗~ ~ ~ ~
那，这和什么都不设置不是一样？？？
莫着急，其实还是有一点区别的：
>>什么都不设置的情况下主线程是执行完的，仅等待子线程执行完，所以会打印end信息
>>而两个都设置的情况下，主线程会因为等待子线程结束而不往下执行，主线程无法执行完成，所以也就是无法关闭子线程，不会打印end信息
对于死循环这种情况，可以在join()设置timeout来控制
即，我们来设置个2秒钟，
for t in threads:
t.join(2)
但是你执行之后，会发现，为啥不是2秒停止，而是20秒才停止，是因为我们执行了10个线程， 而每个线程执行2秒，故10个线程timeout时间就是20秒。
是不是不太讲究，哎~~没办法，就顺了吧！！
那么阻塞线程的意义是啥呢？
>>阻塞线程的意义在于控制子线程与主线程的执行顺序！
5.并发测试框架
最后，来up一个并发测试框架，
算是今天学习的一个完美的收尾。
没有什么好说的，直接上代码。
# -*- coding: utf-8 -*-
"""
@ auth : carl_DJ
@ time : 2020-6-8
"""
import threading
from datetime import *
#自定义全局变量需要的线程数,20
thread_num = 20
#自定义全局变量每个线程需要循环的数量,10
one_work_num = 10
#自定义函数test()
def test():
#编写测试代码
now = datetime.now()
print("打印时间戳：",now)
#设置死循环
#x =0
#while (x ==1):
# print("打印时间戳：",now)
def working():
# 引用全局变量
global one_work_num
#嵌套执行指定循环次数的 test()函数
for i in range(0,one_work_num):
test()
#自定义thr()函数，来执行多线程
def thr():
#自定义一个空的数组，用来存放线程组
threads = []
#设置循环次数为thread_num
for i in range(thread_num):
#将working()函数放入到线程中
t =threading.Thread(target=working,name="T" + str(i))
#设置守护线程
t.setDaemon(True)
threads.append(t)
#启动线程并执行
for t in threads:
t.start()
#设置阻塞线程
for t in threads:
t.join(2)
if __name__ == "__main__":
thr()
