Python中的多线程[带有编码示例]

掌握 Python 基础知识后，下一步就是改进和加快代码速度。 多线程是使用“线程”实现优化的一种方式。 这些线程是什么？ 这些与流程有何不同？ 让我们来了解一下。

在本教程结束时，您将掌握以下知识：

• 什么是线程和进程？
• 多线程是如何实现的？
• 它的局限性是什么？
• 何时使用多线程？

学习世界顶尖大学的在线数据科学课程。 获得行政 PG 课程、高级证书课程或硕士课程，以加快您的职业生涯。

Python 中的线程

当我们想到多任务时，我们会想到并行执行。 多线程不是严格的并行执行。 线程可以被认为是独立运行的程序不同部分的执行流的独立实体。 所以本质上，线程不是并行执行的，但是 Python 从一个线程切换到另一个线程的速度如此之快，以至于它们看起来是并行的。

另一方面，进程是严格并行的，并在不同的内核上运行以实现更快的执行。 线程也可以在不同的处理器上运行，但从技术上讲，它们仍然不会并行运行。

您是否在考虑如果线程不并行运行，那么它们如何使事情变得更快？ 答案是它们并不总是使处理速度更快。 多线程专门用于线程将加快处理速度的任务。

线程的所有信息都包含在线程控制块（TCB）中。 TCB由以下主要部分组成：

1. 唯一的 TID – 线程标识符
2. 堆栈指针，指向进程中线程的堆栈
3. 程序计数器，存储线程当前正在执行的指令的地址
4. 线程状态（运行、就绪、等待、开始或完成）

话虽如此，进程中可以包含多个线程，它们共享代码、数据和所有文件。 并且所有线程都有自己独立的寄存器和堆栈，它们可以访问。

现在您可能想知道，如果线程使用公共数据和代码，它们如何在不妨碍其他线程的情况下都使用它。 这是我们将在本教程后面讨论的多线程的最大限制。

上下文切换

现在如上所述，线程不会并行运行，而是并行运行。 所以当一个线程 T1 开始执行时，所有其他线程都处于等待模式。 只有在 T1 完成执行后，任何其他排队线程才能开始执行。 Python 从一个线程切换到另一个线程的速度如此之快，以至于看起来像是并行执行。 这种切换就是我们所说的“上下文切换”。

多线程编程

考虑下面的代码，它使用线程来执行立方体和平方运算。

现在让我们尝试理解代码。

首先，我们导入负责所有任务的线程模块。 在 main 内部，我们通过创建 Thread 类的子类来创建 2 个线程。 我们需要传递目标，即需要在该线程中执行的函数，以及需要传递给这些函数的参数。

现在一旦声明了线程，我们就需要启动它们。 这是通过在线程上调用start方法来完成的。 一旦启动，主程序需要等待线程完成它们的处理。 我们使用wait方法让主程序暂停并等待线程 T1 和 T2 完成它们的执行。

必读：初学者的 Python 挑战

线程同步

正如我们上面所讨论的，线程不会并行执行，而是 Python 从一个切换到另一个。 因此，线程之间的正确同步非常关键，以避免任何奇怪的行为。

比赛条件

同一进程下的线程使用公共数据和文件，这可能导致多个线程之间的数据“竞争”。 因此，如果一条数据被多个线程访问，它会被两个线程都修改，我们得到的结果不会像预期的那样。 这称为竞争条件。

因此，如果您有两个线程可以访问相同的数据，那么它们都可以在该特定线程执行时访问和修改它。 所以当 T1 开始执行并修改一些数据时，T2 处于睡眠/等待模式。 然后 T1 停止执行并进入睡眠模式，将控制权交给 T2，T2 也可以访问相同的数据。 所以 T2 现在将修改和覆盖相同的数据，这将在 T1 再次开始时导致问题。

线程同步的目的是确保这种竞争条件永远不会出现，并且代码的关键部分由线程以同步方式一次访问。

锁具

为了解决和防止 Race Condition 及其后果，thread 模块提供了一个Lock类，它使用 Semaphores 来帮助线程同步。 信号量只不过是二进制标志。 将它们视为电话亭上的“参与”标志，其值为“参与”（等于 1）或“未参与”（等于 0）。 所以每次线程遇到带锁的代码段时，它必须检查锁是否已经处于 1 状态。 如果是，那么它必须等到它变为 0 才能使用它。

Lock类有两个主要方法：

1. acquire([blocking]) ： acquire方法接受参数阻塞作为True或False 。 如果线程 T1 的锁以阻塞为 True 启动，它将等待或保持阻塞，直到代码的关键部分被另一个线程 T2 锁定。 一旦另一个线程 T2 释放锁，线程 T1 获取锁并返回True 。

另一方面，如果线程 T1 的锁定是在参数阻塞为False的情况下启动的，如果临界区已经被线程 T2 锁定，线程 T1 将不会等待或保持阻塞。 如果它认为它已锁定，它将直接返回 False 并退出。 但是，如果代码没有被另一个线程锁定，它将获取锁定并返回True 。

release() ：当在锁上调用 release 方法时，它会解锁锁并返回 True。 此外，它还将检查是否有任何线程正在等待释放锁。 如果有，那么它将允许其中一个人访问锁。

但是，如果锁已解锁，则会引发 ThreadError。

死锁

当我们处理多个锁时出现的另一个问题是——死锁。 当线程由于各种原因没有释放锁时，就会发生死锁。 让我们考虑一个简单的示例，我们执行以下操作：

在上面的代码中，我们调用了两次acquire方法，但在第一次获取后不释放它。 因此，当 Python 看到第二个获取语句时，它将无限期地进入等待模式，因为我们从未释放过前一个锁。

这些死锁条件可能会在您没有意识到的情况下潜入您的代码中。 即使您包含释放调用，您的代码也可能在中途失败，并且永远不会调用释放并且锁将保持锁定状态。 克服这个问题的一种方法是使用with – as语句，也称为上下文管理器。 使用with - as语句，一旦处理结束或由于任何原因失败，锁将自动释放。

阅读： Python 项目理念和主题

在你走之前

正如我们之前所讨论的，多线程并不是在所有应用程序中都有用，因为它并没有真正让事情并行运行。 但是多线程的主要应用是在 I/O 任务期间，CPU 在等待数据加载时处于空闲状态。 多线程在这里起着至关重要的作用，因为 CPU 的空闲时间被用于其他任务，从而使其成为优化的理想选择。

如果您想了解数据科学，请查看 IIIT-B 和 upGrad 的数据科学执行 PG 计划，该计划是为在职专业人士创建的，提供 10 多个案例研究和项目、实用的实践研讨会、与行业专家的指导、1与行业导师一对一，400 多个小时的学习和顶级公司的工作协助。