Python中的多線程[帶有編碼示例]

掌握 Python 基礎知識後，下一步就是改進和加快代碼速度。 多線程是使用“線程”實現優化的一種方式。 這些線程是什麼？ 這些與流程有何不同？ 讓我們來了解一下。

在本教程結束時，您將掌握以下知識：

• 什麼是線程和進程？
• 多線程是如何實現的？
• 它的局限性是什麼？
• 何時使用多線程？

學習世界頂尖大學的在線數據科學課程。 獲得行政 PG 課程、高級證書課程或碩士課程，以加快您的職業生涯。

Python 中的線程

當我們想到多任務時，我們會想到並行執行。 多線程不是嚴格的並行執行。 線程可以被認為是獨立運行的程序不同部分的執行流的獨立實體。 所以本質上，線程不是並行執行的，但是 Python 從一個線程切換到另一個線程的速度如此之快，以至於它們看起來是並行的。

另一方面，進程是嚴格並行的，並在不同的內核上運行以實現更快的執行。 線程也可以在不同的處理器上運行，但從技術上講，它們仍​​然不會並行運行。

您是否在考慮如果線程不並行運行，那麼它們如何使事情變得更快？ 答案是它們並不總是使處理速度更快。 多線程專門用於線程將加快處理速度的任務。

線程的所有信息都包含在線程控制塊（TCB）中。 TCB由以下主要部分組成：

1. 唯一的 TID – 線程標識符
2. 堆棧指針，指向進程中線程的堆棧
3. 程序計數器，存儲線程當前正在執行的指令的地址
4. 線程狀態（運行、就緒、等待、開始或完成）

話雖如此，進程中可以包含多個線程，它們共享代碼、數據和所有文件。 並且所有線程都有自己獨立的寄存器和堆棧，它們可以訪問。

現在您可能想知道，如果線程使用公共數據和代碼，它們如何在不妨礙其他線程的情況下都使用它。 這是我們將在本教程後面討論的多線程的最大限制。

上下文切換

現在如上所述，線程不會並行運行，而是並行運行。 所以當一個線程 T1 開始執行時，所有其他線程都處於等待模式。 只有在 T1 完成執行後，任何其他排隊線程才能開始執行。 Python 從一個線程切換到另一個線程的速度如此之快，以至於看起來像是並行執行。 這種切換就是我們所說的“上下文切換”。

多線程編程

考慮下面的代碼，它使用線程來執行立方體和平方運算。

現在讓我們嘗試理解代碼。

首先，我們導入負責所有任務的線程模塊。 在 main 內部，我們通過創建 Thread 類的子類來創建 2 個線程。 我們需要傳遞目標，即需要在該線程中執行的函數，以及需要傳遞給這些函數的參數。

現在一旦聲明了線程，我們就需要啟動它們。 這是通過在線程上調用start方法來完成的。 一旦啟動，主程序需要等待線程完成它們的處理。 我們使用wait方法讓主程序暫停並等待線程 T1 和 T2 完成它們的執行。

必讀：初學者的 Python 挑戰

線程同步

正如我們上面所討論的，線程不會並行執行，而是 Python 從一個切換到另一個。 因此，線程之間的正確同步非常關鍵，以避免任何奇怪的行為。

比賽條件

同一進程下的線程使用公共數據和文件，這可能導致多個線程之間的數據“競爭”。 因此，如果一條數據被多個線程訪問，它會被兩個線程都修改，我們得到的結果不會像預期的那樣。 這稱為競爭條件。

因此，如果您有兩個線程可以訪問相同的數據，那麼它們都可以在該特定線程執行時訪問和修改它。 所以當 T1 開始執行並修改一些數據時，T2 處於睡眠/等待模式。 然後 T1 停止執行並進入睡眠模式，將控制權交給 T2，T2 也可以訪問相同的數據。 所以 T2 現在將修改和覆蓋相同的數據，這將在 T1 再次開始時導致問題。

線程同步的目的是確保這種競爭條件永遠不會出現，並且代碼的關鍵部分由線程以同步方式一次訪問。

鎖具

為了解決和防止 Race Condition 及其後果，thread 模塊提供了一個Lock類，它使用 Semaphores 來幫助線程同步。 信號量只不過是二進制標誌。 將它們視為電話亭上的“參與”標誌，其值為“參與”（等於 1）或“未參與”（等於 0）。 所以每次線程遇到帶鎖的代碼段時，它必須檢查鎖是否已經處於 1 狀態。 如果是，那麼它必須等到它變為 0 才能使用它。

Lock類有兩個主要方法：

1. acquire([blocking]) ： acquire方法接受參數阻塞作為True或False 。 如果線程 T1 的鎖以阻塞為 True 啟動，它將等待或保持阻塞，直到代碼的關鍵部分被另一個線程 T2 鎖定。 一旦另一個線程 T2 釋放鎖，線程 T1 獲取鎖並返回True 。

另一方面，如果線程 T1 的鎖定是在參數阻塞為False的情況下啟動的，如果臨界區已經被線程 T2 鎖定，線程 T1 將不會等待或保持阻塞。 如果它認為它已鎖定，它將直接返回 False 並退出。 但是，如果代碼沒有被另一個線程鎖定，它將獲取鎖定並返回True 。

release() ：當在鎖上調用 release 方法時，它會解鎖鎖並返回 True。 此外，它還將檢查是否有任何線程正在等待釋放鎖。 如果有，那麼它將允許其中一個人訪問鎖。

但是，如果鎖已解鎖，則會引發 ThreadError。

死鎖

當我們處理多個鎖時出現的另一個問題是——死鎖。 當線程由於各種原因沒有釋放鎖時，就會發生死鎖。 讓我們考慮一個簡單的示例，我們執行以下操作：

在上面的代碼中，我們調用了兩次acquire方法，但在第一次獲取後不釋放它。 因此，當 Python 看到第二個獲取語句時，它將無限期地進入等待模式，因為我們從未釋放過前一個鎖。

這些死鎖條件可能會在您沒有意識到的情況下潛入您的代碼中。 即使您包含釋放調用，您的代碼也可能在中途失敗，並且永遠不會調用釋放並且鎖將保持鎖定狀態。 克服這個問題的一種方法是使用with – as語句，也稱為上下文管理器。 使用with - as語句，一旦處理結束或由於任何原因失敗，鎖將自動釋放。

閱讀： Python 項目理念和主題

在你走之前

正如我們之前所討論的，多線程並不是在所有應用程序中都有用，因為它並沒有真正讓事情並行運行。 但是多線程的主要應用是在 I/O 任務期間，CPU 在等待數據加載時處於空閒狀態。 多線程在這裡起著至關重要的作用，因為 CPU 的空閒時間被用於其他任務，從而使其成為優化的理想選擇。

如果您想了解數據科學，請查看 IIIT-B 和 upGrad 的數據科學執行 PG 計劃，該計劃是為在職專業人士創建的，提供 10 多個案例研究和項目、實用的實踐研討會、行業專家的指導、1與行業導師一對一，400 多個小時的學習和頂級公司的工作協助。