这篇文章主要介绍了Python线程详解,本文详细讲解了线程方方面面的知识,如线程基础知识线程状态、线程同步(锁)、线程通信(条件变量)等内容,需要的朋友可以参考下

　　1. 线程基础

　　1.1. 线程状态

　　线程有5种状态，状态转换的过程如下图所示：

　　1.2. 线程同步(锁)

　　多线程的优势在于可以同时运行多个任务(至少感觉起来是这样)。但是当线程需要共享数据时，可能存在数据不同步的问题。考虑这样一种情况：一个列表里所有元素都是0，线程"set"从后向前把所有元素改成1，而线程"print"负责从前往后读取列表并打印。那么，可能线程"set"开始改的时候，线程"print"便来打印列表了，输出就成了一半0一半1，这就是数据的不同步。为了避免这种情况，引入了锁的概念。

　　锁有两种状态——锁定和未锁定。每当一个线程比如"set"要访问共享数据时，必须先获得锁定;如果已经有别的线程比如"print"获得锁定了，那么就让线程"set"暂停，也就是同步阻塞;等到线程"print"访问完毕，释放锁以后，再让线程"set"继续。经过这样的处理，打印列表时要么全部输出0，要么全部输出1，不会再出现一半0一半1的尴尬场面。

　　线程与锁的交互如下图所示：

　　1.3. 线程通信(条件变量)

　　然而还有另外一种尴尬的情况：列表并不是一开始就有的;而是通过线程"create"创建的。如果"set"或者"print" 在"create"还没有运行的时候就访问列表，将会出现一个异常。使用锁可以解决这个问题，但是"set"和"print"将需要一个无限循环——他们不知道"create"什么时候会运行，让"create"在运行后通知"set"和"print"显然是一个更好的解决方案。于是，引入了条件变量。

　　条件变量允许线程比如"set"和"print"在条件不满足的时候(列表为None时)等待，等到条件满足的时候(列表已经创建)发出一个通知，告诉"set" 和"print"条件已经有了，你们该起床干活了;然后"set"和"print"才继续运行。

　　线程与条件变量的交互如下图所示：

　　1.4. 线程运行和阻塞的状态转换

　　最后看看线程运行和阻塞状态的转换。

　　阻塞有三种情况：

　　同步阻塞是指处于竞争锁定的状态，线程请求锁定时将进入这个状态，一旦成功获得锁定又恢复到运行状态;

　　等待阻塞是指等待其他线程通知的状态，线程获得条件锁定后，调用“等待”将进入这个状态，一旦其他线程发出通知，线程将进入同步阻塞状态，再次竞争条件锁定;

　　而其他阻塞是指调用time.sleep()、anotherthread.join()或等待IO时的阻塞，这个状态下线程不会释放已获得的锁定。

　　tips: 如果能理解这些内容，接下来的主题将是非常轻松的;并且，这些内容在大部分流行的编程语言里都是一样的。(意思就是非看懂不可 >_< 嫌作者水平低找别人的教程也要看懂)

　　2. thread

　　Python通过两个标准库thread和threading提供对线程的支持。thread提供了低级别的、原始的线程以及一个简单的锁。

　　代码如下:

　　# encoding: UTF-8

　　import thread

　　import time

　　# 一个用于在线程中执行的函数

　　def func():

　　for i in range(5):

　　print 'func'

　　time.sleep(1)

　　# 结束当前线程

　　# 这个方法与thread.exit_thread()等价

　　thread.exit() # 当func返回时，线程同样会结束

　　# 启动一个线程，线程立即开始运行

　　# 这个方法与thread.start_new_thread()等价

　　# 第一个参数是方法，第二个参数是方法的参数

　　thread.start_new(func, ()) # 方法没有参数时需要传入空tuple

　　# 创建一个锁(LockType，不能直接实例化)

　　# 这个方法与thread.allocate_lock()等价

　　lock = thread.allocate()

　　# 判断锁是锁定状态还是释放状态

　　print lock.locked()

　　# 锁通常用于控制对共享资源的访问

　　count = 0

　　# 获得锁，成功获得锁定后返回True

　　# 可选的timeout参数不填时将一直阻塞直到获得锁定

　　# 否则超时后将返回False

　　if lock.acquire():

　　count += 1

　　# 释放锁

　　lock.release()

　　# thread模块提供的线程都将在主线程结束后同时结束

　　time.sleep(6)

　　thread 模块提供的其他方法：

　　thread.interrupt_main(): 在其他线程中终止主线程。

　　thread.get_ident(): 获得一个代表当前线程的魔法数字，常用于从一个字典中获得线程相关的数据。这个数字本身没有任何含义，并且当线程结束后会被新线程复用。

　　thread还提供了一个ThreadLocal类用于管理线程相关的数据，名为 thread._local，threading中引用了这个类。

　　由于thread提供的线程功能不多，无法在主线程结束后继续运行，不提供条件变量等等原因，一般不使用thread模块，这里就不多介绍了。

　　3. threading

　　threading基于Java的线程模型设计。锁(Lock)和条件变量(Condition)在Java中是对象的基本行为(每一个对象都自带了锁和条件变量)，而在Python中则是独立的对象。Python Thread提供了Java Thread的行为的子集;没有优先级、线程组，线程也不能被停止、暂停、恢复、中断。Java Thread中的部分被Python实现了的静态方法在threading中以模块方法的形式提供。

　　threading 模块提供的常用方法：

　　threading.currentThread(): 返回当前的线程变量。

　　threading.enumerate(): 返回一个包含正在运行的线程的list。正在运行指线程启动后、结束前，不包括启动前和终止后的线程。

　　threading.activeCount(): 返回正在运行的线程数量，与len(threading.enumerate())有相同的结果。

　　threading模块提供的类：

　　Thread, Lock, Rlock, Condition, [Bounded]Semaphore, Event, Timer, local.

　　3.1. Thread

　　Thread是线程类，与Java类似，有两种使用方法，直接传入要运行的方法或从Thread继承并覆盖run()：

　　 代码如下:

　　# encoding: UTF-8

　　import threading

　　# 方法1：将要执行的方法作为参数传给Thread的构造方法

　　def func():

　　print 'func() passed to Thread'

　　t = threading.Thread(target=func)

　　t.start()

　　# 方法2：从Thread继承，并重写run()

　　class MyThread(threading.Thread):

　　def run(self):

　　print 'MyThread extended from Thread'

　　t = MyThread()

　　t.start()

　　构造方法：

　　Thread(group=None, target=None, name=None, args=(), kwargs={})

　　group: 线程组，目前还没有实现，库引用中提示必须是None;

　　target: 要执行的方法;

　　name: 线程名;

　　args/kwargs: 要传入方法的参数。

　　实例方法：

　　isAlive(): 返回线程是否在运行。正在运行指启动后、终止前。

　　get/setName(name): 获取/设置线程名。

　　is/setDaemon(bool): 获取/设置是否守护线程。初始值从创建该线程的线程继承。当没有非守护线程仍在运行时，程序将终止。

　　start(): 启动线程。

　　join([timeout]): 阻塞当前上下文环境的线程，直到调用此方法的线程终止或到达指定的timeout(可选参数)。

　　一个使用join()的例子：

　　代码如下:

　　# encoding: UTF-8

　　import threading

　　import time

　　def context(tJoin):

　　print 'in threadContext.'

　　tJoin.start()

　　# 将阻塞tContext直到threadJoin终止。

　　tJoin.join()

　　# tJoin终止后继续执行。

　　print 'out threadContext.'

　　def join():

　　print 'in threadJoin.'

　　time.sleep(1)

　　print 'out threadJoin.'

　　tJoin = threading.Thread(target=join)

　　tContext = threading.Thread(target=context, args=(tJoin,))

　　tContext.start()

　　运行结果：