本篇是从网上摘来的一个老外写的一篇文章的译文,主要通过几个示例来了解python 的线程及如何避免线程之间的竞争。 当然在提到python的多线程问题时,很多人会提到GIL的问题,不过本篇要展示的内容不做GIL的讨论。

一、单线程请求与多线程请求

例1:单线程请求

 1#!/usr/bin/env python
 2import time
 3import urllib2
 4def get_responses():
 5    urls = [
 6        'http://www.amazon.com',
 7        'http://www.ebay.com',
 8        'http://www.alibaba.com',
 9        'http://www.reddit.com'
10    ]
11    start = time.time()
12    for url in urls:
13#        print url
14        resp = urllib2.urlopen(url)
15        print url,resp.getcode()
16    print "Elapsed time: %s" % (time.time()-start)
17get_responses()

其输出结果是:

http://www.amazon.com 200
http://www.ebay.com 200
http://www.alibaba.com 200
http://www.reddit.com 200
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。

####

例2:多线程请求

 1#!/usr/bin/env python
 2import urllib2
 3import time
 4from threading import Thread
 5class GetUrlThread(Thread):
 6    def __init__(self, url):
 7        self.url = url
 8        super(GetUrlThread, self).__init__()
 9    def run(self):
10        resp = urllib2.urlopen(self.url)
11        print self.url, resp.getcode()
12def get_responses():
13    urls = [
14        'http://www.amazon.com',
15        'http://www.ebay.com',
16        'http://www.alibaba.com',
17        'http://www.reddit.com'
18    ]
19    start = time.time()
20    threads = []
21    for url in urls:
22        t = GetUrlThread(url)
23        threads.append(t)
24        t.start()
25    for t in threads:
26        t.join()
27    print "Elapsed time: %s" % (time.time()-start)
28get_responses()

运行结果:

http://www.reddit.com 200
http://www.amazon.com 200
http://www.alibaba.com 200
http://www.ebay.com 200
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。

二、多线程之间的资源竞争

例3:资源竞争问题

 1#!/usr/bin/env python
 2from threading import Thread
 3#define a global variable
 4some_var = 0
 5class IncrementThread(Thread):
 6    def run(self):
 7        #we want to read a global variable
 8        #and then increment it
 9        global some_var
10        read_value = some_var
11        print "some_var in %s is %d" % (self.name, read_value)
12        some_var = read_value + 1
13        print "some_var in %s after increment is %d" % (self.name, some_var)
14def use_increment_thread():
15    threads = []
16    for i in range(50):
17        t = IncrementThread()
18        threads.append(t)
19        t.start()
20    for t in threads:
21        t.join()
22    print "After 50 modifications, some_var should have become 50"
23    print "After 50 modifications, some_var is %d" % (some_var,)
24use_increment_thread()

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?

  • some_var15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
  • t1t2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。

例4:解决资源竞争问题

 1#!/usr/bin/env python
 2from threading import Lock, Thread
 3lock = Lock()
 4some_var = 0
 5class IncrementThread(Thread):
 6    def run(self):
 7        #we want to read a global variable
 8        #and then increment it
 9        global some_var
10        lock.acquire()
11        read_value = some_var
12        print "some_var in %s is %d" % (self.name, read_value)
13        some_var = read_value + 1
14        print "some_var in %s after increment is %d" % (self.name, some_var)
15        lock.release()
16def use_increment_thread():
17    threads = []
18    for i in range(50):
19        t = IncrementThread()
20        threads.append(t)
21        t.start()
22    for t in threads:
23        t.join()
24    print "After 50 modifications, some_var should have become 50"
25    print "After 50 modifications, some_var is %d" % (some_var,)
26use_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。

接下来再看两个非全局变量的例子

例5:非多线程资源竞争

 1#!/usr/bin/env python
 2from threading import Thread
 3import time
 4class CreateListThread(Thread):
 5    def run(self):
 6        self.entries = []
 7        for i in range(10):
 8            time.sleep(1)
 9            self.entries.append(i)
10        print self.entries
11def use_create_list_thread():
12    for i in range(3):
13        t = CreateListThread()
14        t.start()
15use_create_list_thread()

time.sleep()可以使一个线程挂起,强制线程切换发生。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。

例6:非多线资源竞争解决

 1#!/usr/bin/env python
 2from threading import Thread, Lock
 3import time
 4lock = Lock()
 5class CreateListThread(Thread):
 6    def run(self):
 7        self.entries = []
 8        for i in range(10):
 9            time.sleep(1)
10            self.entries.append(i)
11        lock.acquire()
12        print self.entries
13        lock.release()
14def use_create_list_thread():
15    for i in range(3):
16        t = CreateListThread()
17        t.start()
18use_create_list_thread()

使用Lock()后,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)。