内容简介：小猪的Python学习之旅 —— 7.Python并发之threading模块(1)
引言：
从本节开始的连续几节我们都会围绕着 Python并发 进行学习， 本节学习的是 threading 这个 线程相关模块 ，附上官方文档： docs.python.org/3/library/t… 跟官方文档走最稳健 ，网上的文章都是某一时期的产物，IT更新 换代那么快，过了一段时间可能就改得面目全非了，然后你看了 小猪现在的文章然后写代码，这不行那不行就开始喷起我来了，我表示
另外，在查阅相关资料的时候发现很多文章还是用的 thread模块 ， 在高版本中已经使用 threading 来替代thread了！！！如果你在 Python 2.x版本想使用threading的话，可以使用 dummy_threading 话不多说开始本节内容～
1.threaing模块提供的可直接调用函数
- active_count ()：获取当前活跃(alive)线程的个数；
- current_thread ()：获取当前的线程对象；
- get_ident ()：返回当前线程的索引，一个非零的整数；(3.3新增)
- enumerate ()：获取当前所有活跃线程的列表；
- main_thread ()：返回主线程对象，(3.4新增)；
- settrace (func)：设置一个回调函数，在run()执行之前被调用；
- setprofile (func)：设置一个回调函数，在run()执行完毕之后调用；
- stack_size ()：返回创建新线程时使用的线程堆栈大小；
- threading.TIMEOUT_MAX ：堵塞线程时间最大值，超过这个值会栈溢出！
2.线程局部变量(Thread-Local Data)
先说个知识点：
在一个进程内所有的 线程共享进程的全局变量 ，线程间共享数据很方便 但是每个线程都可以 随意修改全局变量 ，可能会引起 线程安全问题 ， 这个时候，可以对全局变量进行 加锁 来解决。对于 线程私有数据 可以 通过使用 局部变量 ，只有线程自身可以访问，其他线程无法访问， 除此之外，Python还给我们提供了 ThreadLocal变量 ，本身是一个全局 变量，但是线程们却可以使用它来 保存私有数据 。
用法也很简单，定义一个全局变量： data = thread.local() ，然后就可以 往里面存数据啦，比如data.num = xxx，写个简单例子来验证下： 注 ：如果data没有设置对应的属性，直接取会报 AttributeError 异常， 使用时可以捕获这个异常，或者先调用**hasattr(对象，属性)**判断对象中 是否有该属性！
输出结果：
厉害了，不同线程访问果然是返回的不同值，小猪这种求知欲 旺盛的人肯定是要扒一波看看是怎么实现的啦，跟源码会比较 枯燥，先简单说下实现套路：
threading.local()实例化一个 全局对象 ，这个全局对象里有 一个 大字典 ，键值为两个 弱引用对象 {线程对象，字典对象}， 然后可以通过 current_thread() 获得当前的线程对象，然后根据 这个对象可以拿到对应的 字典对象 ，然后进行参数的读或者写。
是的大概套路就是这样，接下来就是剖析源码环节了，挺枯燥的， 可以不看，看的话，相信你会收获非常多，小猪昨天下午开始看 _threading_local.py 这个模块的源码，仅仅246行，却看到了晚上 十点才舍得回家，收益颇丰，Get了N多知识点，至少在那些什么 Python教程里没看到过，每弄懂一个都会忍不出发出：
这样的感叹！快上老司机小猪的车吧，上车只需五个滑稽币：
*3._threading_local源码解析
按住ctrl点local()方法，会进到threading.py模块，会定位到这一行：
_thread模块上节也说了threading模块的基础模块，应该尽量使用 threading 模块替代，而我们代码里也没导入这个模块，所以会走 _threading_local ，点进去看下这个模块，246行代码，不多，嘿嘿， 点击PyCharm左侧的 Structure看看代码结构
关注点在**_localimpl 和 local**两个类上，我们先把这个模块的源码 全选，然后新建一个Python文件，把内容粘贴到里面，为什么要 这样做呢？
答：因为这样方便我们进行代码执行跟踪啊，Debug调试 或打Log跟踪方法运行顺序，或者查看某个时刻某些变量的值！
很多小伙伴可能只会print不会使用Debug调试，这里顺道简单 介绍下怎么用，掌握这个对跟源码非常有用，务必掌握！！！
1.PyCharm调试速成
点击左侧边栏可以 下断点 ，在调试模式下运行的话，运行到 这一行的时候会暂时挂起，并激活调试器窗口：
点击顶部的小虫子标记即可进入调试模式：
运行到我们埋下断点的这一行后，就会挂起并激活下面这个 调试器窗口：
MainThread这个表示 当前断点上的线程 ，下面是 该线程的堆栈帧 右侧Variables是变量调试窗口 ，可以查看此时的变量情况！ 接着就来一一说下一些调试技巧吧：
单步调试，
，程序向下执行一行，如果该行 函数被调用，直接执行完返回，然后执行下一行；
当单步调试执行到某一个函数，如果你不想直接运行完，切到下 一行而是想看进去这个函数的运行过程的话，可以点击
；
上面这一步，遇到官方类库的函数也会进去，如果只想在碰到 自己定义函数才进去的话，可以点击
进入函数后确定没什么问题了，可以点击
跳出这个函数，返回该函数被调用处的下一行语句。
如果想快速执行到下一个断点的位置，可以点击
跨断点调试，点击左侧栏的：
，直接跳过当前断点， 进入下一个断点。
监视变量，有时右侧 Variables ，显示的变量有很多时，而你 想关注某一个变量而已，可以点击这个小眼镜：
。
停止调试，点击左侧红色按钮即可跳过调试，不是停止程序！：
断点设置，点击左侧：
，可以打开断点设置窗口，可以在此 看到所有的断点，设置条件断点(满足某个条件时，暂停程序执行)， 删除断点，或者临时禁用断点等。
好的，关于PyCharm调试就先说这么多，基本够用了， 回到我们的源码，我们使用了threading.local()初始化了实例， 按照我们第一节学的类内容，类会走 构造函数 __init__() 对吧？ 然而，在local类里，并没有发现这个函数，只有一个 __new__(cls, *args, **kw) ， 这又是一个新的知识点了！
2.Python中的经典类和新式类
在Python 2.x中默认都是经典类，除非显式继承object才是新式类； 而在Python 3.x中默认都是新式类，不用显式继承object； 新式类相比经典类增加了很多内置属性，比如** __class__ ** 获得自身类型(type)，** __slots__ **内置属性，还有这里的 new ()函数等。
3. __new__() 函数
在调用** init ()方法前， new (cls, args, kw) 可决定是否使用该 init ()方法，可以 调用其他类的构造方法或者直接返回别的对象 来作为 本类的实例 。 cls表示需要实例化的类 ，该参数在实例化时由 Python解释器自动提供。另外还要注意一点， new 必须有返回值， 可以返回 父类__new__()出来的实例 或 object的__new__()出来的实例 如果__new__()没有成功返回 cls类型的对象 ，是不会调用 * init **() 来对对象进行初始化的！！！
卧槽，骚气，代码里也刚好这样做了，返回的是一个**_localimpl()**对象：
直接实例化的**_localimpl() ，然后设置了 localargs**， locallock 以及调用了 create_dict() 方法。先定位到_localimpl类的 localargs
又触发新知识点： 黑魔法__slots__
4.Python黑魔法 __slots__ 内置属性
作用是 阻止在实例化类时为实例分配dict ，使用这个东西会带来： 更快的属性访问速度 和 减少内存消耗 。此话怎么说？
默认情况下，Python的类实例都会有一个** dict 来存储实例的属性， 注意： 只保存实例的变量，不会保存类属性 ！！！ 可以调用内置属性 dict **进行访问，比如下面的例子：
输出结果：
看上去是 挺灵活的 ，在程序里可以随意 设置新属性 ，只是每次 实例化类对象的时候，都需要去分配一个 新的dict ，如果是对于 拥有固定属性的class 来说，这就有点浪费内存了，特别是在需要 创建大量实例的时候，这个问题就尤为突出了。Python在新式类中给 我们提供了** slots 属性来帮助我们解决这个问题。 slots 是一个 元组 ，包括了当前能访问到的属性，定义后 slots中定义的变量变成了 类的描述符**，相当于 java 里的成员变量 声明， 不能再增加新的变量 。还有一点要注意： 定义定义了__slots__后，就不再有__dict__ ！！！可以写个例子验证下：
输出结果：
Python内置的 dict(字典) 本质是一个哈希表， 通过空间换时间 ， 在实例化对象达到万级，和** slots 用 元组**对比耗费的内存就不是 一点半点了！另外属性访问速度也是比dict快的，相关对比以及 更多内容可见： www.cnblogs.com/rainfd/p/sl… 和： Saving 9 GB of RAM with Python’s slots
了解完** slots 后，我们回到我们的源码，回到_localimpl的 init ()**
设置了一个key，规则是： _threading_local._localimpl. 拼接上 对象所在的内存地址 这里的 id()函数作用是获得对象的内存地址 。接着初始化了一个 dicts ， 大词典 ， 拿来存放键值对的： (弱引用的线程对象，该线程在_localimpl对象里对应的数据字典) 就是每个线程对象，对应_localimp里不同的字典对象，这些字典对象都放在 大字典里。
接着回到 local类 的** new ()** 函数，这里是一个设置属性的方法：
_local__impl属性在上面通过** slots **定义了
简单点理解就是为local设置了一个**_localimpl 对象，后面 可以根据根据这个name = _local__impl 拿到对应的 _localimpl**对象！
而且这里没那么简单，local类里对这个函数进行了重写：
这里前面判断name是否为__dict__，猜测是权限控制，不允许 外部通过** setattr 或 delattr **来操作字典，只允许通过 **_patch()**方法来修改操作字典！
接着继续来跟下**_patch()**方法：
@contextmanager又是什么东西？？？
又是新的知识点～
5.@contextmanager
这就涉及到我们以前学习的 with结构 了，在爬虫写入文件那里用过， 不用自己写finally，然后在里面去close()文件，以避免不必要的错误， 不知道你还记不记得，不记得的话回头翻翻吧。
对于类似于文件关闭这种不想遗忘的重要操作，我们可以自己封装 一个with结构来进行处理，封装也很简单，再定义你那个类的时候 重写** enter 方法和 exit **方法，比如文件关闭那个可以自定义 成这样的：
如果觉得上面这种实现起来比较麻烦的话，就可以用 @contextmanager 啦，直接就一个方法，比定义类简单多了～
知道@contextmanager之后，继续来分析**_patch( )方法，先根据 _local__impl 这个值拿到了local里的 _localimpl 对象，然后 调用impl的 get_dict()**想获得一个数据字典：
current_thread()获得当前线程，然后获得线程的内存地址，查找dicts里 此线程对应的字典，此时，如果dicts里没有这个线程对应的数据字典， 会引发 KeyError异常 ，执行：
调用create_dict()方法创建字典：
创建空字典，设置key，获得当前线程，获得当前线程的内存地址； 就是做一些准备工作，接着看到定义了两个方法，先跳过，往下看：
然后又是新的知识点： Python弱引用函数ref() ！
6.Python弱引用函数ref()
ref() 这个函数是 weakref模块 提供的用于创建一个 弱引用 的函数， 参数异常是想 建立弱引用的对象 ， 当弱引用的对象被删除后的回调函数 为什么要用弱引用？
Python和其他高级语言一样，使用垃圾回收器来自动销毁不再使用的对象， 每个对象都有一个引用计数， 当这个计数为0时 ，Python才能够安全地销毁 这个对象，当对象 只剩下弱引用 时也会回收！
这里的 local_deleted() 和 thread_deleted() 这两个回调参数 就是在**_localimpl对象 和 线程对象**被回收时触发：
localimpl对象被回收时把线程里持有localimpl对象的弱引用删除掉， 线程对象对象被回收时 ，弹出大字典中该线程对应的数据字典；
剩下的三句就是保存_localimpl对象的弱引用到thread的** dict 里， localimpl对象 添加键值对 (线程弱引用，线程对应的数据字典) 到 大字典中，然后 返回线程对应的数据字典**。
又回到**_patch() 方法，拿到参数，然后又调用 init 函数 然后调用了 init 函数，这里不是很明白动机，猜测是如果 另外重写了local的 init **函数，可以调用一些其他的操作吧。
再接着又有一个知识点了，操作数据字典时的加锁，正常来说 私用Lock或RLock，需要自己去调用 acquire () 和release (), 而使用with关键字，就无需你自己去操心了，原因是RLock 类里重写了** enter 和 exit **函数。
最后yield返回一个生成器对象。
到此， _threading_local 模块的完整的源码实现套路就浮出水面了， 不错，Get了很多新的姿势，如果你还有些疑惑的话，可以自己Debug， 跟跟方法的调用顺序，慢慢体会。
4.线程对象(threading.Thread)
使用threading.Thread创建线程：
可以通过下面两种方法创建新线程：
- 1.直接创建 threading.Thread 对象，并把 调用对象 作为 参数传入 ；
- 2.继承 threading.Thread类 ，**重写run()**方法；
这里写代码测试个东西：到底使用多线程快还是单线程快～
两次运行结果采集：
测试环境：Ubuntu 14.04 为了尽量公平，把单线程运行那个也另外放到 一个线程中，结果发现，多线程并没有比单线程快，反而还慢了一些。 出现这个原因是以为Python中的： 全局解释器锁（GIL） ，上一节已经 介绍过了，这里就不再复述了。
Thread类构造函数
参数依次是：
- group ：线程组
- target ：要执行的函数
- name ：线程名字
- args/kwargs ：要传入的函数的参数
- daemon ：是否为守护线程
相关属性与函数：
- start ()：启动线程，只能调用一次；
- run ()：线程执行的操作，可继承Thread重写，参数可从args和kwargs获取；
- join ([timeout])： 堵塞调用线程 ，直到被调用线程运行结束或超时；如果 没设置超时时间会一直堵塞到被调用线程结束。
- name/getName() ：获得线程名；
- setName ()：设置线程名；
- ident ：线程是已经启动，未启动会返回一个非零整数；
- is_alive ()：判断是否在运行，启动后，终止前；
- daemon/isDaemon() ：线程是否为守护线程；
- setDaemon ()：设置线程为守护线程；
3.Lock(指令锁)与RLock(可重入锁)
上节就说过了，多个线程并发地去访问 临界资源 可能会引起线程同步 安全问题，这里写个简单的例子， 多线程写入同一个文件 ：
打开 test.txt ，发现结果并没有按照我们预想的1-20那样顺序打印，而是乱的。
在 threading模块 中提供了两个类来确保多线程共享资源的访问： Lock 和 RLock
Lock ： 指令锁 ，有两种状态( 锁定与非锁定 )，以及两个基本函数： 使用** acquire ()设置为 locked 状态，使用 release ()设置为 unlocked**状态。 acquire()有两个可选参数： blocking =True：是否堵塞当前线程等待； timeout =None：堵塞等待时间。如果成功获得lock，acquire返回True， 否则返回False，超时也是返回False。 使用起来也很简单，在访问共享资源的地方acquire一下，用完release就好：
这里把循环次数改成了100，test.txt中写入顺序也是正确的，有效～ 另外需要注意：如果锁的状态是unlocked，此时调用release会 抛出 RuntimeError 异常！
RLock ： 可重入锁 ，和Lock类似，但RLock却可以被 同一个线程请求多次 ！ 比如在一个线程里调用Lock对象的acquire方法两次：
你会发现程序卡住不动，因为已经发生了 死锁 ...但是在都在同一个主线程里， 这样不就很搞笑吗？这个时候就可以引入RLock了，使用RLock编写一样代码：
输出结果：
并没有出现Lock那样死锁的情况，但是要注意使用 RLock ， acquire与release 需要 成对出现 ，就是有多少个acquire，就要有多少个release，才能真正释放锁！
有点意思，点进去看看源码是怎么实现的，显示acquire方法：
如果调用acquire方法是同一线程的话，计数器_count加1；在看下release：
哈哈，一样的套路，_count减1。
小结
本节我们开始来啃Python并发里的threading，在学习线程局部变量的时候， 顺道把模块源码撸了一遍，而且还Get了很多以前没学过的东西，开森， 本节要消化的内容已经挺多的了，就先写那么多吧～
参考文献：
来啊，Py交易啊
欢迎各种像我一样的Py初学者，或者Py大神加入， 一起愉快地交流学♂习：
以上就是本文的全部内容，希望本文的内容对大家的学习或者工作能带来一定的帮助，也希望大家多多支持 码农网
猜你喜欢:
- Java并发编程实战笔记3：基础构建模块
- Python 模块 asyncio-异步IO，事件循环和并发
- 三、【Zinx第三章-基础路由模块】Golang轻量级并发服务器框架
- Java并发系列—并发编程基础
- [Java并发-17-并发设计模式] Immutability模式：如何利用不变性解决并发问题？
- JAVA并发编程之并发模拟工具
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
