python3多线程

1. Python3多线程

在计算机科学中，线程是在单个进程中运行的执行路径。在Python中，使用多线程可以在同一时间内执行多个任务，同时利用CPU多核，提高程序运行效率。Python3中多线程可以通过多种方式实现，本文将介绍其中两种：Thread（线程类）和ThreadPoolExecutor（线程池）。

2. Thread

2.1 线程创建

在Python3中，使用threading库的Thread类可以轻松地创建一个线程：

import threading
def my_thread_func():
    print("This is my thread.")
t = threading.Thread(target=my_thread_func)
t.start()

在上面的例子中，我们首先定义了一个my_thread_func()函数作为线程的函数体，然后通过Thread类创建一个名为t的线程对象，并将my_thread_func()函数作为参数传递给线程对象。

最后，通过调用start()方法启动线程。

2.2 线程同步

当多个线程并行执行时，由于线程调度的随机性，可能会导致线程间的执行顺序错乱，因此需要使用同步机制来确保线程执行的顺序和正确性。

Python3的threading库提供了锁（Lock）、条件变量（Condition）和信号量（Semaphore）等同步机制。

下面是一个使用锁的例子，在my_thread_func()函数中使用锁来保证线程间的同步：

import threading
my_lock = threading.Lock()
def my_thread_func():
    with my_lock:
        print("This is my thread.")
t1 = threading.Thread(target=my_thread_func)
t2 = threading.Thread(target=my_thread_func)
t1.start()
t2.start()

在上面的例子中，我们定义了一个名为my_lock的锁对象。在my_thread_func()函数中调用 with my_lock 语句块来获取锁并执行线程操作。

在t1和t2两个线程对象中都调用了my_thread_func()函数，因此需要使用锁来确保线程同步。通过调用start()方法启动两个线程，加锁的代码块一次只能被一个线程执行。运行结果如下：

This is my thread.
This is my thread.

3. ThreadPoolExecutor

3.1 线程池创建

使用Thread类可以轻松地创建单个线程，但是在实际应用中，需要创建大量的线程来处理多个任务，此时可以使用ThreadPoolExecutor来实现线程池。

ThreadPoolExecutor是Python3中concurrent.futures库中的一个类，它提供了一个简单的接口来管理线程池。下面是一个使用ThreadPoolExecutor创建线程池的例子：

import concurrent.futures
def my_thread_func(thread_name):
    for i in range(5):
        print("This is {} thread.".format(thread_name))
with concurrent.futures.ThreadPoolExecutor(max_workers=3) as executor:
    executor.submit(my_thread_func, "Thread1")
    executor.submit(my_thread_func, "Thread2")

在上面的例子中，我们首先定义了一个名为my_thread_func()的函数，该函数接受一个参数（线程名称）并将打印5次“This is {thread_name} thread.”，其中{thread_name}为线程名称。

然后，使用ThreadPoolExecutor创建一个最大线程数为3的线程池对象executor，使用submit()方法向线程池中提交任务，每个任务对应一个my_thread_func()函数调用，并传递不同的参数值，即线程名称。

运行结果如下：

This is Thread1 thread.
This is Thread2 thread.
This is Thread2 thread.
This is Thread1 thread.
This is Thread1 thread.
This is Thread2 thread.
This is Thread1 thread.
This is Thread2 thread.
This is Thread2 thread.
This is Thread1 thread.

3.2 线程池同步

与单个线程同步类似，线程池中的多个线程也需要进行同步，以确保线程执行的顺序和正确性。

在Python3中，使用concurrent.futures库的Future类可以实现线程池中任务之间的同步。Future表示将来要完成的操作，它可以用来检查线程是否完成，获取线程结果等。

下面是一个使用Future实现同步的例子，在my_thread_func()函数中使用Future来保证多个任务的同步：

import concurrent.futures
def my_thread_func(thread_name):
    for i in range(5):
        print("This is {} thread.".format(thread_name))
    return "{} thread".format(thread_name)
with concurrent.futures.ThreadPoolExecutor(max_workers=3) as executor:
    future1 = executor.submit(my_thread_func, "Thread1")
    future2 = executor.submit(my_thread_func, "Thread2")
    # 等待任务完成
    result1 = future1.result()
    result2 = future2.result()
    print("Result: {}, {}".format(result1, result2))

在上面的例子中，我们将my_thread_func()函数的返回值设置为线程名称，然后使用submit()方法向线程池中提交两个任务，即创建两个线程。

接着在主线程中调用Future对象的result()方法来等待任务完成并获取返回结果，最后打印线程名称。

运行结果如下：

This is Thread1 thread.
This is Thread2 thread.
This is Thread2 thread.
This is Thread1 thread.
This is Thread2 thread.
This is Thread1 thread.
This is Thread1 thread.
This is Thread2 thread.
This is Thread1 thread.
This is Thread2 thread.
Result: Thread1 thread, Thread2 thread

4. 总结

本文分别介绍了Python3中通过Thread类和ThreadPoolExecutor创建多线程的方法，并讲解了线程同步时使用的锁和Future等同步机制。在实际应用中，合理地使用多线程可以提高程序的运行效率，提高计算机的利用率。