（转）有关thread线程

Python 标准库提供了 thread 和 threading 两个模块来对多线程进行支持。其中， thread 模块以低级、原始的方式来处理和控制线程，而 threading 模块通过对 thread 进行二次封装，提供了更方便的 api 来处理线程。 虽然使用 thread 没有 threading 来的方便，但它更灵活。

先看一段代码：

 #coding=gbk
 import thread, time, random
 count = 0
 def threadTest():
     global count
     for i in xrange(10000):
         count += 1
 for i in range(10):
     thread.start_new_thread(threadTest, ())    #如果对start_new_thread函数不是很了解，不要着急，马上就会讲解
 time.sleep(3)
 print count    #count是多少呢？是10000 * 10 吗？

thread.start_new_thread ( function , args [ , kwargs ] )

函数将创建一个新的线程，并返回该线程的标识符（标识符为整数）。参数 function 表示线程创建之后，立即执行的函数，参数 args 是该函数的参数，它是一个元组类型；第二个参数 kwargs 是可选的，它为函数提供了命名参数字典。函数执行完毕之后，线程将自动退出。如果函数在执行过程中遇到未处理的异常，该线程将退出，但不会影响其他线程的执行。

一个简单的例子：

#coding=gbk
import thread, time
def threadFunc(a = None, b = None, c = None, d = None):
    print time.strftime('%H:%M:%S', time.localtime()), a
    time.sleep(1)
    print time.strftime('%H:%M:%S', time.localtime()), b
    time.sleep(1)
    print time.strftime('%H:%M:%S', time.localtime()), c
    time.sleep(1)
    print time.strftime('%H:%M:%S', time.localtime()), d
    time.sleep(1)
    print time.strftime('%H:%M:%S', time.localtime()), 'over'

thread.start_new_thread(threadFunc, (3, 4, 5, 6))    #创建线程，并执行threadFunc函数。
time.sleep(5)

thread.exit ()

结束当前线程。调用该函数会触发 SystemExit 异常，如果没有处理该异常，线程将结束。

thread.get_ident ()

返回当前线程的标识符，标识符是一个非零整数。

thread.interrupt_main ()

在主线程中触发 KeyboardInterrupt异常。子线程可以使用该方法来中断主线程。下面的例子演示了在子线程中调用 interrupt_main ，在主线程中捕获异常 :

import thread, time
thread.start_new_thread(lambda : (thread.interrupt_main(), ), ())
try:
    time.sleep(2)
except KeyboardInterrupt, e:
    print 'error:', e
print 'over'

下面介绍 thread 模块中的琐，琐可以保证在任何时刻，最多只有一个线程可以访问共享资源。

thread.LockType 是 thread 模块中定义的琐类型。它有如下方法：

lock.acquire ( [ waitflag ] )

获取琐。函数返回一个布尔值，如果获取成功，返回 True ，否则返回 False 。参数 waitflag 的默认值是一个非零整数，表示如果琐已经被其他线程占用，那么当前线程将一直等待，只到其他线程释放，然后获取访琐。如果将参数 waitflag 置为 0 ，那么当前线程会尝试获取琐，不管琐是否被其他线程占用，当前线程都不会等待。

lock.release ()

释放所占用的琐。

lock.locked ()

判断琐是否被占用。

现在我们回过头来看文章开始处给出的那段代码：代码中定义了一个函数 threadTest ，它将全局变量逐一的增加 10000 ，然后在主线程中开启了 10 个子线程来调用 threadTest 函数。但结果并不是预料中的 10000 * 10 ，原因主要是对 count 的并发操作引来的。全局变量 count 是共享资源，对它的操作应该串行的进行。下面对那段代码进行修改，在对 count 操作的时候，进行加琐处理。看看程序运行的结果是否和预期一致。修改后的代码：

#coding=gbk
import thread, time, random
count = 0
lock = thread.allocate_lock() #创建一个琐对象
def threadTest():
    global count, lock
    lock.acquire() #获取琐

    for i in xrange(10000):
        count += 1

    lock.release() #释放琐
for i in xrange(10):
    thread.start_new_thread(threadTest, ())
time.sleep(3)
print count

threading.Thread

threading通过对thread模块进行二次封装，提供了更方便的API来操作线程。

Thread 是threading模块中最重要的类之一，可以使用它来创建线程。有两种方式来创建线程：一种是通过继承Thread类，重写它的run方法；另一种是创建一个threading.Thread对象，在它的初始化函数（__init__）中将可调用对象作为参数传入。下面分别举例说明。先来看看通过继承threading.Thread类来创建线程的例子：

 #coding=gbk
 import threading, time, random
 count = 0
 class Counter(threading.Thread):
     def __init__(self, lock, threadName):
         '''@summary: 初始化对象。

         @param lock: 琐对象。
         @param threadName: 线程名称。
         '''
         super(Counter, self).__init__(name = threadName)  #注意：一定要显式的调用父类的初始
 化函数。
         self.lock = lock

     def run(self):
         '''@summary: 重写父类run方法，在线程启动后执行该方法内的代码。
         '''
         global count
         self.lock.acquire()
         for i in xrange(10000):
             count = count + 1
         self.lock.release()
 lock = threading.Lock()
 for i in range(5):
     Counter(lock, "thread-" + str(i)).start()
 time.sleep(2)    #确保线程都执行完毕
 print count

在代码中，我们创建了一个Counter类，它继承了threading.Thread。初始化函数接收两个参数，一个是琐对象，另一个是线程的名称。在Counter中，重写了从父类继承的run方法，run方法将一个全局变量逐一的增加10000。在接下来的代码中，创建了五个Counter对象，分别调用其start方法。最后打印结果。这里要说明一下run方法 和start方法: 它们都是从Thread继承而来的，run()方法将在线程开启后执行，可以把相关的逻辑写到run方法中（通常把run方法称为活动[Activity]。）；start()方法用于启动线程。

再看看另外一种创建线程的方法：

 import threading, time, random
 count = 0
 lock = threading.Lock()
 def doAdd():
     '''@summary: 将全局变量count 逐一的增加10000。
     '''
     global count, lock
     lock.acquire()
     for i in xrange(10000):
         count = count + 1
     lock.release()
 for i in range(5):
     threading.Thread(target = doAdd, args = (), name = 'thread-' + str(i)).start()
 time.sleep(2)    #确保线程都执行完毕
 print count

在这段代码中，我们定义了方法doAdd，它将全局变量count 逐一的增加10000。然后创建了5个Thread对象，把函数对象doAdd 作为参数传给它的初始化函数，再调用Thread对象的start方法，线程启动后将执行doAdd函数。这里有必要介绍一下threading.Thread类的初始化函数原型：

def __init__(self, group=None, target=None, name=None, args=(), kwargs={})

• 　　参数group是预留的，用于将来扩展；
• 　　参数target是一个可调用对象（也称为活动[activity]），在线程启动后执行；
• 　　参数name是线程的名字。默认值为“Thread-N“，N是一个数字。
• 　　参数args和kwargs分别表示调用target时的参数列表和关键字参数。

Thread类还定义了以下常用方法与属性：

Thread.getName()

Thread.setName()

Thread.name

用于获取和设置线程的名称。

Thread.ident

获取线程的标识符。线程标识符是一个非零整数，只有在调用了start()方法之后该属性才有效，否则它只返回None。

Thread.is_alive()

Thread.isAlive()

判断线程是否是激活的（alive）。从调用start()方法启动线程，到run()方法执行完毕或遇到未处理异常而中断 这段时间内，线程是激活的。

Thread.join([timeout])

调用Thread.join将会使主调线程堵塞，直到被调用线程运行结束或超时。参数timeout是一个数值类型，表示超时时间，如果未提供该参数，那么主调线程将一直堵塞到被调线程结束。下面举个例子说明join()的使用：

 import threading, time
 def doWaiting():
     print 'start waiting:', time.strftime('%H:%M:%S')
     time.sleep(3)
     print 'stop waiting', time.strftime('%H:%M:%S')
 thread1 = threading.Thread(target = doWaiting)
 thread1.start()
 time.sleep(1)  #确保线程thread1已经启动
 print 'start join'
 thread1.join()    #将一直堵塞，直到thread1运行结束。
 print 'end join'

threading.RLock和threading.Lock

在threading模块中，定义两种类型的琐：threading.Lock和threading.RLock。它们之间有一点细微的区别，通过比较下面两段代码来说明：

 import threading
 lock = threading.Lock()    #Lock对象
 lock.acquire()
 lock.acquire()  #产生了死琐。
 lock.release()
 lock.release()

 import threading
 rLock = threading.RLock()  #RLock对象
 rLock.acquire()
 rLock.acquire()    #在同一线程内，程序不会堵塞。
 rLock.release()
 rLock.release()

这两种琐的主要区别是：RLock允许在同一线程中被多次acquire。而Lock却不允许这种情况。注意：如果使用RLock，那么acquire和release必须成对出现，即调用了n次acquire，必须调用n次的release才能真正释放所占用的琐。

threading.Condition

可以把Condiftion理解为一把高级的琐，它提供了比Lock, RLock更高级的功能，允许我们能够控制复杂的线程同步问题。threadiong.Condition在内部维护一个琐对象（默认是RLock），可以在创建Condigtion对象的时候把琐对象作为参数传入。Condition也提供了acquire, release方法，其含义与琐的acquire, release方法一致，其实它只是简单的调用内部琐对象的对应的方法而已。Condition还提供了如下方法(特别要注意：这些方法只有在占用琐(acquire)之后才能调用，否则将会报RuntimeError异常。)：

Condition.wait([timeout]):

wait方法释放内部所占用的琐，同时线程被挂起，直至接收到通知被唤醒或超时（如果提供了timeout参数的话）。当线程被唤醒并重新占有琐的时候，程序才会继续执行下去。

Condition.notify():

唤醒一个挂起的线程（如果存在挂起的线程）。注意：notify()方法不会释放所占用的琐。

Condition.notify_all()

Condition.notifyAll()

唤醒所有挂起的线程（如果存在挂起的线程）。注意：这些方法不会释放所占用的琐。

threading.Event

Event实现与Condition类似的功能，不过比Condition简单一点。它通过维护内部的标识符来实现线程间的同步问题。（threading.Event和.NET中的System.Threading.ManualResetEvent类实现同样的功能。）

Event.wait([timeout])

堵塞线程，直到Event对象内部标识位被设为True或超时（如果提供了参数timeout）。

Event.set()

将标识位设为Ture

Event.clear()

将标识伴设为False。

Event.isSet()

判断标识位是否为Ture。

threading.Timer

threading.Timer是threading.Thread的子类，可以在指定时间间隔后执行某个操作。下面是Python手册上提供的一个例子：

 def hello():
     print "hello, world"
 t = Timer(3, hello)
 t.start() # 3秒钟之后执行hello函数。

threading模块中还有一些常用的方法没有介绍：

threading.active_count()
threading.activeCount()

获取当前活动的(alive)线程的个数。

threading.current_thread()
threading.currentThread()

获取当前的线程对象（Thread object）。

threading.enumerate()

获取当前所有活动线程的列表。

threading.settrace(func)

设置一个跟踪函数，用于在run()执行之前被调用。

threading.setprofile(func)

设置一个跟踪函数，用于在run()执行完毕之后调用。