线程与进程

程序相当于工厂，进程相当于车间，线程相当于工人。在一个工厂中往往有多个车间，在一个车间上有多个工人并行工作。
同车间上的工人共享房间，但是有些房间一次只能容纳一个人，比如厕所。在厕所里有人的时候，其他人不能进入。一个防止他人进入的简单方法，就是门口加一把锁。先到的人锁上门，后到的人看到上锁，就在门口排队，等锁打开再进去。这就叫”互斥锁”（Mutual exclusion，缩写 Mutex）。
还有些房间，可以同时容纳n个人，如果人数大于n，多出来的人只能在外面等着。这时的解决方法，就是在门口挂n把钥匙。进去的人就取一把钥匙，出来时再把钥匙挂回原处。后到的人发现钥匙架空了，就知道必须在门口排队等着了。这种做法叫做”信号量”（Semaphore）。
不难看出，mutex是semaphore的一种特殊情况（n=1时）。也就是说，完全可以用后者替代前者。但是，因为mutex较为简单，且效率高，所以在必须保证资源独占的情况下，还是采用这种设计。

线程基础

线程状态

线程有5种状态，状态转换的过程如下图所示：

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：

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：

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。

python的多线程

_thread

Python通过两个标准库_thread(python2是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。

import _thread
import time

# 一个用于在线程中执行的函数
def foo(arg):
    for i in range(100):
        print(arg,i)
        time.sleep(1)
    print(arg)

    # 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(foo,("线程1",)) # 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())              #输出为False

# 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():
    print (lock.locked())         #输出为True

    # 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(4)

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.

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()：

#coding=utf-8
__author__ = ‘a359680405‘
# 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）。

from threading import Thread
import time

def foo(arg):
    for i in range(100):
        print(arg,i)
        time.sleep(1)
    print(arg)

t1=Thread(target=foo,args=("线程1",))
t2=Thread(target=foo,args=("线程2",))

print(t1.getName())     #获取线程名
t2.setName("线程二")    #设置线程名
print(t1.isDaemon())    #查看是否是守护线程。默认不是守护线程
t1.setDaemon(True)     #将t1设为守护线程，则在主线程执行完后（输出end后），即会结束
t1.start()
t1.join(5)              #此时主线程停止执行，t1线程执行5秒

print("end")

Lock

Lock（指令锁）是可用的最低级的同步指令。Lock处于锁定状态时，不被特定的线程拥有。Lock包含两种状态——锁定和非锁定，以及两个基本的方法。

可以认为Lock有一个锁定池，当线程请求锁定时，将线程至于池中，直到获得锁定后出池。池中的线程处于状态图中的同步阻塞状态。

构造方法：
Lock()

实例方法：
acquire([timeout]): 使线程进入同步阻塞状态，尝试获得锁定。
release(): 释放锁。使用前线程必须已获得锁定，否则将抛出异常。

from threading import Thread
import threading
import time
import random
num=0

def foo(lock):
    time.sleep(random.randrange(0,3))
    global num
    # 调用acquire([timeout])时，线程将一直阻塞，
    # 直到获得锁定或者直到timeout秒后（timeout参数可选）。
    # 返回是否获得锁。
    lock.acquire()     #独占CPU
    print(num)
    num+=1
    lock.release()     #一定要记得释放锁
    lock=threading.Lock()

lock=threading.Lock()
for i in range(100):
    p1=Thread(target=foo,args=(lock,))
    p1.start()

从小到大输出1~99

RLock

RLock（可重入锁）是一个可以被同一个线程请求多次的同步指令。RLock使用了“拥有的线程”和“递归等级”的概念，处于锁定状态时，RLock被某个线程拥有。拥有RLock的线程可以再次调用acquire()，释放锁时需要调用release()相同次数。

可以认为RLock包含一个锁定池和一个初始值为0的计数器，每次成功调用 acquire()/release()，计数器将+1/-1，为0时锁处于未锁定状态。

构造方法：
RLock()

实例方法：
acquire([timeout])/release(): 跟Lock差不多。

from threading import Thread
import threading
import time
import random
num=0

def foo(rlock):
    time.sleep(random.randrange(0,3))
    global num
    #第1次请求锁
    rlock.acquire()
    print("test")
    #第2次请求锁
    rlock.acquire()
    print(num)
    #第1次释放锁
    rlock.release()
    num+=1
    #第2次释放锁
    rlock.release()                  
    lock=threading.RLock()           
    lock1=threading.Lock()

rlock=threading.RLock()
for i in range(100):
    p1=Thread(target=foo,args=(rlock,))
    p1.start()

在继承的threading.Thread中使用锁

#coding=utf-8
__author__ = ‘a359680405‘
#coding=utf-8
#!/usr/bin/python

import threading
import time

class myThread (threading.Thread):
    def __init__(self, threadID, name, counter):
        threading.Thread.__init__(self)
        self.threadID = threadID
        self.name = name
        self.counter = counter
    def run(self):
        print ("Starting " + self.name)
       # 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
        threadLock.acquire()
        print_time(self.name, self.counter, 3)
        # 释放锁
        threadLock.release()

def print_time(threadName, delay, counter):
    while counter:
        time.sleep(delay)
        print ("%s: %s" % (threadName, time.ctime(time.time())))
        counter -= 1

threadLock = threading.Lock()
threads = []

# 创建新线程
thread1 = myThread(1, "Thread-1", 1)
thread2 = myThread(2, "Thread-2", 2)

# 开启新线程
thread1.start()
thread2.start()

# 添加线程到线程列表
threads.append(thread1)
threads.append(thread2)

# 等待所有线程完成
for t in threads:
    t.join()
print ("Exiting Main Thread")

输出为
Starting Thread-1
Starting Thread-2
Thread-1: Thu Apr 21 00:14:11 2016
Thread-1: Thu Apr 21 00:14:12 2016
Thread-1: Thu Apr 21 00:14:13 2016
Thread-2: Thu Apr 21 00:14:15 2016
Thread-2: Thu Apr 21 00:14:17 2016
Thread-2: Thu Apr 21 00:14:19 2016
Exiting Main Thread

小提示

1. 相同进程中的不同线程可以同时在不同的CPU中运行，但是由于GIL（ 全局解释器锁）的存在，python不具有这个能力。python一个进程同时只能执行一个线程。因此，在python开发时，计算密集型使用多进程，IO密集型使用多线程。如果计算密集的同时又有IO密集，则多线程多进程同时使用。
2. 在执行一些sleep/read/write/recv/send这些会导致阻塞的函数时，当前线程会主动放弃GIL，然后调用相应的系统API，完成后再重新申请GIL。因此，GIL也并不是导致Python的多线程完全没用，在一些IO等待的场合，Python多线程还是发挥了作用，当然如果多线程都是用于CPU密集的代码，那多线程的执行效率就明显会比单线程的低。

3. 进程的开销通常比线程昂贵, 因为线程自动共享内存地址空间和文件描述符. 意味着, 创建进程比创建线程会花费更多

本文地址：http://blog.csdn.net/a359680405/article/details/51205212