百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

python线程之十:线程 threading 最终总结

ztj100 2025-01-09 17:29 20 浏览 0 评论

小伙伴们,到今天 threading 模块彻底讲完。现在全面总结 threading 模块

1、threading模块有自己的方法

详细点击【threading模块的方法

threading 模块:较低级的模块 _thread 基础上进行的封装。

import threading as T

t1 = T.current_thread().name  # 当前运行线程的名称
t2 = T.main_thread().name  # 主线程的名称
t3 = T.enumerate()  # 线程列表
t4 = T.active_count()  # 线程活动的数量

# 以下两个方法并不是设置一次,所有线程启动都运行,所以没什么用
T.settrace(func)  # 为每个线程设置跟踪函数,启动前运行,没什么用途
T.profile(func)  # 为每个线程设置一个配置文件函数,启动前运行,没什么用途

2、Tread 类

详细点击【线程之一:线程的创建、启动及运行方式

线程的创建和启动(两种方法)

  • 实例化 Thread 类的方式
t = Thread(target=None, name=None, args=(), kwargs=None, daemon=None)
  • 继承 Thread 类,重写 run() 方法的方式
from threading import Thread
# 定义线程类
class Person(Thread):
    def __init__(self):
        super(Person, self).__init__()
    def run(self):
        print('线程启动后运行 run 函数')

运行方式有四种(daemon、join组合)

  • 等子线程结束,主线程再继续运行 , join()
  • 等子线程2秒,主线程再继续运行 , join(timeout=2)
  • 不等子线程,跟随主线程结束 , daemon=True
  • 等子线程2秒,跟随主线程结束 , daemon=True; join(timeout=2)

3、线程锁

详细点击【四种锁-线程安全通信的基础

  • Lock 类:一把大锁保护一个代码块
  • RLock 类:大锁可以套小锁保护多个代码块
  • Condition 类:Lock 类或 RLock 类的二次封装,加入了等待和唤醒功能。 默认是递归锁
  • Semaphore 类:Condition 类的二次封装,加入了同时执行线程的数量限制
定义一个锁对象
with 锁对象:
    代码块 ...

4、线程间通信

详细点击【线程间通信,由锁实现的模块,推荐两种

  • Event 类:Condition 类的二次封装,改变一个标识的真假
from threading import Event  # 这个事件比较简单,就是一个标识

event = Event()  # 定义一个事件对象,
event.is_set()  # 返回:False  解读:返回内部标识,这个标识初始时为 false
event.set()   # 把内部标识设置为 True
event.clear()  # 把内部标识设置为 False
event.wait()  # 阻塞线程,直到内部标识变成 True。可以设置超时
  • queue模块:Condition 类的二次封装,线程间消息传递
from queue import Queue
que = Queue()

que.empty()  # 队列为空,返回 True,否则返回 False
que.full()  # 队列设置长度时,满了返回 True,否则 False
que.qsize()  # 返回队列的长度

# 写入队列4种方式
que.put(1)
# 解读:1、等价于 que.put(1,block=True,timeout=None)
# 2、阻塞写入:队列满了阻塞,一直等到不满的时候再写入,不报错
que.put(1,timeout=1)
# 解读:1、等价于 que.put(1,block=True,timeout=1)
# 2、阻塞写入:队列满了阻塞,阻塞超过1秒,报错 queue.Full
que.put(1,block=False)  # 非阻塞时 timeout 参数无效
# 解读:1、等价于 que.put(1,block=False,timeout=None)
# 2、非阻塞写入:队列满了,立即报错 queue.Full
que.put_nowait()
# 解读:1、等价于 que.put(1,block=False)
# 2、非阻塞写入:队列满了,立即报错 queue.Full

# 读取队列4种方式
que.get()  # 获取队列数据
# 解读:1、等价于 que.get(block=True,timeout=None)
# 2、阻塞获取:队列空了阻塞,一直等到不为空时再读取,不报错
que.get(timeout=1)
# 解读:1、等价于 que.get(block=True,timeout=1)
# 2、阻塞获取:队列空了阻塞,阻塞超过1秒,报错 _queue.Empty
que.get(block=False)  # 非阻塞时 timeout 参数无效
# 解读:1、等价于 que.get(block=False,timeout=None)
# 2、非阻塞获取:队列空了,立即报错 _queue.Empty
que.get_nowait()
# 解读:等价于 que.get(block=False)
# 2、非阻塞获取:队列空了,立即报错 _queue.Empty

# jion 和 task_done 一般配合使用,看生产者和消费者模型示例
que.join()
# 解读:1、一般用于生产者线程,put 后阻塞线程,直到 task_done 解除阻塞,生产者线程才会继续运行
# 2、必须配合消费者线程 task_done 解除阻塞,否则生产者线程会一直阻塞下去
que.task_done()
# 解读:1、用于消费者线程,get 后使用 task_done,直到队列为空时,解除阻塞
# 2、一个消费者线程 task_done 一次,只能解除一个生产者线程的 join 阻塞

queue 模块,详细点击【python线程之七:线程间通信queue,最全、最明白阐述

5、Timer 类:

详细点击【定时器(Timer),非阻塞

  • 继承 Thread 类,重写 run 函数,加入了时间延迟功能
# 定时器的定义及启动
from threading import Timer
def work():
    print('工作中')
t = Timer(2, work)  # 启动后,等待2秒,再执行work 函数
t.start()
# 打印返回:工作中

6、local 类:

详细点击【本地对象(local)

  • 线程本地对象,较低级的模块 _thread 基础上进行的封装。
from threading import local
l = local()  # 创建一个本地对象

# 设置属性(随便设置,想添加什么就添加什么)
l.name = 'jack'  # 解读:给对象添加 name 属性
l.age = 30  # 解读:给对象添加 age 属性

# 读取属性
print(l.name)  # 返回:jack   解读:使用 name 属性
print(l.__dict__) # 返回:{'name': 'jack', 'age': 30}   解读:返回所有属性,字典

# 删除属性
del l.age  # 解读:删除 age 属性
print(l.__dict__)  # 返回:{'name': 'jack'}

7、线程停止方式

详细点击【python线程之八:线程停止的3种方式,5个实例

  • 正常停止线程:通过标志全局变量、Event 类
  • 强制停止线程:通过 C 语言接口

8、生产者、消费者模式

详细点击【python线程之九:生产者消费者3种方式,2个线程1个协程

  • Condition 类实现
  • queue 模块实现
  • yield 协成函数实现

至此,python 线程全部总结完成。如有疑问,欢迎讨论

相关推荐

其实TensorFlow真的很水无非就这30篇熬夜练

好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型

准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧

机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化

作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习

1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础

...

Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置

你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型,高斯核!!

...

神经网络与传统统计方法的简单对比

传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程

...

自回归滞后模型进行多变量时间序列预测

下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石

苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...

时间序列预测全攻略,6大模型代码实操

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN

...

取消回复欢迎 发表评论: