Python 低层多线程接口_thread的用法

_thread是python标准库中的一个低层多线程API，可以在进程中启动线程来处理任务，并且提供了简单的锁机制来控制共享资源的同步访问。本文就_thread模块的用法和特性做个简单的演示。

一、进程和线程的区别

并行（多任务处理）是现代操作系统的基本特性，一个程序可以同时处理很多任务而不被阻塞。多任务处理的基本方式有两种：进程分支和线程派生。

进程分支就是从当前进程复制一个程序副本，程序中的内存副本，文件描述符等都会被复制，子进程改变一个全局对象只是修改本地的副本，不会影响到父进程。常用在启动独立的程序。

线程派生和进程分支类似，但是子线程依然在原进程中运行，所有的子线程都会共享进程中的全局对象，相对于进程分支，少了一个"复制"的操作，因此更加轻量化，且由于共享进程对象，相当于自带了线程间的通信机制（进程间的通信则需要借助管道，套接字，信号等外部工具）。常用在处理一些轻量级任务。

但这些共享对象的访问可能出现冲突，_thread也提供了锁机制来同步化对象访问，例如修改一个对象时，先获取锁，完成后再释放，这样就可以保证任意时间点，最多能有1个线程能修改这个共享对象，防止出现混乱。

二、_thread模块的用法

_thread模块中的start_new_thread可以开启一个新的线程并运行指定程序。

2.1 派生线程

当程序启动时，其实它就已经启动了一个线程，这个就是主线程。通过_thread.start_new_thread方法，传入一个函数对象和一个参数元组，就可以开启新线程来执行所传入的函数对象。简单的演示如下：

import _thread as threaddef func(id):print('我是 {} 号子线程'.format(id))for i in range(5):thread.start_new_thread(func,(i,))

上面代码执行示意图如下：for循环执行了5次start_new_thread，这会开启5个线程，每个线程去执行func函数。因为线程是并行的，所以输出的顺序并不是0,1,2,3,4而是混乱的。注意3，4号子线程打印出现了重叠，这是因为它们共享一个标准输出流，而我们没有做同步化访问控制，因而它们同时打印输出。

2.2 同步化访问控制

由于子线程可以共享进程中的资源，这既是一个优势（方便线程间通信），也带来了共享资源访问的问题，如果多个子线程同时修改一个共享资源，那么就容易出现冲突，例如上面的输出重叠。

为了解决这类问题，_thread模块中的allocate_lock方法提供了一个简单的锁机制来控制共享访问，每次获取共享资源时先获取锁，可以保证任何时间点最多只有1个线程可以访问该资源。示例如下：

import _thread as threadlock = thread.allocate_lock()    # 定义一个锁def func(id):with lock:    # 用上下文管理器自动控制锁的获取和释放print('我是 {} 号子线程'.format(id))for i in range(5):thread.start_new_thread(func,(i,))

with lock会自动管理锁对象的获取和释放，默认线程会一直等待直到锁的获取，如果想要更精细的控制可以使用下面的方式：

lock.acquire()    # 获取锁
print('我是 {} 号子线程'.format(id))
lock.release()    # 释放锁

lock.acquire()有2个可选的参数：blocking=True代表无法获取锁时等待，blocking=False代表如无法立刻获取锁则返回。timeout=-1代表等待的秒数（-1代表无限等待），此参数只有在blocking设置为True时才能指定。

2.3 子线程的退出控制

_thread派生子线程后，如果主线程运行完毕，而子线程依然在运行中，那么所有子线程就会随着主线程的退出而被终止。

我们在子进程中增加一个sleep来模拟长时间任务，让其运行时长超过主线程。将下面的代码保存到一个thread1.py中，以一个独立进程启动：

import _thread as thread, timelock = thread.allocate_lock()    # 定义一个锁def func(id):time.sleep(id)    # 子线程会睡眠，运行时长将超过主线程with lock:print('我是 {} 号子线程'.format(id))for i in range(5):thread.start_new_thread(func,(i,))print('主线程结束，退出...')    # 主线程退出时打印提示

可以看到，主线程打印了退出提示，但子线程却没有任何输出，这是因为主线程运行的时间非常短，当其退出时，所有子线程都终止了。这种情况显然不是我们想看到的。示例图如下：

2.3.1 通过sleep等待子线程运行结束

为了解决上面的问题，一个简单的解决方案可以在主线程中加一个sleep，让其等待一段时间再退出，但这个时间我们只能预估。在上面的代码基础上，增加一个time.sleep(3)，让主线程退出前等待3秒，保存为thread2.py，再次执行：

import _thread as thread, timelock = thread.allocate_lock()    # 定义一个锁def func(id):time.sleep(id)    # 子线程会睡眠，运行时长将超过主线程with lock:print('我是 {} 号子线程'.format(id))for i in range(5):thread.start_new_thread(func,(i,))time.sleep(3)    # 主线程等待3秒再退出
print('主线程结束，退出...')    # 主线程退出时打印提示

可以看到部分子进程运行完毕，但还有部分子进程未完成，因此这种方法不是很准确，虽然你可以给一个足够长的时间来保证所有子进程运行结束，但如果进程长时间不结束，也会占用系统资源。

2.3.2 通过锁的状态监测子进程结束

_thread.allocate_lock除了可以控制共享对象的访问，还可以用来传递全局状态，下面定义了包含5把锁的列表，每个子线程执行完成后会去获取其中对应位置上的锁，在主线程中通过lock.locked()来检查是否所有的锁都被获取，当所有锁都被获取时（代表所有子线程都结束），主线程退出。将下面代码保存到thread3.py中，再次运行：

import _thread as thread, timelock = thread.allocate_lock()    # 定义一个锁
exit_locks = [thread.allocate_lock() for I in range(5)]   # 定义一个列表，包含5把锁，对应稍后启动的5个子线程def func(id):time.sleep(id)    # 子线程会睡眠，运行时长将超过主线程with lock:print('我是 {} 号子线程'.format(id))exit_locks[id].acquire()    # 执行完成后获取exit_locks中对应位置的锁for i in range(5):thread.start_new_thread(func,(i,))for lock in exit_locks:while not lock.locked(): pass    # lock.locked()检测锁是否已被获取print('主线程结束，退出...')    # 主线程退出时打印提示

测试时可以发现，主线程会在所有子线程执行完毕后立刻退出，即不会提前导致子线程终止，也不会推迟浪费系统资源。

2.3.3 通过共享变量监测子进程结束

由于子线程可以共享进程中的变量，因此子线程中对共享对象的修改在主线程也可以看到，我们可以将上面的锁替换为简单的变量，可以达到相同的效果，下面使用一个共享列表，通过在子线程中修改变量值传递状态，将下面代码保存为thread4.py并执行：

import _thread as thread, timelock = thread.allocate_lock()    # 定义一个锁
exit_flags = [False]*5   # 定义一个全局共享列表，包含5个布尔变量Falsedef func(id):time.sleep(id)    # 子线程会睡眠，运行时长将超过主线程with lock:print('我是 {} 号子线程'.format(id))exit_flags[id] = True    # 执行完成后将共享列表中对应位置的值改为Truefor i in range(5):thread.start_new_thread(func,(i,))while False in exit_flags:pass    # 检测列表中是否有False，如果全部为Ture，代表所有子线程执行完毕print('主线程结束，退出...')    # 主线程退出时打印提示

可以看到主线程会等待子线程执行完毕后退出，这种方式相比上面可以节约锁分配的资源，看上去也更加简单。

以上即是_thread模块的基本用法。基于_thread模块还有高级的threading模块，_threading模块是基于类和对象的高级接口，并提供了额外的控制工具，例如threading.join()可以实现等待子进程退出。