理解 Python 中的多线程及资源竞争

发表于 作者 admin

本篇是从网上摘来的一个老外写的一篇文章的译文，主要通过几个示例来了解python 的线程及如何避免线程之间的竞争。 当然在提到python的多线程问题时，很多人会提到GIL的问题，不过本篇要展示的内容不做GIL的讨论。

一、单线程请求与多线程请求

例1：单线程请求

#!/usr/bin/env python
import time
import urllib2
def get_responses():
    urls = [
        'http://www.amazon.com',
        'http://www.ebay.com',
        'http://www.alibaba.com',
        'http://www.reddit.com'
    ]
    start = time.time()
    for url in urls:
#        print url
        resp = urllib2.urlopen(url)
        print url,resp.getcode()
    print "Elapsed time: %s" % (time.time()-start)
get_responses()

其输出结果是：

http://www.amazon.com 200
http://www.ebay.com 200
http://www.alibaba.com 200
http://www.reddit.com 200
Elapsed time: 3.0814409256

解释：

  • url顺序的被请求
  • 除非cpu从一个url获得了回应，否则不会去请求下一个url
  • 网络请求会花费较长的时间，所以cpu在等待网络请求的返回时间内一直处于闲置状态。


例2：多线程请求

#!/usr/bin/env python
import urllib2
import time
from threading import Thread
class GetUrlThread(Thread):
    def __init__(self, url):
        self.url = url
        super(GetUrlThread, self).__init__()
    def run(self):
        resp = urllib2.urlopen(self.url)
        print self.url, resp.getcode()
def get_responses():
    urls = [
        'http://www.amazon.com',
        'http://www.ebay.com',
        'http://www.alibaba.com',
        'http://www.reddit.com'
    ]
    start = time.time()
    threads = []
    for url in urls:
        t = GetUrlThread(url)
        threads.append(t)
        t.start()
    for t in threads:
        t.join()
    print "Elapsed time: %s" % (time.time()-start)
get_responses()

运行结果：

http://www.reddit.com 200
http://www.amazon.com 200
http://www.alibaba.com 200
http://www.ebay.com 200
Elapsed time: 0.689890861511

解释：

  • 意识到了程序在执行时间上的提升我们写了一个多线程程序来减少cpu的等待时间，当我们在等待一个线程内的网络请求返回时，这时cpu可以切换到其他线程去进行其他线程内的网络请求。
  • 我们期望一个线程处理一个url，所以实例化线程类的时候我们传了一个url。
  • 线程运行意味着执行类里的run()方法。
  • 无论如何我们想每个线程必须执行run()。
  • 为每个url创建一个线程并且调用start()方法，这告诉了cpu可以执行线程中的run()方法了。
  • 我们希望所有的线程执行完毕的时候再计算花费的时间，所以调用了join()方法。
  • join()可以通知主线程等待这个线程结束后，才可以执行下一条指令。
  • 每个线程我们都调用了join()方法，所以我们是在所有线程执行完毕后计算的运行时间。

关于线程：

  • cpu可能不会在调用start()后马上执行run()方法。
  • 你不能确定run()在不同线程建间的执行顺序。
  • 对于单独的一个线程，可以保证run()方法里的语句是按照顺序执行的。
  • 这就是因为线程内的url会首先被请求，然后打印出返回的结果。

二、多线程之间的资源竞争

例3：资源竞争问题

#!/usr/bin/env python
from threading import Thread
#define a global variable
some_var = 0
class IncrementThread(Thread):
    def run(self):
        #we want to read a global variable
        #and then increment it
        global some_var
        read_value = some_var
        print "some_var in %s is %d" % (self.name, read_value)
        some_var = read_value + 1
        print "some_var in %s after increment is %d" % (self.name, some_var)
def use_increment_thread():
    threads = []
    for i in range(50):
        t = IncrementThread()
        threads.append(t)
        t.start()
    for t in threads:
        t.join()
    print "After 50 modifications, some_var should have become 50"
    print "After 50 modifications, some_var is %d" % (some_var,)
use_increment_thread()

多次运行这个程序，你会看到多种不同的结果。

解释：

  • 有一个全局变量，所有的线程都想修改它。
  • 所有的线程应该在这个全局变量上加 1 。
  • 有50个线程，最后这个数值应该变成50，但是它却没有。

为什么没有达到50？

  • 在some_var是15的时候，线程t1读取了some_var，这个时刻cpu将控制权给了另一个线程t2。
  • t2线程读到的some_var也是15
  • t1和t2都把some_var加到16
  • 当时我们期望的是t1 t2两个线程使some_var + 2变成17
  • 在这里就有了资源竞争。
  • 相同的情况也可能发生在其它的线程间，所以出现了最后的结果小于50的情况。

例4：解决资源竞争问题

#!/usr/bin/env python
from threading import Lock, Thread
lock = Lock()
some_var = 0
class IncrementThread(Thread):
    def run(self):
        #we want to read a global variable
        #and then increment it
        global some_var
        lock.acquire()
        read_value = some_var
        print "some_var in %s is %d" % (self.name, read_value)
        some_var = read_value + 1
        print "some_var in %s after increment is %d" % (self.name, some_var)
        lock.release()
def use_increment_thread():
    threads = []
    for i in range(50):
        t = IncrementThread()
        threads.append(t)
        t.start()
    for t in threads:
        t.join()
    print "After 50 modifications, some_var should have become 50"
    print "After 50 modifications, some_var is %d" % (some_var,)
use_increment_thread()

再次运行这个程序，达到了我们预期的结果。

解释：

  • Lock 用来防止竞争条件
  • 如果在执行一些操作之前，线程t1获得了锁。其他的线程在t1释放Lock之前，不会执行相同的操作
  • 我们想要确定的是一旦线程t1已经读取了some_var，直到t1完成了修改some_var，其他的线程才可以读取some_var
  • 这样读取和修改some_var成了逻辑上的原子操作。

接下来再看两个非全局变量的例子

例5：非多线程资源竞争

#!/usr/bin/env python
from threading import Thread
import time
class CreateListThread(Thread):
    def run(self):
        self.entries = []
        for i in range(10):
            time.sleep(1)
            self.entries.append(i)
        print self.entries
def use_create_list_thread():
    for i in range(3):
        t = CreateListThread()
        t.start()
use_create_list_thread()

time.sleep()可以使一个线程挂起，强制线程切换发生。运行几次后发现并没有打印出争取的结果。当一个线程正在打印的时候，cpu切换到了另一个线程，所以产生了不正确的结果。我们需要确保print self.entries是个逻辑上的原子操作，以防打印时被其他线程打断。

例6：非多线资源竞争解决

#!/usr/bin/env python
from threading import Thread, Lock
import time
lock = Lock()
class CreateListThread(Thread):
    def run(self):
        self.entries = []
        for i in range(10):
            time.sleep(1)
            self.entries.append(i)
        lock.acquire()
        print self.entries
        lock.release()
def use_create_list_thread():
    for i in range(3):
        t = CreateListThread()
        t.start()
use_create_list_thread()

使用Lock()后，这次我们看到了正确的结果。证明了一个线程不可以修改其他线程内部的变量（非全局变量）。

发表评论

您的电子邮箱地址不会被公开。