Python的多线程
一、并发和并行
1、并行
parallel，同时做某些事，互不干扰的同一时刻做几件事；
2、并发
concurrency，同时做某些事，强调一个时间段内有这么多事情要处理完；
一对多，一般就产生了并发；多用户集中访问就是高并发；一旦高并发出现问题可能导致服务全线崩溃
二、高并发的解决方案
1、队列queue
天然的最常用的解决方案：排队，先进先出；形成的队列是一个缓冲地带，就是缓冲区buffer；
队列的核心作用：解耦和缓冲
用queue缓冲队列、慢慢处理，不把压力压到窗口上，而是队伍上，逐步追加队伍；就可实现把请求平滑下来，而不是出现小高峰；
或者采用优先队列；不需要锁机制，因为没有争抢
例如queue模块的类Queue、LifoQueue（后进先出）、PriorityQueue（优先队列）；buffer常用Queue、PriorityQueue
也可以用双队列解决问题
应用场景：不在意等待时间的情景，简单易用，代价最小；
2、争抢
不文明的争抢模型，一种高效的方案，没有秩序；
只要资源有人争抢，就必须采用锁机制，即一个人占据窗口后，窗口即锁定、不能为其他人提供服务
操作系统里有的资源就采用争抢模型，也是一种很好的解决方案
优点是效率高、资源不空闲，只要有空闲就会有一个等待的请求者立马霸占资源；缺点是有的线程可能永远抢不到资源，有的线程反复都能抢到，比如网速差的人总是看不到页面；对外部用户一般不采用此方案；
3、预处理
第一重要的常用手段，简单理解就是把需求预先准备好，提前多备一些数据，为加快速度一般都是把数据放内存里；一般都会把用户访问频率高的热点数据提前加载，重点是分析热数据、冷数据；
属于缓存的思想：一种把大多数用户需要的数据提前加载，当请求涌来时，这些数据能很快被拿走；预处理思想也叫预加载，一般采用分布式的、在内存中缓存；譬如在自己的内存中用字典实现缓存，当数据规模大，可考虑第三方的redis，分布式；
优点：提高用户访问的速度，从而减少排队的压力
具体做法：最常用的就是字典，例如redis，这种分布式的、用key，value存储数据的数据库
4、并行
可以把请求分散开来，但并行最大的问题是如何分配，无法预知哪个队列速度快，当有新请求时应该分配到哪个队伍；
简单的方式是轮询，但并不是很好的方案；
日常解决方案：一个程序开多个线程；可以通过购买更多服务器，或多开进程、线程实现并行处理，来解决并发问题；
这种增加窗口的拓展都是水平扩展的思想，如果是在硬件级别拓展，成本会上升；
其实底层都是靠硬件支撑，为了方便管理，会进行逻辑划分，就用到虚拟化技术，即云技术，实现逻辑管理，通过弹性拓展、收缩解决水平拓展问题，云技术也可以度量，计量买多少CPU、多少内存，是一种水平拓展方式；不够用就可以买云服务
注意：
1）并行只是解决并发的一种方案，但并行可以水平拓展；
2）如果线程在单CPU上处理，其实是交替处理，就不是并行了，属于串行；
说明：核心数和路数是两码事，2个CPU叫两路，每个CPU可能有多核，每个核心可以认为是一个CPU，单CPU多核相当于多个CPU；主板上可能有多个插槽插CPU，主板上集成的CPU越多，工艺越复杂，越贵，有时买CPU还不如买服务器
3）多数服务器都是多CPU的，服务的部署往往是多机的、分布式的，这都是并行处理
5、提速
提高单个窗口程序的运行效率，在系统内外做程序的优化；
或者提高单机服务器的性能，比如提高CPU运行频率（换超频）、提高网速、增加内存，或单个服务器安装更多的CPU；
这是一种垂直拓展的思想；属于在单机向上提升，在窗口上提升
垂直提升有天花板，制造工艺的代价太大、成本限制，比如CPU频率难以再提升，故常用的还是水平拓展；
6、消息中间件
这是系统外的队列，称为第三方队列，是单独的程序，一般承压能力非常强，会启动一个群集服务、分担压力，而且容量大；从系统外的队列进到系统内部队列后可能还要排队
系统内外队列的区别：
系统内的队列往往和应用程序、内部的窗口和当前系统相关，用的是queue库的队列，而系统外的队列一般属于第三方，无需配备很多queue（窗口），只需配备一个大队列即可
系统外的队列也称消息队列，放在系统和系统之间，这个第三方队列不能替代系统内的queue队列
由于队列的核心作用是解耦和缓冲，系统内和系统外加了一个第三方队列，相当于在系统间放了一个缓冲地带，做系统间解耦，这个队列一加就把程序变成了分布式程序
消息有生产者、消费者，中间加消息队列、解耦同时做缓冲以平滑数据；
常见的消息队列（消息中间件）有RabbitMQ、ActiveMQ（Apache）、RocketMQ（阿里Apache）、Kafka（Apache）都支持分布式
RocketMQ也放到了Apache；大数据领域常用Kafka，ActiveMQ
www.Apache.org 建造了围绕大数据的生态，主要语言是Java，有很多*项目projects和实用工具，比如分布式部署ZooKeeper、Kafka、Redis，都是Apache的项目，这些服务在python有第三方库供使用，只要用接口就可部署好；多学其他框架、减少人工操作；
还有其他的手段解决高并发：
比如多地建服务器（通过DNS引导、解析、分流，把请求引导到各地的服务器，也属于水平拓展，但脱离了机房的概念），比如淘宝，多地均有服务器，并进行数据同步；一般会在用户密集的地方添服务器；
还有就近处理，CDN技术，把常用的静态数据缓存，然后把常需要的数据就近放到跟前，用户获取数据更快；
一般来说不同的并发场景采用不同的策略，策略可能是多种方式的优化组合；
压力小的时候，就用队列、多线程并行，当压力逐渐变大，可考虑预处理、提前缓存，压力再增大，可考虑第三方队列的消息中间件，以及水平拓展、分布式处理，在阿里买虚拟服务器等等；垂直拓展也是一种方式，不过一般会根据成本再策划；
如果涉及到多节点部署，跨机器间的进程同步，可能会用到分布式锁，会用到APACHE的zookeeper（原生Java）；
三、进程和线程
1、进程
不是所有的操作系统都有线程，在实现了线程的操作系统中，线程是操作系统能够进行运算调度的最小单位；线程被包含在进程之中，是进程中的实际运作单位；每个进程都有唯一ID；
1）进程Process
一个程序的执行实例就是一个进程；定义是计算机中的程序关于某数据集合上的一次运行活动，是系统进行资源分配和调度的基本单位，一般需分配内存资源、CPU资源；进程是操作系统结构的基础，进程管理是操作系统的核心任务；操作系统要管理进程，例如食堂是一个进程，每个窗口都是线程；
当程序被操作系统加载到内存中、运行起来，就是进程，进程中存放着指令和数据（资源），它是线程的容器；
操作系统的调用：是操作系统暴露出来的功能，非常低级的接口（low level），原始的系统调用一般复杂，一般会封装成高级库；进程和线程的背后原理完全不同；
2）进程和程序的关系
程序是写好的源代码.py文件、或编译后的文件，这些文件存放在磁盘上；进程是放在内存中的、活动的程序，存放着要执行的操作指令和数据
进程就是内存中执行的操作指令和操作的数据（资源），例如python执行文件会形成一个解释器进程，是活动的、放在内存中的；内存中存放着执行的指令，CPU只认机器代码，即指令，进程中也会存放操作资源，如操作的IO端口，数据也是资源
可以理解为进程是线程的容器，进程可以管理线程，进程中实际运作的是线程，进程只是指令和数据的集合、也可称容器，里面包含了线程
正在运行的程序实际是进程，专业术语进程是程序运行在内存中、被操作系统管理的实例，操作系统必须实现进程管理这个子系统
Linux进程有父进程、子进程，从一个进程创建另一个进程，Windows进程是平等关系，不同的操作系统在进程管理的实现上有差异
2、线程
有时被称为轻量级进程（Lightweight Process，LWP），是程序执行流的最小单元；一个标准的线程由线程ID、当前指令指针（PC）、寄存器集合和堆栈组成；
轻量是指线程开启的代价小，占用的资源少，在许多系统中，创建一个线程比进程快10-100倍；但这不是性能指标，并不是说应该多创建线程少创建进程，进程中实际运作的是线程；
3、进程、线程的理解
现代操作系统提出进程的概念，每个进程都认为自己独占所有的计算机硬件资源；
进程是独立的王国，进程间不可随便共享数据，交互起来极其麻烦；同一个进程内的线程可以共享进程的资源，每个线程拥有自己独立的堆栈，线程与线程之间不共享数据，是属于线程的私有数据；
进程和线程是用来解决并发问题的，即资源不够用；
Python中的进程和线程：进程会启动一个解释器进程，线程共享一个解释器进程；
进程是操作系统资源分配和管理的单位，操作系统是做进程管理，虽然也可以管理到进程中的线程，但这些线程实际上还是由进程管理，但操作系统调度的时候是向进程调度其线程，最终调度的还是线程，所以需要做多线程、多干活；
研究线程数因为进程只是资源调度单位，线程才是干活的，所以一般研究线程的状态；
4、线程的状态
就绪（Ready）：线程能够被调度运行，正在等待被调度；线程可能是刚刚被创建启动、也可能是刚刚从阻塞中恢复、或着被其他线程抢占；
运行（Running）：线程正在运行；
阻塞（Blocked）：线程正等待外部事件发生而无法运行，比如调I/O操作、input；
终止（Terminal）：线程完成，或被取消、退出；
调度：指CPU运行线程中的指令，一般需要给线程分配CPU时间，轮到某线程时，会把该线程加载到CPU上运行、执行其指令，当分配的CPU时间用完，时间片用完，会丢回去，线程从运行状态转换为就绪状态；
CPU调度哪个线程实际是操作系统调度，并不是CPU真的调度，CPU选择线程的方案有多种，比如争抢、排序、优先，大多数是争抢
CPU采用分时思想，把运行时间切的很小，造成一种并行的假象，每个线程都有执行机会，都能分到时间片，时间片是微秒级别；优先级高，分的时间越多，感觉上就是有的程序运行快，有的运行慢，有优先级可调整该线程获得的CPU资源时间，并不是指CPU一直运行该线程；
CPU是分时的，一个CPU一次只能调度一个线程，单核调度实际上是非同时，只是时间切换很快；
虚拟化的思想，一个资源当多个用：仿佛把一个CPU掰成多个用，做了很多事；CPU实质就是一种虚拟化的思想，让人以为那就是CPU的工作原理，CPU上跑的实际是线程，是源代码被编译后转化的机器指令，也是运作的最小单位；
CPU只调度就绪状态的，当CPU发现某一线程需调用IO进行较慢的操作时，一般不会等待，而是将该线程调整为阻塞状态，等待数据从磁盘上加载完毕，IO完成后再从阻塞状态变成就绪状态，阻塞的线程并不影响其他线程的调度；
Python的解释器也称PVM，Python虚拟机，把代码转换为中间代码，最后跑的都是机器指令；
四、threading模块
这是Python进行线程开发使用的标准库threading，基于线程的并行化处理方案，解决高并发的方案之一
1、Thread类
threading.Thread(group=None, target=None, name=None, args=(), kwargs={}, *, daemon=None)
可以通过类创建一个线程对象，创建好线程对象后，调用start方法，就可启动线程，这种有主线程、工作线程的程序一般称为多线程程序；主线程会一直等工作线程结束；
group：线程组，Python一般不提
target：指线程调用的对象，一般是目标函数，一个线程对象跑一个函数target就行了；
name：为线程取的名字，可给可不给；
args：为目标函数传递的实参，元祖；
kwargs：为目标函数关键字传参，字典；
daemon：是keyword-only
1）线程退出
Python中未提供线程退出的具体方法，但线程可在以下情况退出：
线程函数内语句执行完毕；例如循环break跳出、函数return退出；
线程函数中抛出未处理的异常，直接导致线程崩溃，但退出代码是0，因为主线程正常结束；
可考虑提供一个交互界面，keyboard
Python的线程没有优先级、线程组的概念，也不能被销毁、停止、挂起，也没有恢复、中断；线程库比较简单
2）线程传参
本质上就是函数传参
t = threading.Thread(target=add, name=‘add’, args=(4, 5))
t = threading.Thread(target=add, name=‘add’, args=(5,), kwargs={‘y’: 4})
2、threading的属性和方法
threading模块提供的方法
current_thread() 返回当前线程对象
main_thread() 返回主线程对象
active_count() 当前处于alive状态的线程个数
enumerate() 返回所有活着的线程的列表，不包括已经终止的、未开始的线程
get_ident() 返回当前线程的ID、非0整数，比名字好
其中active_count()，enumerate()方法的返回值还包括主线程
import threading
import time
def showthreadinfo():
print("current thread = {}".format(threading.current_thread()))
print("current thread id = {}".format(threading.get_ident()))
print("main thread = {}".format(threading.main_thread()))
print("acive count = {}".format(threading.active_count()))
print("acive thread list = {}".format(threading.enumerate()))
def worker():
count = 1
showthreadinfo()
while True:
if count > 5:
break
count += 1
print("I'm working")
time.sleep(0.5)
t = threading.Thread(target=worker, name='worker') # 线程对象
showthreadinfo()
t.start() # 启动
print('==End==')
# 结果
current thread = <_MainThread(MainThread, started 140735957906304)>
current thread id = 140735957906304
main thread = <_MainThread(MainThread, started 140735957906304)>
acive count = 1
acive thread list = [<_MainThread(MainThread, started 140735957906304)>]
current thread = <Thread(worker, started 123145312489472)>
current thread id = 123145312489472
==End==
main thread = <_MainThread(MainThread, stopped 140735957906304)>
acive count = 2
acive thread list = [<_MainThread(MainThread, stopped 140735957906304)>, <Thread(worker, started 123145312489472)>]
I'm working
I'm working
I'm working
I'm working
I'm working
3、Thread实例的属性和方法
name：只是一个标识名，可以重名，getName()、setName()可以获取/设置这个名词
ident：线程ID，是非0整数，线程start启动后才有Id，否则为None，线程退出，此ID依旧可以访问，线程ID可以重复利用；当前进程中线程ID唯一
is_alive()：返回线程是否活着
线程name只是一个名称，可以重复；ID必须唯一，但可在线程退出后再利用
import threading
import time
def worker():
count = 1
while True:
if count > 5:
break
time.sleep(1)
count += 1
print(threading.current_thread().name)
t = threading.Thread(name='worker', target=worker)
print(t.ident) # None
t.start()
while True:
time.sleep(1)
if t.is_alive():
print('{} {} alive'.format(t.name, t.ident))
else:
print('{} {} dead'.format(t.name, t.ident))
# 结果
None
workerworker 123145556844544 alive
worker 123145556844544 aliveworker
workerworker 123145556844544 alive
worker 123145556844544 aliveworker
workerworker 123145556844544 alive
worker 123145556844544 dead # 线程结束，名字和ID依旧可以访问，因为t还在
worker 123145556844544 dead
worker 123145556844544 dead
...
1）start和run
start() :启动一个线程，每一个线程对象必须且只能执行该方法一次；
该方法实现多线程齐头并进，调的是操作系统的接口，属于系统调用
run() :启动线程函数，即执行target函数
若没有start方法、缺乏对线程的创建，则相当于单线程，在主线程运行，单线程是顺序执行
两者区别：start()方法会调用run()方法，而run()方法仅为运行函数
import threading
import time
def showthreadinfo():
print("current thread = {}".format(threading.current_thread()))
print("main thread = {}".format(threading.main_thread()))
print("acive count = {}".format(threading.active_count()))
def worker():
count = 1
showthreadinfo()
while True:
if count > 3:
break
count += 1
print("I'm working")
time.sleep(0.5)
class MyThread(threading.Thread):
def start(self):
print('start~~~~~~~~~~~~~')
super().start()
def run(self):
print('run~~~~~~~~~~~~~')
super().run()
t = MyThread(name='worker', target=worker)
# t.start()
t.run() # 分别执行start或者run方法
print(t.ident)
# 结果
run~~~~~~~~~~~~~
current thread = <_MainThread(MainThread, started 140735957906304)>
main thread = <_MainThread(MainThread, started 140735957906304)>
acive count = 1
I'm working
I'm working
I'm working
None # 一个线程，顺序执行
# start方法
start~~~~~~~~~~~~~
run~~~~~~~~~~~~~
current thread = <MyThread(worker, started 123145525018624)>
main thread = <_MainThread(MainThread, started 140735957906304)>
acive count = 2
I'm working
123145525018624 # 多线程效果，主线程结果
I'm working
I'm working
使用start方法启动线程，启动了一个新的线程，名字叫做worker运行；但是使用run方法的，并没有启动新的线程，就是在主线程中调用了一个普通的函数而已；因此启动线程必须使用start方法，才能启动多个线程
2）单线程和多线程
start()涉及到在进程中创建一个新线程，返回一个新线程ID，实质会用到操作系统提供的库函数，进行操作系统的系统调用；
单线程是串行，多线程是齐头并进；但串行并不是一定比并行好、比并行快，对硬件设备，有串行口和并行口，硬盘最早是并行口，后来改成串行口（S）；
究竟用单线程还是多线程？串行设备还是并行设备？串口还是并口？各有用途；成本决定了不并行；计算机想用并口，但并口的电路处理更复杂，主板制作成本上升，所以更多的是提高单口效率、传输速率，串行有的也采用分时，和线程道理一样；
并行能提高数据处理能力，以免出现一个程序阻塞使得整个程序停滞；
进程一般会开启多线程，但线程并不是越多越好，不仅管理成本、维护成本会变高，线程是要被操作系统调度的，线程越多越会把时间浪费在线程切换上；线程一般几十个就差不多了；进程中的资源就那么多，线程可能需要抢，一般适用就好、不宜过多；
进程也不是越多越好，也有管理负担
五、多线程
多个线程，一个进程中如果有多个线程，就是多线程，实现一种并发；它是一种并发解决方案，快速解决用户请求；不同的线程可以用同样的target函数，函数调用是各自压栈，互不干扰；即使是同一个函数，也要看它在哪个线程执行；
1、主线程和工作线程
一个进程中至少有一个线程，并作为程序的入口，入口的这个线程就是主线程；
Python中：运行的那个模块就会被加载到主线程中、在主线程中运行；例如右键运行t.py，相当于把t模块运行在主线程中；主线程中可开启多个工作线程；
一个进程至少有一个主线程，其他线程称为工作线程；主线程是第一个启动的线程；
主线程一般做一些协调管理工作，工作线程一般完成具体功能；
父线程：如果线程A中启动了一个线程B，A就是B的父线程；
子线程：B就是A的子线程
2、线程安全
1）定义
线程执行一段代码，不会产生不确定的结果，那这段线程就是安全的；
例如：print函数分两步，第一步打印字符串，第二步换行，就在这之间，可能发生线程的切换（顺序可能与预期不同，因为每个线程都是分时间片的，这种交替的效果正好契合了‘ 并行 ’）；这说明print函数不是线程安全函数，但print能保证打印的内容不被切开，因为打印时字符串是只读的、不可切割；
注意：只要进行多线程编程，就要考虑线程安全
线程安全有代价，可能会降低效率；线程不安全虽然结果不可预期，但可以采用其他方式尽量避免，其效率较高；
2）输出日志的解决方法
多线程编程时输出日志的方法
不让print打印换行，end=’ '；反正字符串是不可变的类型，它可以作为一个整体不可分割输出
使用标准库的日志处理模块logging；是线程安全的，生成环境代码都使用logging
logging是开发中做日志输出时用到的模块，把事件添加到日志中；事件有消息描述message，事件具有重要性（即级别或严重性）；默认级别是warning，级别太低时可能打印不出来
logging.warning(msg, *args, **kwargs)
在根记录器上记录一条带有严重警告的消息，如果记录器没有处理程序，则调用basicConfig()来添加具有预定义格式的控制台处理程序
logging.info(msg, *args, **kwargs)
严重性为INFO，等级较低
用logging.warning输出走的就是标准错误输出stderror，是记录到输出中而不是文件中，由某些程序进行管理；写程序一般都有日志输出；
import threading
import logging
def worker():
for x in range(3):
#print("{} is running.\n".format(threading.current_thread().name), end='')
logging.warning("{} is running.".format(threading.current_thread().name))
for x in range(1, 5):
name = "worker{}".format(x)
t = threading.Thread(name=name, target=worker)
t.start()
# 结果
WARNING:root:worker1 is running.
WARNING:root:worker1 is running.
WARNING:root:worker1 is running.
WARNING:root:worker2 is running.
WARNING:root:worker3 is running.
WARNING:root:worker2 is running.
WARNING:root:worker3 is running.
WARNING:root:worker4 is running.
WARNING:root:worker2 is running.
WARNING:root:worker3 is running.
WARNING:root:worker4 is running.
WARNING:root:worker4 is running.
3、daemon和non-daemon
这里的daemon不是linux的守护进程，那是后台运行的进程（幕前属于前台，看不见的是后台，后台进程也叫守护进程）
可以在进程管理器中把不需要的线程关掉；enumerate显示的进程是解释器给看的线程，还有一些其他线程；
1）daemon属性
Python中构造线程的时候，可以设置daemon属性，这个属性必须在start方法前设置好；或者在start之前再setDaemon，但很少这么做；
daemon属性：表示线程是否是daemon线程，这个值必须在start()之前设置，否则引发RuntimeError异常；
isDaemon()：是否是daemon线程
setDaemon()：设置为daemon线程，必须在start方法之前设置
线程daemon属性，如果设定就是用户的设置，否则就取创建它的父线程的daemon值
例如：某工作线程如果不写daemon，就会从主线程那里继承，而主线程启动一定是non-daemon，从主线程创建、又未设置daemon，均默认non-daemon，主线程必须等待；主线程退出时一定要扫一眼是否还有non-daemon线程，只要有，主线程就必须等待；
import time
import threading
def fn():
print('fn')
def bar():
t = threading.Thread(target=fn)
print(2,t.isDaemon())
t.start()
print('bar')
def foo():
for i in range(8):
print(i)
t = threading.Thread(target=bar)
print(1,t.isDaemon())
t.start()
t = threading.Thread(target=foo, daemon=False)
t.start()
time.sleep(0.1)
print('Main Thread Exiting')
# 结果
0
1
2
3
4
5
6
7
1 False
2 False
fnbar
Main Thread Exiting
import time
import threading
def fn():
time.sleep(0.2)
print('fn')
def bar():
t = threading.Thread(target=fn)
print(2,t.isDaemon())
t.start()
print('bar')
def foo():
for i in range(8):
print(i)
t = threading.Thread(target=bar)
print(1,t.isDaemon())
t.start()
t = threading.Thread(target=foo, daemon=True)
t.start()
print('Main Thread Exiting')
# 结果
0Main Thread Exiting
1
2
3
[Finished in 0.0s]
2）daemon和non-daemon
线程具有一个daemon属性，可以设置为True或False，也可以不设置，就默认daemon=None；如果daemon=None，就取当前线程、即父线程的daemon来设置它；父子关系不能乱，否则无法知道是否是daemon线程；
主线程是non-daemon线程，即daemon = False；从主线程创建的所有线程如果不设置daemon属性，则默认都是daemon = False，也就是non-daemon线程；
如果有non-daemon线程，主线程会直到所有non- daemon线程全部结束，此时如果还有daemon线程，主线程需要退出，会结束所有daemon线程，然后退出；进程会进行监测，如果除了主线程，其他都为daemon线程，就会杀掉daemon线程，主线程退出；
主线程一旦退出，整个进程结束，正常结束的话，状态返回码为0；如果异常则为非0；
如果是其他的工作线程意外退出、比如突然崩溃，主线程照常正常退出，状态码为0；
进程的返回码是看主线程的返回码；
关于等待和不等待的示例：
# 示例1，不等待，因为non-daemon还未启动
import time
import threading
def bar():
time.sleep(5)
print('bar')
def foo():
for i in range(20):
print(i)
t = threading.Thread(target=bar, daemon=False)
t.start()
t = threading.Thread(target=foo, daemon=True)
t.start()
print('Main Thread Exiting')
# 结果
0
Main Thread Exiting1
# 示例2，等待，因为存在non-daemon线程、已启动
import time
import threading
def bar():
time.sleep(2)
print('bar')
def foo():
for i in range(8):
print(i)
t = threading.Thread(target=bar, daemon=False)
t.start()
t = threading.Thread(target=foo, daemon=True)
t.start()
time.sleep(0.1)
print('Main Thread Exiting')
# 结果
0
1
2
3
4
5
6
7
Main Thread Exiting
bar
[Finished in 2.1s]
# 示例1
import time
import threading
def foo(n):
for i in range(n):
print(i)
time.sleep(1)
t1 = threading.Thread(target=foo, args=(5,), daemon=True) # 调换10和20看看效果
t1.start()
t2 = threading.Thread(target=foo, args=(10,), daemon=False) #
t2.start()
time.sleep(2)
print('Main Thread Exiting')
# 结果
0
0
11
Main Thread Exiting
2
2
33
4
4
5
6
7
8
9
# 示例2
import time
import threading
def foo(n):
for i in range(n):
print(i)
time.sleep(1)
t1 = threading.Thread(target=foo, args=(10,), daemon=True) # 调换10和20看看效果
t1.start()
t2 = threading.Thread(target=foo, args=(5,), daemon=False) #
t2.start()
time.sleep(2)
print('Main Thread Exiting')
# 结果
0
0
1
1
Main Thread Exiting
22
33
44
4、join方法
实现等待daemon线程，但不是用了join就能解决全部问题，join的坏处是会阻塞某些线程，例如搞混了父子线程继承的话，全设成daemon，可能造成主线程频繁阻塞，如果在主线程中对所有线程都join的话；
join(timeout=None)，是线程的标准方法之一，大多数情况都不会设时间，目的是永久阻塞；
一个线程中调用另一个线程的join方法，调用者将被阻塞，直到被调用线程终止；
一个线程可以被join多次；
timeout参数指定调用者等待多久，没有设置超时，就一直等到被调用线程结束；
import time
import threading
def foo(n):
for i in range(n):
print(i)
time.sleep(0.1)
t1 = threading.Thread(target=foo, args=(4,), daemon=True)
t1.start()
t1.join() # 当前线程会等待t1，设置join，取消join对比一下
print('Main Thread Exiting')
# 设置join结果
0
1
2
3
Main Thread Exiting
[Finished in 0.5s]
# 取消join结果
0
Main Thread Exiting
[Finished in 0.1s]
某线程调用了t1的join方法，某线程就必须等t1结束才能继续往下执行，否则一直处于阻塞状态；例如在a线程中调用了b线程的join方法，a线程*阻塞、等待b线程执行完成后，a线程的阻塞才会取消；
线程执行完毕的标志是：函数语句执行完毕、或者函数内抛出了未处理的异常；
创建出来的新线程不受其父线程的管制，不会因为父线程函数执行完毕消亡了就消亡，只有主线程退出时会kill掉daemon线程，不会因为父线程消亡导致子线程消亡；线程被创建出来后就受进程管制；
主线程的退出原则一致没变，只要它执行完毕，就会想退出，然后扫一圈是否有non-daemon；
import threading
import time
def work():
time.sleep(5)
print('work')
def bar():
t=threading.Thread(target=work)
t.start()
time.sleep(2)
print('bar') # 执行到这里，t1线程已经执行完毕，主线程不再等，直接打印最后一句
# 主线程走完最后一句，发现还有t线程在执行，且t线程为daemon线程，果断kill、结束
t1=threading.Thread(target=bar,daemon=True)
t1.start()
t1.join()
print('main thread exits')
# 结果
bar
main thread exits
[Finished in 2.1s]
几个注意点
如果在non-daemon线程A中，对另一个daemon线程B使用了join方法，这个线程B设置成daemon就没有什么意 义了，因为non-daemon线程A总是要等待B；
如果在一个daemon线程C中，对另一个daemon线程D使用了join方法，只能说明C要等待D，主线程退出，C和D 不管是否结束，也不管它们谁等谁，都要被杀掉；因为主线程只等non-daemon
import time
import threading
def bar():
while True:
time.sleep(1)
print('bar')
def foo():
print("t1's daemon = {}".format(threading.current_thread().isDaemon()))
t2 = threading.Thread(target=bar)
t2.start()
print("t2's daemon = {}".format(t2.isDaemon()))
t2.join()
t1 = threading.Thread(target=foo, daemon=True)
t1.start()
time.sleep(3)
print('Main Thread Exiting')
# 结果
t1's daemon = True
t2's daemon = True
bar
bar
Main Thread Exiting
5、daemon线程的应用场景
daemon thread 这个概念唯一的作用就是，当把一个线程设置为 daemon，它会随主线程的退出而退出；daemon线程简化了程序员手动关闭线程的工作；
主要应用场景有:
后台任务
如发送心跳包、监控，这种场景最多；例如要后台监测5台服务器的运行状态，会开5个线程每隔几秒和服务器做个交互，判断是否健康存活，一旦想关掉，只需关主线程，其他线程设成daemon即可；
心跳包是服务程序，主线程一关，大家一起关掉；
主线程工作才有用的线程
如主线程中维护着公共资源，如果主线程已经清理完毕准备退出，那么工作线程使用这些资源工作也没有意义了，一起退出最合适；
随时可以被终止的线程
如果主线程退出，想所有其它工作线程一起退出，就使用daemon=True来创建工作线程；
比如，开启一个线程定时判断WEB服务是否正常工作，主线程退出，工作线程也没有必须存在了，应该随着主线程退出一起退出；这种daemon线程一旦创建，就可以忘记它了，只用关心主线程什么时候退出就行了，它们就会自动被关闭；写服务的时候常常会设置成daemon线程；
6、threading.local类
多线程中每个线程完成不同的计算任务；如果函数中 x是局部变量，每一个线程的x是独立的，互不干扰；如果使用全局变量，线程之间可能会互相干扰、导致不期望的结果；
1）threading.local（）
将这个类实例化得到一个全局对象，实现既能使用全局对象、又能保持每个线程使用不同的数据；不同的线程使用这个对象存储的数据、其他线程看不见；
import threading
import time
# 全局对象
global_data = threading.local()
def worker():
global_data.x = 0
for i in range(100):
time.sleep(0.0001)
global_data.x += 1
print(threading.current_thread(), global_data.x)
for i in range(5):
threading.Thread(target=worker).start()
# 结果
# 和使用局部变量效果一样
<Thread(Thread-1, started 123145446285312)> 100<Thread(Thread-3, started 123145456795648)>
<Thread(Thread-2, started 123145451540480)> 100
100
<Thread(Thread-4, started 123145462050816)> <Thread(Thread-5, started 123145467305984)> 100
100
import threading
X = 'abc'
ctx = threading.local() # 注意这个对象所处的线程
ctx.x = 123
print(ctx, type(ctx), ctx.x) # <_thread._local object at 0x10e4b97d8> <class '_thread._local'> 123
def worker():
print(X)
print(ctx)
print(ctx.x)
print('working')
worker() # 普通函数调用
threading.Thread(target=worker).start() # 另起一个线程
# 结果
abc
<_thread._local object at 0x10e4b97d8>
123
working
abc
<_thread._local object at 0x10e4b97d8>
Exception in thread Thread-1:
AttributeError: '_thread._local' object has no attribute 'x'
新线程中能打印ctx，但ctx中看不到x，这个x不能跨线程；
2）threading.local本质
threading.local类构建了一个大字典，存放所有线程相关的字典，定义如下:
{ id(Thread) -> (ref(Thread), thread-local dict) }
每一线程实例的id为key，value为元祖； value中2部分为，线程对象引用，每个线程自己的字典；
运行时，threading.local实例处在不同的线程中，就从大字典中找到与当前线程相关的键值对中的字典，覆盖 threading.local实例的 dict ；这样就可以在不同的线程中，安全地使用线程独有的数据，做到了线程间数据隔离，如同本地变量一样安全；
3）实现线程安全的方法
让全局变量变成局部变量
让全局变量变成threading.local类的实例
7、threading.Timer 定时器
threading.Timer继承自Thread类，用来定义延迟多久后执行一个函数；
这个类也叫定时器，可以延迟执行；
1）threading.Timer
threading.Timer(interval, function, args=None, kwargs=None)
start方法执行之后，Timer对象会处于等待状态，等待了interval秒之后，开始执行function函数；
import threading
import logging
import time
FORMAT = "%(asctime)s %(threadName)s %(thread)d %(message)s"
logging.basicConfig(level=logging.INFO, format=FORMAT)
def worker():
logging.info('in worker')
time.sleep(2)
t = threading.Timer(4, worker)
t.setName('timer')
# t.cancel()
t.start()
# t.cancel()
while True:
print(threading.enumerate())
time.sleep(1)
# 结果
[<_MainThread(MainThread, started 140735817569152)>, <Timer(timer, started 123145436123136)>]
[<_MainThread(MainThread, started 140735817569152)>, <Timer(timer, started 123145436123136)>]
[<_MainThread(MainThread, started 140735817569152)>, <Timer(timer, started 123145436123136)>]
[<_MainThread(MainThread, started 140735817569152)>, <Timer(timer, started 123145436123136)>]
2018-10-12 13:35:01,071 timer 123145436123136 in worker
[<_MainThread(MainThread, started 140735817569152)>, <Timer(timer, started 123145436123136)>]
[<_MainThread(MainThread, started 140735817569152)>, <Timer(timer, started 123145436123136)>]
[<_MainThread(MainThread, started 140735817569152)>]
[<_MainThread(MainThread, started 140735817569152)>]
[<_MainThread(MainThread, started 140735817569152)>]
...
# 打开第一个cancel
[<_MainThread(MainThread, started 140735817569152)>]
[<_MainThread(MainThread, started 140735817569152)>]
[<_MainThread(MainThread, started 140735817569152)>]
# 打开第二个cancel，因为worker还未开始执行
[<_MainThread(MainThread, started 140735817569152)>, <Timer(timer, started 123145404346368)>]
[<_MainThread(MainThread, started 140735817569152)>]
[<_MainThread(MainThread, started 140735817569152)>]
[<_MainThread(MainThread, started 140735817569152)>]
2）cancel（）
Timer提供了cancel方法，用来取消一个未执行的函数，如果上面例子中worker函数已经开始执行，cancel就没有任何效果了;
cancel() 一旦置一，无论在start前后，只要function未执行，即run开始之前，就结束，不执行function
3）Timer 总结
Timer是线程Thread的子类，就是线程类，具有线程的能力和特征；
它的实例是能够延时执行目标函数的线程，在真正执行目标函数之前，都可以cancel它；
cancel方法本质使用Event类实现，改变了Event一个量，这并不代表线程提供了取消的方法；
下一篇： 两个数字交换的方法