Python模块学习之thread多线程处理

 Python 标准库提供了 thread 和 threading 两个模块来对多线程进行支持。其中， thread 模块以低级、原始的方式来处理和控制线程，

而 threading 模块通过对 thread 进行二次封装，提供了更方便的 api 来处理线程。

虽然使用 thread 没有 threading 来的方便，但它更灵活。今天先介绍 thread 模块的基本使用。

在介绍 thread 之前，先看一段代码，猜猜程序运行完成之后，在控制台上输出的结果是什么？

#coding=gbk
import thread, time, random
count = 0
def threadTest():
    global count
    for i in xrange(10000):
        count += 1
for i in range(10):
    thread.start_new_thread(threadTest, ()) #如果对start_new_thread函数不是很了解，不要着急，马上就会讲解
time.sleep(3)
print count #count是多少呢？是10000 * 10 吗？

thread.start_new_thread ( function , args [ , kwargs ] )

函数将创建一个新的线程，并返回该线程的标识符（标识符为整数）。参数 function 表示线程创建之后，立即执行的函数，

参数 args 是该函数的参数，它是一个元组类型；第二个参数 kwargs 是可选的，它为函数提供了命名参数字典。

函数执行完毕之后，线程将自动退出。如果函数在执行过程中遇到未处理的异常，该线程将退出，但不会影响其他线程的执行。 

下面是一个简单的例子：

#coding=gbk
import thread, time
def threadFunc(a = None, b = None, c = None, d = None):
    print time.strftime('%H:%M:%S', time.localtime()), a
    time.sleep(1)    
    print time.strftime('%H:%M:%S', time.localtime()), b
    time.sleep(1)
    print time.strftime('%H:%M:%S', time.localtime()), c
    time.sleep(1)
    print time.strftime('%H:%M:%S', time.localtime()), d
    time.sleep(1)
    print time.strftime('%H:%M:%S', time.localtime()), 'over'
 
thread.start_new_thread(threadFunc, (3, 4, 5, 6)) #创建线程，并执行threadFunc函数。
time.sleep(5)

thread.exit ()

结束当前线程。调用该函数会触发 SystemExit 异常，如果没有处理该异常，线程将结束。

thread.get_ident ()

返回当前线程的标识符，标识符是一个非零整数。

thread.interrupt_main ()

在主线程中触发 KeyboardInterrupt 异常。子线程可以使用该方法来中断主线程。

下面的例子演示了在子线程中调用 interrupt_main ，在主线程中捕获异常 :

import thread, time
thread.start_new_thread(lambda : (thread.interrupt_main(), ), ())
try:
    time.sleep(2)
except KeyboardInterrupt, e:
    print 'error:', e
print 'over'

下面介绍 thread 模块中的琐，琐可以保证在任何时刻，最多只有一个线程可以访问共享资源。

thread.LockType 是 thread 模块中定义的琐类型。它有如下方法：

lock.acquire ( [ waitflag ] )

获取琐。函数返回一个布尔值，如果获取成功，返回 True ，否则返回 False 。

参数 waitflag 的默认值是一个非零整数，表示如果琐已经被其他线程占用，那么当前线程将一直等待，只到其他线程释放，然后获取访琐。

如果将参数 waitflag 置为 0 ，那么当前线程会尝试获取琐，不管琐是否被其他线程占用，当前线程都不会等待。

lock.release ()

释放所占用的琐。

lock.locked ()

判断琐是否被占用。

现在我们回过头来看文章开始处给出的那段代码：代码中定义了一个函数 threadTest ，它将全局变量逐一的增加 10000 ，

然后在主线程中开启了 10 个子线程来调用 threadTest 函数。但结果并不是预料中的 10000 * 10 ，原因主要是对 count 的并发操作引来的。

全局变量 count 是共享资源，对它的操作应该串行的进行。下面对那段代码进行修改，在对 count 操作的时候，进行加琐处理。看看程序运行的结果是否和预期一致。

修改后的代码：

#coding=gbk
import thread, time, random
count = 0
lock = thread.allocate_lock() #创建一个琐对象
def threadTest():
    global count, lock
    lock.acquire() #获取琐
 
    for i in xrange(10000):
        count += 1
 
    lock.release() #释放琐
for i in xrange(10):
    thread.start_new_thread(threadTest, ())
time.sleep(3)
print count

thread模块是不是并没有想像中的那么难！简单就是美，这就是Python。更多关于thread模块的内容，请参考Python手册 thread  模块