翻译：老齐

译者注：与本文相关图书推荐：《Python大学实用教程》《跟老齐学Python：轻松入门》

★

本文将分两部分刊发。

”

第一部分

Python线程允许程序的不同部分同时运行，并可以简化设计。如果你对Python有一些经验，并且希望使用线程为程序加速，那么本文就是为你准备的！

什么是线程？

线程是一个独立的流，这意味着你的程序可以同时做两件事，但是，对于大多数Python程序，不同的线程实际上并不同时执行，它们只是看起来像是同时执行。

人们很容易认为线程是在程序上运行两个(或更多)不同的处理器，每个处理器同时执行一个独立的任务。这种看法大致正确，线程可能在不同的处理器上运行，但一个处理器一次只能运行一个线程。

要同时运行多个任务，不能用Python的标准方式实现，可以用不同的编程语言，或者多个进程实现，这样做的开发成本就高了。

由于用CPython实现了Python业务，线程可能不会加速所有任务，这是GIL(全称Global Interpreter Lock)的原因，一次只能运行一个Python线程。

如果某项任务需要花费大量时间等待外部事件，那么就可以应用多线程。如果是需要对CPU占用高并且花费很少时间等待外部事件，多线程可能枉费。

对于用Python编写并在标准CPython实现上运行的代码，这是正确的。如果你的线程是用C编写的，那么它们就能够释放GIL、并发运行。如果你在不同的Python实现上运行，也可以查看文档，了解它如何处理线程。

如果你正在运行一个标准的Python程序，只使用Python编写，并且有一个CPU受限的问题，那么你应该用多进程解决此问题。

将程序架构为使用线程也可以提高设计的清晰度。你将在下文中学习的大多数示例不一定会运行得更快，因为它们使用线程。在这些示例中使用线程有助于使设计更清晰、更易于推理。

所以，让我们停止谈论线程并开始使用它！

创建一个线程

现在你已经知道了什么是线程，让我们来学习如何制作线程。Python标准库提供了线程模块threading，它包含了你将在本文中看到的大部分内容。在这个模块中，Thread是对线程的封装，提供了简单的实现接口。

要创建一个线程，需要创建Thread的实例，然后调用它的.start()方法:

import loggingimport threadingimport time

def thread_function(name):    logging.info("Thread %s: starting", name)    time.sleep(2)    logging.info("Thread %s: finishing", name)

if __name__ == "__main__":    format = "%(asctime)s: %(message)s"    logging.basicConfig(format=format, level=logging.INFO,                        datefmt="%H:%M:%S")    logging.info("Main : before creating thread")    x = threading.Thread(target=thread_function, args=(1,))    logging.info("Main : before running thread")    x.start()    logging.info("Main : wait for the thread to finish")    # x.join()    logging.info("Main : all done")

如果你查看日志，可以看到在main部分正在创建和启动线程:

x = threading.Thread(target=thread_function, args=(1,))x.start()

用函数thread_function()和arg(1,)创建一个Thread实例。在本文中用整数作为线程的名称，threading.get_ident()可以返回线程的名称，但可读性较差。

thread_function()函数的作用不大，它只是记录一些日志消息，在这些消息之间加上time.sleep()。

当你执行此程序时，输出将如下所示:

$ ./single_thread.pyMain : before creating threadMain : before running threadThread 1: startingMain : wait for the thread to finishMain : all doneThread 1: finishing

你会注意到代码的main部分结束之后，Thread才结束。后面会揭示这么做的原因。

守护线程

在计算机科学中，daemon是在后台运行的程序。

Python的threading模块对daemon有更具体的含义。当程序退出时，守护线程会立即关闭。考虑这些定义的一种方法是将daemon视为在后台运行的线程，而不必担心关闭它。

如果程序中正在执行的Threads不是daemons，则程序将在终止之前等待这些线程完成。然而，如果Threads是daemons，当程序退出时，它们就终止了。

让我们更仔细地看看上面程序的输出，最后两行是有点意思的。当运行这个程序时，在__main__打印完all done后以及线程结束之前会暂停大约2秒。

这个暂停是Python等待非后台线程完成。当Python程序结束时，关闭操作是清除线程中的程序。

如果查看threading模块的源代码，你将看到threading._shutdown()方法，它会遍历所有正在运行的线程，并在每一个没有设置daemon标志的线程上调用.join()方法。

因此，程序在退出时会等待，因为线程本身正在sleep(time.sleep(2))中。一旦完成并打印了消息，.join() 将返回，程序才可以退出。

通常，这是你想要的，但是我们还有其他的选择。让我们首先使用一个daemon线程来重复这个程序。你可以修改Thread实例化时的参数，添加daemon=True:

x = threading.Thread(target=thread_function, args=(1,), daemon=True)

现在运行程序时，应看到以下输出：

$ ./daemon_thread.pyMain : before creating threadMain : before running threadThread 1: startingMain : wait for the thread to finishMain : all done

与前面不同的是，前面所输出的最后一行在这里没有了。thread_function()没有执行完，它是一个daemon线程，所以当_main__执行到达它的末尾时，程序结束，后台线程也就结束了。

线程实例的.join()方法

守护线程很方便，但是，如果要实现线程完全执行，而不是被迫退出，应该怎么办？现在让我们回到原始程序，看看注释掉的那一行:

# x.join()

要让一个线程等待另一个线程完成，可以调用.join()。取消对该行的注释，主线程将暂停并等待线程x，直到它运行结束。

你是否在程序中用守护线程或普通线程测试了这个问题？这并不重要。如果执行某个线程的.join()方法，该语句将一直等待，直到每个线程都完成。

使用多线程

到目前为止，示例代码只使用了两个线程：一个是主线程，另一个是以threading.Thread对象开始的线程。

通常，您会希望启动更多线程并让它们做一些有趣的工作。我们先来看看比复杂的方法，然后再看比较简单的方法。

启动多线程比较复杂的方法是你已经知道的:

import loggingimport threadingimport time

def thread_function(name):    logging.info("Thread %s: starting", name)    time.sleep(2)    logging.info("Thread %s: finishing", name)

if __name__ == "__main__":    format = "%(asctime)s: %(message)s"    logging.basicConfig(format=format, level=logging.INFO,                        datefmt="%H:%M:%S")

    threads = list()    for index in range(3):        logging.info("Main : create and start thread %d.", index)        x = threading.Thread(target=thread_function, args=(index,))        threads.append(x)        x.start()

    for index, thread in enumerate(threads):        logging.info("Main : before joining thread %d.", index)        thread.join()        logging.info("Main : thread %d done", index)

这段代码使用与上面看到的相同机制来启动线程，创建一个Thread实例对象，然后调用.start()。程序中生成一个由Thread实例组成的列表，后面再调用每个实例.join()方法。

多次运行此代码可能会产生一些有趣的结果。下面是我的机器的输出示例：

$ ./multiple_threads.pyMain : create and start thread 0.Thread 0: startingMain : create and start thread 1.Thread 1: startingMain : create and start thread 2.Thread 2: startingMain : before joining thread 0.Thread 2: finishingThread 1: finishingThread 0: finishingMain : thread 0 doneMain : before joining thread 1.Main : thread 1 doneMain : before joining thread 2.Main : thread 2 done

如果仔细检查输出，你将看到所有三个线程都按照你可能期望的顺序开始，但在本例中，它们是按照相反的顺序完成的！多次运行将产生不同的排序，可以通过查找Thread x: finishing消息来了解每个线程何时完成。

线程的运行顺序由操作系统决定，很难预测，它可能(而且很可能)因运行而异，因此在设计使用线程的算法时需要注意这一点。

幸运的是，Python提供了几个模块，你稍后将看到这些模块用来帮助协调线程并使它们一起运行。在此之前，让我们看看如何更简单地管理一组线程。

使用ThreadPoolExecutor

有一种比上面看到的更容易启动多线程的方法，它被称为ThreadPoolExecutor，是标准库中的concurrent.futures的一员(从Python3.2开始)。

创建它的最简单方法是使用上下文管理器的with语句，用它实现对线程池的创建和销毁。

下面是为了使用ThreadPoolExecutor而重写的上一个示例中的__main__部分代码：

import concurrent.futures

# [rest of code]

if __name__ == "__main__":    format = "%(asctime)s: %(message)s"    logging.basicConfig(format=format, level=logging.INFO,                        datefmt="%H:%M:%S")

    with concurrent.futures.ThreadPoolExecutor(max_workers=3) as executor:        executor.map(thread_function, range(3))

代码创建了一个ThreadPoolExecutor作为上下文管理器，告诉它需要在线程池中有多少个工作线程。然后它使用.map()遍历可迭代对象，在上面的例子中是range(3)，将每个可迭代对象传递给线程池中的一个线程。

with语句块的尾部，默认会调用ThreadPoolExecutor的每个线程的.join()方法，建议你尽可能使用ThreadPoolExecutor作为上下文管理器，这样你就永远不会忘记对执行线程.join()。

注意：使用ThreadPoolExecutor可能会导致一些混乱的错误。

例如，如果调用不带参数的函数，但在.map()中传了参数，则线程应当抛出异常。

不幸的是，ThreadPoolExecutor隐藏了该异常，并且(在上面的情况下)程序将在没有输出的情况下终止。一开始调试可能会很混乱。

运行正确的示例代码将生成如下输出：

$ ./executor.pyThread 0: startingThread 1: startingThread 2: startingThread 1: finishingThread 0: finishingThread 2: finishing

同样，请注意Thread 1是在Thread 0之前完成的，线程执行顺序的调度是由操作系统完成的，所遵循的计划也不易理解。

(未完待续)

★

关注微信公众号：老齐教室。读深度文章，得精湛技艺，享绚丽人生。

”