python多线程示例3,加锁(工作太忙,仅仅作为记录)

 1 import threading
 2 import math
 3 import datetime
 4 
 5 # 多线程本质上是在一个 Python 程序里做的一个资源再分配,把几段代码的运行顺序进行先后调整达到 CPU 资源利用的最大化。
 6 # 但是这么做的一个缺点就是资源竞争Resource Contention,意思就是有可能几段代码同时在读写一个参数的时候,把这个参数的数值搞混。
 7 # 所以在多线程共享资源的情况下,需要在共享资源外部添加锁 Lock。
 8 
 9 # 直接继承线程类,然后覆盖继承类函数的方法
10 class ThreadChild(threading.Thread):
11     # 初始化 init: 通常继承线程类会扩写父类的初始化,来传递参数等。
12     def __init__(self, num_list, name, ret_dic, ret_lock):
13         # 扩写父类的初始化,首先调用父类的初始化
14         threading.Thread.__init__(self)
15         self.num_list = num_list
16         self.name = name
17         self.ret_dic = ret_dic
18         self.ret_lock = ret_lock
19         return
20 
21     # 运行 run: 这是一个必须要覆盖的函数。启动线程调用的 start() 函数就是运行这个函数,这里是需要运行的核心代码。
22     def run(self):# 覆盖重写函数 run
23         result = 0
24         for num in self.num_list:
25             result += math.sqrt(num * math.tanh(num) / math.log2(num) / math.log10(num))
26         self.ret_lock.acquire()# 锁住, 锁住之后的代码将只能被一个线程执行下去,直到开锁
27         self.ret_dic[self.name] = result
28         self.ret_lock.release()# 开锁, 开锁之后,被锁住的资源和代码行又可以重新被其他线程读写
29         return
30 
31 
32 if __name__ == __main__:
33 
34     thread_pool = []
35     ret_dic = {}
36     # 锁类 Lock: 在线程中需要读写一个共享资源的时候,通过锁类来锁住资源,防止另外的线程读写修改。
37     ret_lock = threading.Lock()
38 
39     # 多线程
40     th_1 = ThreadChild(num_list=list(range(10, 3000000)), name=th_1, ret_dic=ret_dic, ret_lock=ret_lock)
41     th_2 = ThreadChild(num_list=list(range(3000000, 6000000)), name=th_2, ret_dic=ret_dic, ret_lock=ret_lock)
42     th_3 = ThreadChild(num_list=list(range(6000000, 9000000)), name=th_3, ret_dic=ret_dic, ret_lock=ret_lock)
43     thread_pool.append(th_1)
44     thread_pool.append(th_2)
45     thread_pool.append(th_3)
46 
47     start_t = datetime.datetime.now()
48 
49     # 非阻塞 start()
50     for th in thread_pool:
51         th.start()
52 
53     # 阻塞 join()
54     for th in thread_pool:
55         th.join()
56 
57     final_result = sum(ret_dic.values())
58     end_t = datetime.datetime.now()
59     elapsed_sec = (end_t - start_t).total_seconds()
60     print("多线程计算结果: " + "{:.1f}".format(final_result) + ", 共消耗: " + "{:.2f}".format(elapsed_sec) + "")
61 
62     # 单线程
63     ret_dic.clear()
64     th_4 = ThreadChild(num_list=list(range(10, 9000000)), name=th_4, ret_dic=ret_dic, ret_lock=ret_lock)
65     start_t = datetime.datetime.now()
66     th_4.start()# 非阻塞 start()
67     th_4.join()# 阻塞 join()
68     final_result = sum(ret_dic.values())
69     end_t = datetime.datetime.now()
70     elapsed_sec = (end_t - start_t).total_seconds()
71     print("单线程计算结果: " + "{:.1f}".format(final_result) + ", 共消耗: " + "{:.2f}".format(elapsed_sec) + "")
72 
73     # 多线程计算结果: 1484922580.2, 共消耗: 8.72 秒
74     # 单线程计算结果: 1484922580.2, 共消耗: 4.03 秒
75 
76     # 把这两行注释掉
77     # th_3 = ThreadChild(num_list=list(range(6000000, 9000000)), name=‘th_3‘, ret_dic=ret_dic, ret_lock=ret_lock)
78     # thread_pool.append(th_3)
79     # 多线程计算结果: 830326785.5, 共消耗: 3.01 秒
80     # 单线程计算结果: 1484922580.2, 共消耗: 4.21 秒
81 
82     # 多线程本质上还是在一个进程里做的资源分配优化,还没有利用到多进程,多核心计算的能力。
83     # 但是多线程的巨大优势是在遇到阻塞型函数,例如 API 调用,网络通信,文件读写的时候,
84     # 可以不被网络速度,硬盘速度耽误了程序其他部分的运算。
85 
86     # 以上 Python 的多线程模块来实现计算提速,但是受限于在一个进程,也就是单核心上的运算

 

python多线程示例3,加锁(工作太忙,仅仅作为记录)

上一篇:进程查询端口占用


下一篇:redis 简单整理——redis shell[九]