python thread practices

"""" python中使用线程有两种方式：函数或者用类来包装线程对象。 

1、  函数式：调用thread模块中的start_new_thread()函数来产生新线程。线程的结束可以等待线程自然结束，也可以在线程函数中调用thread.exit()或thread.exit_thread()方法。 
import time 
import thread 

def timer(no,interval): 
  cnt=0 
  
  while cnt<10: 
    print 'thread(%d)'%(cnt) 
    time.sleep(interval) 
    cnt=cnt+1 
  

def test(): 
  thread.start_new_thread(timer,(1,1)) 
  thread.start_new_thread(timer,(2,2)) 

if __name__=='__main__': 
  print 'thread starting' 
  test() 
  time.sleep(20) 
  thread.exit_thread() 
  print 'exit...' 
2、  创建threading.thread的子类来包装一个线程对象， 
threading.thread类的使用： 

1，在自己的线程类的__init__里调用threading.thread.__init__(self, name = threadname) 

threadname为线程的名字 

2， run()，通常需要重写，编写代码实现做需要的功能。 

3，getname()，获得线程对象名称 

4，setname()，设置线程对象名称 

5，start()，启动线程 

6，jion([timeout])，等待另一线程结束后再运行。 

7，setdaemon(bool)，设置子线程是否随主线程一起结束，必须在start()之前调用。默认为false。 

8，isdaemon()，判断线程是否随主线程一起结束。 

9，isalive()，检查线程是否在运行中。 
import threading 
import time 

class timer(threading.thread): 
  def __init__(self,num,interval): 
    threading.thread.__init__(self) 
    self.thread_num=num 
    self.interval=interval 
    self.thread_stop=false 

  def run(self): 
    while not self.thread_stop: 
      print 'thread object (%d), time %s\n' %(self.thread_num,time.ctime()) 
      time.sleep(self.interval) 

  def stop(self): 
    self.thread_stop=true 

def test(): 
  thread1=timer(1,1) 
  thread2=timer(2,2) 
  thread1.start() 
  thread2.start() 
  time.sleep(10) 
  thread1.stop() 
  thread2.stop() 
  return 

if __name__=='__main__': 
  test() 
""" 
""" 
问题产生的原因就是没有控制多个线程对同一资源的访问，对数据造成破坏，使得线程运行的结果不可预期。这种现象称为“线程不安全”。 
import threading 
import time 

class mythread(threading.thread): 
  def run(self): 
    for i in range(3): 
      time.sleep(1) 
      msg='i am '+ self.getname()+'@'+str(i) 
      print msg 

def test(): 
  for i in range(5): 
    t=mythread() 
    t.start() 

if __name__=='__main__': 
  test() 

上面的例子引出了多线程编程的最常见问题：数据共享。当多个线程都修改某一个共享数据的时候，需要进行同步控制。 

线程同步能够保证多个线程安全访问竞争资源，最简单的同步机制是引入互斥锁。互斥锁为资源引入一个状态：锁定/非锁定。某个线程要更改共享数据时，先将其锁定，此时资源的状态为“锁定”，其他线程不能更改；直到该线程释放资源，将资源的状态变成“非锁定”，其他的线程才能再次锁定该资源。互斥锁保证了每次只有一个线程进行写入操作，从而保证了多线程情况下数据的正确性。其中，锁定方法acquire可以有一个超时时间的可选参数timeout。如果设定了timeout，则在超时后通过返回值可以判断是否得到了锁，从而可以进行一些其他的处理 

threading模块中定义了lock类 
import threading 
import time 

class mythread(threading.thread): 
  def run(self): 
    global num 
    time.sleep(1) 

    if mutex.acquire(): 
      num=num+1 
      print self.name+' set num to '+str(num)+'\n' 
      mutex.release() 
num=0 
mutex=threading.lock() 

def test(): 
  for i in range(5): 
    t=mythread() 
    t.start() 

if __name__=='__main__': 
  test() 
""" 
"""更简单的死锁情况是一个线程“迭代”请求同一个资源，直接就会造成死锁： 
import threading 
import time 

class mythread(threading.thread): 
    def run(self): 
        global num 
        time.sleep(1) 

        if mutex.acquire(1):  
            num = num+1 
            msg = self.name+' set num to '+str(num) 
            print msg 
            mutex.acquire() 
            mutex.release() 
            mutex.release() 
num = 0 
mutex = threading.lock() 
def test(): 
    for i in range(5): 
        t = mythread() 
        t.start() 
if __name__ == '__main__': 
    test() 
为了支持在同一线程中多次请求同一资源，python提供了“可重入锁”：threading.rlock。rlock内部维护着一个lock和一个counter变量，counter记录了acquire的次数，从而使得资源可以被多次require。直到一个线程所有的acquire都被release，其他的线程才能获得资源。上面的例子如果使用rlock代替lock，则不会发生死锁： 
import threading 
import time 

class mythread(threading.thread): 
    def run(self): 
        global num 
        time.sleep(1) 

        if mutex.acquire(1):  
            num = num+1 
            msg = self.name+' set num to '+str(num) 
            print msg 
            mutex.acquire() 
            mutex.release() 
            mutex.release() 
num = 0 
mutex = threading.rlock() 
def test(): 
    for i in range(5): 
        t = mythread() 
        t.start() 
if __name__ == '__main__': 
    test() 
""" 

""" 
python多线程编程(5): 条件变量同步 

互斥锁是最简单的线程同步机制，python提供的condition对象提供了对复杂线程同步问题的支持。condition被称为条件变量，除了提供与lock类似的acquire和release方法外，还提供了wait和notify方法。线程首先acquire一个条件变量，然后判断一些条件。如果条件不满足则wait；如果条件满足，进行一些处理改变条件后，通过notify方法通知其他线程，其他处于wait状态的线程接到通知后会重新判断条件。不断的重复这一过程，从而解决复杂的同步问题。 

可以认为condition对象维护了一个锁（lock/rlock)和一个waiting池。线程通过acquire获得condition对象，当调用wait方法时，线程会释放condition内部的锁并进入blocked状态，同时在waiting池中记录这个线程。当调用notify方法时，condition对象会从waiting池中挑选一个线程，通知其调用acquire方法尝试取到锁。 

condition对象的构造函数可以接受一个lock/rlock对象作为参数，如果没有指定，则condition对象会在内部自行创建一个rlock。 

除了notify方法外，condition对象还提供了notifyall方法，可以通知waiting池中的所有线程尝试acquire内部锁。由于上述机制，处于waiting状态的线程只能通过notify方法唤醒，所以notifyall的作用在于防止有线程永远处于沉默状态。 

演示条件变量同步的经典问题是生产者与消费者问题：假设有一群生产者(producer)和一群消费者（consumer）通过一个市场来交互产品。生产者的”策略“是如果市场上剩余的产品少于1000个，那么就生产100个产品放到市场上；而消费者的”策略“是如果市场上剩余产品的数量多余100个，那么就消费3个产品。用condition解决生产者与消费者问题的代码如下： 
import threading 
import time 

class producer(threading.thread): 
  def run(self): 
    global count 
    while true: 
      if con.acquire(): 
        if count>1000: 
          con.wait() 
        else: 
          count=count+100 
          print self.name+' produce 100,count='+str(count) 

        con.release() 
        time.sleep(1) 

class customer(threading.thread): 
  def run(self): 
    global count 
    while true: 
      if con.acquire(): 
        if count>100: 
          count=count-100 
          print self.name+ 'consume 100, count='+str(count) 
        else: 
          con.wait() 
        con.release() 
        time.sleep(1) 

count=500 
con=threading.condition() 

def test(): 
  for i in range(5): 
    p=producer() 
    p.start() 
    c=customer() 
    c.start() 
    print i 


if __name__=='__main__': 
  test() 
python中默认全局变量在函数中可以读，但是不能写但是 
对con只读，所以不用global引入"""

讯飞智作-讯飞配音

讯飞智作是一款集AI配音、虚拟人视频生成、PPT生成视频、虚拟人定制等多功能的AI音视频生产平台。已广泛应用于媒体、教育、短视频等领域。

67

查看详情