1、多线程描述

   多线程是为了同步完成多项任务，通过提高资源使用效率来提高系统的效率。线程是在同一个时间需要完成多项任务的时候实现的。
   最简单的比喻多线程就像火车的每一节车厢，而进程则是火车。车厢离开火车是无法跑动的，同理，火车也可以有多节车厢。
   多线程的出现就是为了提高效率，但同时也会带来一些问题。

2、threading模块

   threading模块是Python中专门提供用来做多线程编程的模块，threading模块中最常用的类是Thread。

   A）单线程示例代码如下：

# 单线程
import time

def coding():
    for x in range(3):
        print('%s正在写代码'%x)
        time.sleep(1)

def drawing():
    for x in range(3):
        print('%s正在画图'%x)
        time.sleep(1)

def single_thread():
    coding()
    drawing()

if __name__ == '__main__':
    single_thread()

   运行结果：

0正在写代码
1正在写代码
2正在写代码
0正在画图
1正在画图
2正在画图

   B）多线程示例代码如下：

# 多线程
import threading
import time

def coding():
    for x in range(3):
        print('%s正在写代码'%x)
        time.sleep(1)

def drawing():
    for x in range(3):
        print('%s正在画图'%x)
        time.sleep(1)

def multi_thread():
    t1 = threading.Thread(target = coding)
    t2 = threading.Thread(target = drawing)
    t1.start()
    t2.start()

if __name__ == '__main__':
    multi_thread()

   运行结果：

0正在写代码
0正在画图
1正在写代码
1正在画图
2正在写代码
2正在画图

3、多线程相关知识点

   A）查看线程数：使用threading.enumerate()函数查看当前线程的数量。

import threading
import time

def coding():
    for x in range(3):
        print('%s正在写代码'%x)
        time.sleep(1)

def drawing():
    for x in range(3):
        print('%s正在画图'%x)
        time.sleep(1)

def multi_thread():
    t1 = threading.Thread(target = coding)
    t2 = threading.Thread(target = drawing)

    t1.start()
    t2.start()
    print(threading.enumerate())

if __name__ == '__main__':
    multi_thread()

   运行结果：

0正在写代码
[<_MainThread(MainThread, started 31204)>, <Thread(Thread-1, started 31316)>, <Thread(Thread-2, started 31052)>]
0正在画图
1正在写代码
1正在画图
2正在写代码
2正在画图

   B）查看当前线程的名字：使用threading.current_thread()函数查看当前线程的信息。

import threading
import time

def coding():
    for x in range(3):
        print('%s正在写代码'%threading.current_thread())
        time.sleep(1)

def drawing():
    for x in range(3):
        print('%s正在画图'%threading.current_thread())
        time.sleep(1)

def multi_thread():
    t1 = threading.Thread(target = coding)
    t2 = threading.Thread(target = drawing)

    t1.start()
    t2.start()

if __name__ == '__main__':
    multi_thread()

   运行结果：

<Thread(Thread-1, started 31824)>正在写代码
<Thread(Thread-2, started 28336)>正在画图
<Thread(Thread-2, started 28336)>正在画图
<Thread(Thread-1, started 31824)>正在写代码
<Thread(Thread-1, started 31824)>正在写代码
<Thread(Thread-2, started 28336)>正在画图

   C）继承自threading.Thread类
   为了让线程代码更好的封装，可以使用threading模块下的Thread类，继承自这个类，然后实现run方法，线程就会自动运行run方法中的代码，示例代码如下：

import threading
import time

class CodingThread(threading.Thread):
   def run(self):
       for x in range(3):
           print('%s正在写代码'%threading.current_thread())
           time.sleep(1)

class DrawingThread(threading.Thread):
   def run(self):
       for x in range(3):
           print('%s正在画图'%threading.current_thread())
           time.sleep(1)

def multi_thread():
   t1 = CodingThread()
   t2 = DrawingThread()

   t1.start()
   t2.start()

if __name__ == '__main__':
   multi_thread()

   运行结果：

<CodingThread(Thread-1, started 16572)>正在写代码
<DrawingThread(Thread-2, started 21720)>正在画图
<CodingThread(Thread-1, started 16572)>正在写代码
<DrawingThread(Thread-2, started 21720)>正在画图
<DrawingThread(Thread-2, started 21720)>正在画图
<CodingThread(Thread-1, started 16572)>正在写代码

   D）多线程共享全局变量的问题
   多线程都是在同一个进程中运行的，因此在进程中的全局变量所有线程都是可共享的，这就造成了一个问题，因为线程执行的顺序是无序的，有可能会造成数据错误，示例代码如下：

import threading
value = 0

def add_value():
    global value
    for i in range(1000000):
        value += 1
    print('value: %d'%value)

def main():
    for i in range(2):
        t = threading.Thread(target=add_value)
        t.start()

if __name__ == '__main__':
    main()

   运行结果：

value: 1205450
value: 1253480

   以上代码运行的结果应该是value: 1000000、value: 2000000，但因为多线程运行的不确定性，因此最后的结果可能是随机的，解决该问题需要用到多线程的锁机制。

   E）锁机制
   为了解决以上使用共享全局变量的问题，threading提供了一个Lock类，这个类可以在某个县城访问某个变量的时候加锁，其他线程就不能进来，直到当前线程处理完成后，把锁释放了，其他线程才可以进来处理，示例代码如下：

import threading
value = 0
gLock = threading.Lock()
def add_value():
    global value
    gLock.acquire()
    for i in range(1000000):
        value += 1
    gLock.release()
    print('value: %d'%value)

def main():
    for i in range(2):
        t = threading.Thread(target=add_value)
        t.start()

if __name__ == '__main__':
    main()

   运行结果：

value: 1000000
value: 2000000

   F）Lock版本生产者和消费者模式
   生产者和消费者是多线程开发中经常见到的一种模式，生产者的线程专门用来生产一些数据，然后存放到一个中间的变量中，消费者再从这个中间的变量中取出数据进行消费，但是因为要使用中间变量，中间变量经常是一些全局变量，因此需要使用锁来保证数据完整性，如下是使用threading.Lock锁实现的“生产者与消费者模式”的一个例子：

import threading
import random
import time

gMoney = 1000
gLock = threading.Lock()
# 记录生产者生产数据的次数，达到10次就不再生产了
gTotalTimes = 5
gTimes = 0

class Producer(threading.Thread):
    def run(self):
        global gMoney
        global gTimes
        while True:
            money = random.randint(100, 1000)
            gLock.acquire()
            # 如果已经达到10次了，就不再生产了
            if gTimes >= gTotalTimes:
                gLock.release()
                break
            gMoney += money
            print('{}当前存入{}元钱， 剩余{}元钱'.format(threading.current_thread(), money, gMoney))
            gTimes += 1
            time.sleep(0.5)
            gLock.release()

class Consumer(threading.Thread):
    def run(self):
        global gMoney
        global gTimes
        while True:
            money = random.randint(100, 500)
            gLock.acquire()
            if gMoney > money:
                gMoney -= money
                print('{}当前取出{}元钱，剩余{}元钱'.format(threading.current_thread(), money, gMoney))
                time.sleep(0.5)
            else:
                # 如果钱不够了，有可能是已经超过了次数，这时候就判断一下
                if gTimes >= gTotalTimes:
                    gLock.release()
                    break
                print('{}当前想取{}元钱，剩余{}元钱，余额不足！'.format(threading.current_thread(), money, gMoney))
            gLock.release()

def main():
    for i in range(5):
        Consumer(name='消费者线程{}'.format(i)).start()

    for i in range(5):
        Producer(name='生产者线程{}'.format(i)).start()

if __name__ == '__main__':
    main()

   运行结果：

<Consumer(消费者线程0, started 40748)>当前取出475元钱，剩余525元钱
<Consumer(消费者线程1, started 36784)>当前取出183元钱，剩余342元钱
<Consumer(消费者线程2, started 36072)>当前想取366元钱，剩余342元钱，余额不足！
<Consumer(消费者线程2, started 36072)>当前取出148元钱，剩余194元钱
<Consumer(消费者线程4, started 37552)>当前想取226元钱，剩余194元钱，余额不足！
<Producer(生产者线程0, started 37884)>当前存入603元钱， 剩余797元钱
<Producer(生产者线程1, started 40416)>当前存入883元钱， 剩余1680元钱
<Producer(生产者线程2, started 40936)>当前存入705元钱， 剩余2385元钱
<Producer(生产者线程3, started 27848)>当前存入337元钱， 剩余2722元钱
<Producer(生产者线程4, started 35024)>当前存入195元钱， 剩余2917元钱
<Consumer(消费者线程0, started 40748)>当前取出116元钱，剩余2801元钱
<Consumer(消费者线程1, started 36784)>当前取出398元钱，剩余2403元钱
<Consumer(消费者线程3, started 37104)>当前取出121元钱，剩余2282元钱
<Consumer(消费者线程2, started 36072)>当前取出108元钱，剩余2174元钱
<Consumer(消费者线程4, started 37552)>当前取出269元钱，剩余1905元钱
<Consumer(消费者线程0, started 40748)>当前取出209元钱，剩余1696元钱
<Consumer(消费者线程1, started 36784)>当前取出125元钱，剩余1571元钱
<Consumer(消费者线程3, started 37104)>当前取出356元钱，剩余1215元钱
<Consumer(消费者线程2, started 36072)>当前取出358元钱，剩余857元钱
<Consumer(消费者线程4, started 37552)>当前取出302元钱，剩余555元钱
<Consumer(消费者线程0, started 40748)>当前取出193元钱，剩余362元钱
<Consumer(消费者线程1, started 36784)>当前取出133元钱，剩余229元钱
<Consumer(消费者线程3, started 37104)>当前取出188元钱，剩余41元钱

   G）Condition版本生产者和消费者模式
   Lock版本的生产者与消费者模式可以正常的运行，但是存在一个不足，在消费者中，总是通过while True死循环并且上锁的方式去判断钱够不够，上锁是一个很耗费CPU资源的行为，因此这种方式不是最好的，还有一种更好的方式便是threading.Condition来实现。threading.Condition可以在没有数据的时候处于阻塞等待状态，一旦有合适的数据了，还可以使用notify相关的函数来通知其他处于等待状态的线程，这样就可以不用做一些无用的上锁和解锁的操作，可以提高程序的性能。
   首先对threading.Condition相关的函数做个介绍，threading.Condition类似threading.Lock，可以在修改全局数据的时候进行上锁，也可以在修改完毕后进行解锁，如下是一些常用的函数：
      G.1）acquire：上锁
      G.2）release：解锁
      G.3）wait：将当前线程处于等待状态，并且会释放锁，可以被其他线程使用notify和notify_all函数唤醒，被唤醒后会继续等待上锁，上锁后继续执行下面的代码。
      G.4）notify：通知某个正在等待的线程，默认是第1个等待的线程。
      G.5）notify_all：通知所有正在等待的线程，notify和notify_all不会释放锁，并且需要在release之间调用。
如下示例代码是Condition版的生产者与消费者模式的一个例子：

import threading
import random
import time

gMoney = 1000
gCondition = threading.Condition()
# 记录生产者生产数据的次数，达到10次就不再生产了
gTotalTimes = 5
gTimes = 0
class Producer(threading.Thread):
    def run(self):
        global gMoney
        global gTimes
        while True:
            money = random.randint(100, 1000)
            gCondition.acquire()
            # 如果已经达到5次了，就不再生产了
            if gTimes >= gTotalTimes:
                gCondition.release()
                break
            gMoney += money
            print('{}当前存入{}元钱， 剩余{}元钱'.format(threading.current_thread(), money, gMoney))
            gTimes += 1
            gCondition.notify_all()
            gCondition.release()
            time.sleep(0.5)

class Consumer(threading.Thread):
    def run(self):
        global gMoney
        while True:
            money = random.randint(100, 500)
            gCondition.acquire()
            while gMoney < money:
                if gTimes >= gTotalTimes:
                    gCondition.release()
                    return
                print('{}准备消费{}元钱，剩余{}元钱，余额不足！'.format(threading.current_thread(), money, gMoney))
                gCondition.wait()
            gMoney -= money
            print('{}当前想取{}元钱，剩余{}元钱'.format(threading.current_thread(), money, gMoney))
            gCondition.release()
            time.sleep(0.5)

def main():
    for i in range(5):
        Consumer(name='消费者线程{}'.format(i)).start()

    for i in range(5):
        Producer(name='生产者线程{}'.format(i)).start()

if __name__ == '__main__':
    main()

   运行结果：

<Consumer(消费者线程0, started 21960)>当前想取334元钱，剩余666元钱
<Consumer(消费者线程1, started 36664)>当前想取233元钱，剩余433元钱
<Consumer(消费者线程2, started 45600)>准备消费495元钱，剩余433元钱，余额不足！
<Consumer(消费者线程3, started 37768)>当前想取232元钱，剩余201元钱
<Consumer(消费者线程4, started 28312)>准备消费208元钱，剩余201元钱，余额不足！
<Producer(生产者线程0, started 40376)>当前存入517元钱， 剩余718元钱
<Consumer(消费者线程2, started 45600)>当前想取495元钱，剩余223元钱
<Consumer(消费者线程4, started 28312)>当前想取208元钱，剩余15元钱
<Producer(生产者线程1, started 42908)>当前存入931元钱， 剩余946元钱
<Producer(生产者线程2, started 44140)>当前存入566元钱， 剩余1512元钱
<Producer(生产者线程3, started 46256)>当前存入556元钱， 剩余2068元钱
<Producer(生产者线程4, started 43412)>当前存入976元钱， 剩余3044元钱
<Consumer(消费者线程0, started 21960)>当前想取192元钱，剩余2852元钱
<Consumer(消费者线程1, started 36664)>当前想取333元钱，剩余2519元钱
<Consumer(消费者线程3, started 37768)>当前想取284元钱，剩余2235元钱
<Consumer(消费者线程4, started 28312)>当前想取186元钱，剩余2049元钱
<Consumer(消费者线程2, started 45600)>当前想取256元钱，剩余1793元钱
<Consumer(消费者线程1, started 36664)>当前想取432元钱，剩余1361元钱
<Consumer(消费者线程0, started 21960)>当前想取145元钱，剩余1216元钱
<Consumer(消费者线程3, started 37768)>当前想取489元钱，剩余727元钱
<Consumer(消费者线程2, started 45600)>当前想取267元钱，剩余460元钱
<Consumer(消费者线程0, started 21960)>当前想取212元钱，剩余248元钱
<Consumer(消费者线程3, started 37768)>当前想取232元钱，剩余16元钱

   H）Queue线程安全队列
   在线程中，访问一些全局变量，加锁是一个经常的过程，如果你想把一些数据存储到某个队列中，那么Python内置了一个线程安全的模块叫做queue模块。
   Python中的queue模块中提供了同步的、线程安全的队列类，包括FIFO（先进先出）队列Queue、LIFO（后进先出）队列LifoQueue。
   这些队列都实现了锁原语（可以理解为原子操作，即要么不做，要么都做完），能够在多线程中直接使用，可以使用队列来实现线程间的同步，相关函数如下：
   a）初始化Queue(maxsize)：创建一个先进先出的队列
   b）qsize()：返回队列的大小
   c）empty()：判断队列是否为空
   d）full()：判断队列是否满了
   e）get()：从队列中取出一个数据
   f）put()：将一个数据放到队列中

from queue import Queue
import time
import threading
def set_value(q):
    index = 0
    while True:
        q.put(index)
        index += 1
        time.sleep(3)

def get_value(q):
    while True:
        print(q.get())

def main():
    q =Queue(4)
    t1 = threading.Thread(target=set_value, args=[q])
    t2 = threading.Thread(target=get_value, args=[q])

    t1.start()
    t2.start()

if __name__ == '__main__':
    main()

   I）GIL全局解释器锁
   Python自带的解释器是CPython，CPython解释器的多线程实际上是一个假的多线程（在多核CPU中，只能利用一核，不能利用多核），同一时刻只有一个线程在执行，为了保证同一时刻只有一个线程在执行，在CPython解释器中有一个GIL（全局解释器锁），这个解释器锁是有必要的，因为CPython解释器的内存管理不是线程安全的，当然除了CPython解释器，还有其他的解释器，有些解释器是没有GIL锁的，如下：
   a）Jython：用Java实现的Python解释器，不存在GIL锁，更多详情见：https://zh.wikipedia.org/wiki/Jython。
   b）IronPython：用.Net实现的Python解释器，不存在GIL锁，更多详情见：https://zh.wikipedia.org/wiki/IronPython。
   c）PyPy：用Python实现的Python解释器，存在GIL锁，更多详情见：https://zh.wikipedia.org/wiki/PyPy。
   GIL虽然是一个假的多线程，但是在处理一些IO操作（比如文件读写和网络请求）还是可以在很大程度上提高效率的，在IO操作上建议使用多线程提高效率，在一些CPU计算操作上不建议使用多线程，而建议使用多进程。