Python中的threading
和thread
模块有什么区别?
在Python 3中,thread
被重命名为_thread
。它是基础设施代码,用于实现threading
,普通的Python代码不应该接近它。
_thread
暴露了底层操作系统级进程的相当原始的视图。这几乎永远不是你想要的,因此在Py3k中改名以表示它只是一个实现细节。
threading
添加了一些额外的自动记账功能,以及多个便利工具,所有这些都使它成为标准Python代码的首选选项。
注意:正如Jeril的备选答案所提到的,考虑在Python中使用线程来执行后台任务时,也应查看concurrent.futures.ThreadPoolExecutor
,作为比threading
更高级的API:https://docs.python.org/3/library/concurrent.futures.html#concurrent.futures.ThreadPoolExecutor
threading
是一个更高级别的模块,它与thread
进行接口交互。
请参阅此处的threading
文档:
如果我没有理解错误,thread
允许你将一个 函数 作为独立线程运行,而使用 threading
则需要创建一个类,但可以获得更多的功能。
编辑:这并不完全正确。 threading
模块提供了不同的创建线程的方式:
threading.Thread(target=function_name).start()
threading.Thread
的子类,并在其中定义自己的 run()
方法,然后启动该子线程Python中还有另一个库可用于线程处理,而且运行非常完美。
这个库叫做concurrent.futures。它让我们的工作更加容易。
以下是示例:
ThreadPoolExecutor 示例
import concurrent.futures
import urllib.request
URLS = ['http://www.foxnews.com/',
'http://www.cnn.com/',
'http://europe.wsj.com/',
'http://www.bbc.co.uk/',
'http://some-made-up-domain.com/']
# Retrieve a single page and report the URL and contents
def load_url(url, timeout):
with urllib.request.urlopen(url, timeout=timeout) as conn:
return conn.read()
# We can use a with statement to ensure threads are cleaned up promptly
with concurrent.futures.ThreadPoolExecutor(max_workers=5) as executor:
# Start the load operations and mark each future with its URL
future_to_url = {executor.submit(load_url, url, 60): url for url in URLS}
for future in concurrent.futures.as_completed(future_to_url):
url = future_to_url[future]
try:
data = future.result()
except Exception as exc:
print('%r generated an exception: %s' % (url, exc))
else:
print('%r page is %d bytes' % (url, len(data)))
另一个例子
import concurrent.futures
import math
PRIMES = [
112272535095293,
112582705942171,
112272535095293,
115280095190773,
115797848077099,
1099726899285419]
def is_prime(n):
if n % 2 == 0:
return False
sqrt_n = int(math.floor(math.sqrt(n)))
for i in range(3, sqrt_n + 1, 2):
if n % i == 0:
return False
return True
def main():
with concurrent.futures.ThreadPoolExecutor() as executor:
for number, prime in zip(PRIMES, executor.map(is_prime, PRIMES)):
print('%d is prime: %s' % (number, prime))
if __name__ == '__main__':
main()
模块“Thread”将线程视为函数,而模块“threading”以面向对象的方式实现,即每个线程对应一个对象。