Python自定义线程池实现:从基础到进阶的两种方案
本文深入解析Python中自定义线程池的实现原理,通过两个版本展示如何基于Queue队列管理线程资源。低阶版演示线程复用机制,进阶版引入任务队列与回调函数,详细阐述设计思路、代码实现及性能优化要点,帮助开发者掌握高效并发处理技巧。
为什么需要引入线程池机制?
假设我们采用“有任务即创建子线程,任务完成后销毁或等待其自然结束”的策略,当面对大量耗时短但数量庞大的任务时,线程的创建与销毁所消耗的时间将远超实际计算时间,导致整体执行效率低下。
线程池的核心原理:
正如“线程池”这一名称所暗示的,其核心思想是将固定数量的可用子线程预先放入一个“池”中。当有新任务到来时,从池中取出一个线程执行;任务结束后,线程并不立即销毁,而是返回池中等待下一个任务。这种方式显著降低了内存和CPU的开销,同时允许我们精确控制并发线程的数量。
线程池的具体实现方式:
Python提供了多种线程池的实现路径,其中利用Queue(队列)是一种高效且简洁的方案。由于Python中的Queue原生支持同步操作,具备线程安全性,因此可以安全地被多个线程共享使用。
构建线程池时,除了管理线程的“线程池”,还需要一个存放待执行任务的“任务池”。各线程从任务池中获取任务并执行,而使用Queue来实现任务池是极为合适的选择。
1. 基础版线程池实现
设计思路:基于Queue队列机制
将线程类名预置入队列中,每执行一个任务便从队列中取出一个类名进行实例化。
import queue
import threading
class ThreadPool(object):
def __init__(self, max_num=20):
self.queue = queue.Queue(max_num) #创建队列,最大数为20
for i in range(max_num):
self.queue.put(threading.Thread) #将类名放入队列中
def get_thread(self):
return self.queue.get() #从队列中取出类名
def add_thread(self):
self.queue.put(threading.Thread) #进类名放入队列中
def func(arg, p): #定义一个函数
print(arg)
import time
time.sleep(2)
p.add_thread()
pool = ThreadPool(10) #创建对象,并执行该类的构造方法,即将线程的类名放入队列中
for i in range(30):
thread = pool.get_thread() #调用该对象的get_thread方法,取出类名
t = thread(target=func, args=(i, pool)) #创建对象,执行func,参数在args中
t.start()
该方法的局限性在于要求使用者修改原始函数并在其中传递参数,且调用方式发生了改变。此外,空闲线程会持续占用资源,造成浪费,在实际操作中并不便捷,因此设计了下一版更完善的线程池。
2. 进阶版线程池实现
设计思路:基于Queue队列机制优化
a. 队列中存放具体任务对象。 b. 线程持续从队列中获取任务执行,一旦空闲即尝试获取新任务。
import queue
import threading
import contextlib
import time
StopEvent = object()
class ThreadPool(object):
def __init__(self, max_num, max_task_num = None):
if max_task_num:
self.q = queue.Queue(max_task_num)
else:
self.q = queue.Queue()
self.max_num = max_num
self.cancel = False
self.terminal = False
self.generate_list = []
self.free_list = []
def run(self, func, args, callback=None):
"""
线程池执行一个任务
:param func: 任务函数
:param args: 任务函数所需参数
:param callback: 任务执行失败或成功后执行的回调函数,回调函数有两个参数1、任务函数执行状态;2、任务函数返回值(默认为None,即:不执行回调函数)
:return: 如果线程池已经终止,则返回True否则None
"""
if self.cancel:
return
if len(self.free_list) == 0 and len(self.generate_list) < self.max_num:
self.generate_thread()
w = (func, args, callback,)
self.q.put(w)
def generate_thread(self):
"""
创建一个线程
"""
t = threading.Thread(target=self.call)
t.start()
def call(self):
"""
循环去获取任务函数并执行任务函数
"""
current_thread = threading.currentThread()
self.generate_list.append(current_thread)
event = self.q.get()
while event != StopEvent:
func, args, callback = event
try:
result = func(*args)
success = True
except Exception as e:
success = False
result = None
if callback is not None:
try:
callback(success, result)
except Exception as e:
pass
with self.worker_state(self.free_list, current_thread):
if self.terminal:
event = StopEvent
else:
event = self.q.get()
else:
self.generate_list.remove(current_thread)
def close(self):
"""
执行完所有的任务后,所有线程停止
"""
self.cancel = True
count = len(self.generate_list)
while count:
self.q.put(StopEvent)
count -= 1
def terminate(self):
"""
无论是否还有任务,终止线程
"""
self.terminal = True
while self.generate_list:
self.q.put(StopEvent)
self.q.queue.clear()
@contextlib.contextmanager
def worker_state(self, state_list, worker_thread):
"""
用于记录线程中正在等待的线程数
"""
state_list.append(worker_thread)
try:
yield
finally:
state_list.remove(worker_thread)
# How to use
pool = ThreadPool(5)
def callback(status, result):
# status, execute action status
# result, execute action return value
pass
def action(i):
print(i)
for i in range(30):
ret = pool.run(action, (i,), callback)
time.sleep(3)
print(len(pool.generate_list), len(pool.free_list))
print(len(pool.generate_list), len(pool.free_list))
pool.close()
# pool.terminate()
总结
以上即为Python自定义实现线程池的完整解析,希望能为读者提供有益参考。感兴趣的朋友可进一步阅读本站关于python模块__all__属性详解、Python面向对象编程基础解析(二)等内容。如有疏漏,欢迎留言指正。感谢各位的支持!
本站声明
本文内容仅供参考,不代表本站观点。转载或引用请注明出处。如发现内容问题,请通过联系我们页面反馈。













