前言：本系列将包含Python并行编程的相关技术内容,包括Python线程、Python进程、并发编程的异步模式及终极大法Python分布式计算如Celery、SCOOP等相关技术。

关键词： threading multiprocessing asyncio Celery

线程的基本概念和线程的两种定义方法

线程是什么？

线程看起来就像轻量级的进程，而进程又是什么呢？　进程即我们平时运行程序，比如通过点击图标打开的浏览器，QQ都是进程，进程拥有自己的独立的内存空间地址，可以拥有多个线程；即线程是存在进程内，也就意味着一个进程内的线程可以共享一些资源，其线程间的切换也就比进程低得多，多个线程可以并行及并发执行，共享数据和资源，所以我们多数时候的线程通信都是利用共享信息的空间进行通信，这也是后面谈到的线程管理必备的多种线程通信方式了。

在Python怎么定义线程？

使用线程最简单的方式就是通过目标函数的实例化：

import threading
import time


# 用于实例化线程目标函数
def function(i):
    time.sleep(2)
    print('Thread {} is running.'.format(i))
    time.sleep(2)
    return


for i in range(5):
    # Python模块threading.Thread方法
    t = threading.Thread(target=function, args=(i, ))
    t.start()

运行截图如下：

通过以上程序我们看出，定义好我们需要运行的目标函数来实例化线程，然后传入参数target即函数名，然后如果需要运行的目标函数有参数需要传递的话即可传入args元组，注意此处传入的是元组tuple。
然后我们在调用start()方法后启动实例化的线程

使用线程模块实现新的线程：

import threading
import time


class myThread(threading.Thread):
    def __init__(self, i):
        threading.Thread.__init__(self)
        self.i = i

    def run(self):
        time.sleep(2)
        print('Thread {} is running.'.format(self.i))
        time.sleep(2)
        return


for i in range(1, 6):
    t = myThread(i)
    t.start()

运行截图如下：

通过上面的程序我们可以看出，我们需要定义新的Thread类的子类，并且通过重写__init__方法来传递参数，然后重写run()方法来实现目标函数，那么当我们创建出新的子类后就可以实例化该子类并通过start()方法来启动线程。

守护线程 setDaemon(True)

接下来我们在运行一段代码：

import threading
import time


class myThread(threading.Thread):
    def __init__(self, i):
        threading.Thread.__init__(self)
        self.i = i

    def run(self):
        time.sleep(2)
        print('Thread {} is running.'.format(self.i))
        time.sleep(2)
        return

print('Mian THread starting')

for i in range(1, 6):
    t = myThread(i)
    t.start()
    
print('Mian THread end')

运行截图如下：

当一个进程启动之后，会默认产生一个主线程，因为线程是程序执行流的最小单元，当设置多线程时，主线程会创建多个子线程；我们在主线程添加了两句print()用于打印主线程的运行状态，我们可以看见在默认情况下主现成直接执行完就退出了，此时子线程们还在执行过程中，那么如果我们添加setDaemon(True)方法呢：

import threading
import time


class myThread(threading.Thread):
    def __init__(self, i):
        threading.Thread.__init__(self)
        self.i = i

    def run(self):
        time.sleep(2)
        print('Thread {} is running.'.format(self.i))
        time.sleep(2)
        return

print('Mian THread starting')

for i in range(1, 6):
    t = myThread(i)
    t.setDaemon(True)
    t.start()
    
print('Mian THread end')

运行截图如下：

我们可以在运行截图中看到，当我们使用setDaemon(True)方法，设置子线程为守护线程时，主线程一旦执行结束，则全部线程全部被终止执行，可能出现的情况就是，子线程的任务还没有完全执行结束，就被迫停止。
那么我们能不能让主线程等等我们的子线程，等待子线程运行结束后，主线程再终止呢，即实现守护线程相反的效果，答案是可以得。

阻塞线程 join()

import threading
import time


class myThread(threading.Thread):
    def __init__(self, i):
        threading.Thread.__init__(self)
        self.i = i

    def run(self):
        time.sleep(2)
        print('Thread {} is running.'.format(self.i))
        time.sleep(2)
        return


print('Mian THread starting')

threads = []
for i in range(1, 6):
    t = myThread(i)
    t.start()
    threads.append(t)

for t in threads:
    t.join()
    
print('Mian THread end')

运行截图如下：

我们可以看见主线程是在等待子线程运行结束才终止运行的，即join()所完成的工作就是线程同步，即主线程任务结束之后，进入阻塞状态，一直等待其他的子线程执行结束之后，主线程再终止。

Python并行编程(一)：线程的基本概念和线程的两种定义方法以及join()、setDaemon(True)的使用