来源 http://blog.chinaunix.net/uid-27571599-id-3484048.html
threading提供了一个比thread模块更高层的API来提供线程的并发性。这些线程并发运行并共享内存。
下面来看threading模块的具体用法：
一、Thread的使用 目标函数可以实例化一个Thread对象，每个Thread对象代表着一个线程，可以通过start()方法，开始运行。
这里对使用多线程并发，和不适用多线程并发做了一个比较：
首先是不使用多线程的操作：
代码如下：
|
1
2
3
4
5
6
7
8
9
10
11
12
|
#!/usr/bin/python#compare for multi threadsimport time
def worker():
print "worker"
time.sleep(1)
return
if __name__ == "__main__":
for i in xrange(5):
worker()
|
执行结果如下：
下面是使用多线程并发的操作：
代码如下：
|
1
2
3
4
5
6
7
8
9
10
11
12
|
#!/usr/bin/pythonimport threading
import time
def worker():
print "worker"
time.sleep(1)
return
for i in xrange(5):
t = threading.Thread(target=worker)
t.start()
|
可以明显看出使用了多线程并发的操作，花费时间要短的很多。
二、threading.activeCount()的使用，此方法返回当前进程中线程的个数。返回的个数中包含主线程。
代码如下：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
#!/usr/bin/python#current's number of threadsimport threading
import time
def worker():
print "test"
time.sleep(1)
for i in xrange(5):
t = threading.Thread(target=worker)
t.start()
print "current has %d threads" % (threading.activeCount() - 1)
|
三、threading.enumerate()的使用。此方法返回当前运行中的Thread对象列表。
代码如下：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
#!/usr/bin/python#test the variable threading.enumerate()import threading
import time
def worker():
print "test"
time.sleep(2)
threads = []
for i in xrange(5):
t = threading.Thread(target=worker)
threads.append(t)
t.start()
for item in threading.enumerate():
print item
printfor item in threads:
print item
|
四、threading.setDaemon()的使用。设置后台进程。
代码如下：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
#!/usr/bin/python#create a daemonimport threading
import time
def worker():
time.sleep(3)
print "worker"
t=threading.Thread(target=worker)
t.setDaemon(True)
t.start()print "haha"
|
可以看出worker（）方法中的打印操作并没有显示出来，说明已经成为后台进程。