当前位置:首页>python>Python 学习笔记(二)

Python 学习笔记(二)

  • 2026-10-11 05:43:03
Python 学习笔记(二)

一、线程基础概念

1.1 什么是线程

线程(Thread)是程序中的独立执行流,允许程序同时执行多个任务。Python 的 threading 模块提供了跨平台一致的线程管理接口。

1.2 创建线程的两种方式

方式一:直接传入可调用对象(推荐)

1
2
3
4
5
6
7
8
import threadingdef worker(num):    print(f"Worker {num}")thread = threading.Thread(target=worker, args=(1,))thread.start()thread.join()

方式二:继承 Thread 类

1
2
3
4
5
6
class MyThread(threading.Thread):    def run(self):        print("Thread running")thread = MyThread()thread.start()

1.3 守护线程(Daemon Thread)

守护线程是一种后台运行的线程,当程序中只剩下守护线程时,Python 程序会自动退出。

1
2
3
# 设置守护线程thread = threading.Thread(target=func, daemon=True)thread.start()

特点:

  • 主程序退出时自动终止
  • 适合后台任务、定时检查、心跳监测等场景
  • 退出时资源可能未正确释放

二、数据竞争(Race Condition)

2.1 什么是竞态条件

当多个线程同时访问和修改共享资源时,最终结果依赖于线程执行的顺序,导致数据不一致。

2.2 实际案例

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
import threadingcounter = 0def add():    global counter    for _ in range(100000):        counter += 1  # 非原子操作,存在竞态条件threads = [threading.Thread(target=add) for _ in range(2)]for t in threads:    t.start()for t in threads:    t.join()print(counter)  # 结果可能小于 200000

三、锁(Lock)机制

3.1 锁的基本概念

锁是一种同步原语,用于保护共享资源,确保同一时间只有一个线程可以访问该资源。

锁的两种状态:

  • 锁定(locked): 线程正在使用共享资源
  • 未锁定(unlocked): 资源空闲,可被线程获取

3.2 锁的核心原理

互斥锁(Mutual Exclusion Lock)确保在同一时刻只有一个线程可以进入临界区(Critical Section)——即访问共享资源的代码段。

3.3 锁的使用方法

方法一:with 语句(推荐)

1
2
3
4
5
6
7
lock = threading.Lock()counter = 0def safe_add():    global counter    with lock:  # 自动 acquire() 和 release()        counter += 1

方法二:手动 acquire() / release()

1
2
3
4
5
6
lock = threading.Lock()lock.acquire()try:    counter += 1  # 临界区代码finally:    lock.release()  # 确保锁释放

推荐使用with语句,因为更安全、更简洁,不容易忘记释放锁。

3.4 锁的阻塞机制

  • 当锁处于"未锁定"状态:调用 acquire() 的线程会立即获得锁
  • 当锁处于"锁定"状态:其他线程调用 acquire() 时会被阻塞等待,直到持有锁的线程释放锁

3.5 非阻塞获取锁

1
2
3
4
5
if lock.acquire(blocking=False):  # 不阻塞,立即返回    try:        pass    finally:        lock.release()

四、锁的注意事项与最佳实践

4.1 避免死锁

死锁通常由以下原因导致:

  • 多把锁交叉获取
  • 忘记释放锁
  • 嵌套锁顺序不一致

预防措施:

  • 固定加锁顺序
  • 使用 with 语句
  • 使用带超时的 acquire(timeout)
  • 优先使用可重入锁(RLock)

4.2 最小化锁的持有时间

1
2
3
4
5
6
7
8
9
10
# 不好的写法:持有锁时间过长with lock:    do_something()    do_other_thing()    time.sleep(2)  # 不必在锁内# 更好的写法with lock:    update_shared_data()time.sleep(2)  # 锁外执行

4.3 锁的代价

  • 上下文切换开销
  • 等待开销
  • 代码复杂度上升
  • 死锁风险

五、可重入锁(RLock)

5.1 RLock 的特点

可重入锁(Reentrant Lock)允许同一线程多次获取锁,内部维护计数器。

核心特性:

  • 同一线程 acquire() 多少次,需 release() 多少次
  • 计数器归 0 时才真正释放锁
  • 仅当前持有锁的线程可释放锁

5.2 使用场景

适用于递归函数或同一线程需多次进入临界区的场景:

1
2
3
4
5
6
lock = threading.RLock()def recursive_function():    with lock:        print("进入临界区")        recursive_function()  # 同一线程可以再次获取锁

六、其他同步机制

6.1 信号量(Semaphore)

用于控制同时访问共享资源的线程数量:

1
2
3
4
5
semaphore = threading.Semaphore(2)  # 允许最多2个线程同时访问def access_resource():    with semaphore:        print(f"Thread {threading.current_thread().name} accessing resource")

6.2 条件变量(Condition)

用于线程之间的通信和协调,常用于生产者-消费者模型:

1
2
3
4
5
6
7
8
9
10
11
12
13
condition = threading.Condition()queue = []def producer():    with condition:        queue.append("item")        condition.notify()  # 通知等待的线程def consumer():    with condition:        while not queue:            condition.wait()  # 等待队列非空        item = queue.pop(0)

6.3 事件(Event)

允许线程等待一个事件发生:

1
2
3
4
5
6
7
8
9
event = threading.Event()def worker():    print("Waiting for event...")    event.wait()  # 等待事件被设置    print("Event fired!")# 在主线程中触发事件event.set()

6.4 队列(Queue)

线程安全的队列,官方推荐优先使用:

1
2
3
4
5
6
7
8
9
import queueq = queue.Queue(maxsize=10)def producer():    q.put("item")def consumer():    item = q.get()  # 自动处理锁与条件变量

优势:

  • 内部实现线程安全
  • 支持阻塞与超时
  • 简化同步逻辑
  • 可扩展性强

七、GIL(全局解释器锁)的影响

7.1 GIL 的作用

Python 的全局解释器锁(GIL)确保同一时刻只有一个线程执行 Python 字节码。

7.2 GIL 的影响

  • CPU 密集型任务: 多线程无法利用多核优势,性能提升有限甚至下降,建议使用 multiprocessing 模块
  • I/O 密集型任务: 线程在等待 I/O 时会释放 GIL,多线程仍能有效提升并发性能

八、@dataclass 装饰器

8.1 基本概念

@dataclass 是 Python 3.7 引入的装饰器,位于标准库 dataclasses 模块中,用于自动为类生成常用的特殊方法。

8.2 自动生成的方法

  • __init__(): 按字段顺序初始化
  • __repr__(): 提供包含类名和所有字段值的清晰表示
  • __eq__(): 基于字段值进行相等性比较

8.3 使用示例

1
2
3
4
5
6
7
8
9
10
from dataclasses import dataclass@dataclassclass Task:    id: str    subject: str    description: str    status: str          # pending | in_progress | completed    owner: str | None    # Agent name    blockedBy: list[str]  # Dependency task IDs

8.4 高级用法

1
2
3
4
5
6
7
8
9
@dataclassclass Task:    id: str    status: str = "pending"    def __post_init__(self):        # 初始化后自动验证        if self.status not in ["pending", "in_progress", "completed"]:            raise ValueError(f"Invalid status: {self.status}")

九、JSON 与字典解包

9.1 读取 JSON 文件

1
2
3
4
5
import jsonfrom pathlib import Pathdef load_task(task_id: str) -> Task:    return Task(**json.loads(_task_path(task_id).read_text()))

9.2 ** 字典解包操作符

  • 将字典的键值对解包为函数的关键字参数
  • 字典的键必须与函数参数名匹配
1
2
data = {"name": "Alice", "age": 30}# Person(**data) 等价于 Person(name="Alice", age=30)

十、常用字符串方法

方法功能返回值默认行为
strip()
去除两端字符
字符串
去除空白字符
split()
按分隔符分割
列表
按空白字符分割
splitlines()
按换行符分割
列表
不保留换行符
startswith()
检查是否以指定前缀开头
布尔值
大小写敏感

总结

  • 多线程编程的核心是正确处理共享资源的访问,避免竞态条件
  • 锁(Lock) 是最基础的同步机制,推荐使用 with
     语句确保安全
  • 可重入锁(RLock) 解决同一线程多次加锁问题
  • 高级同步机制(Semaphore、Condition、Event、Queue)适用于特定场景
  • GIL 限制了 CPU 密集型任务的并行性能,但 I/O 密集型任务仍受益
  • @dataclass 简化数据类的定义,自动生成样板代码
  • 字典解包  方便从 JSON 等数据格式直接创建对象

最新文章

随机文章