Шрифт:
Очередь
Процесс, показанный в предыдущем примере, имеет значение, достойное отдельного модуля. Такой модуль в стандартной библиотеке языка Python есть, и он называется Queue.
Помимо исключений — Queue.Full (очередь переполнена) и Queue.Empty (очередь пуста) - модуль определяет класс Queue, заведующий собственно очередью.
Собственно, здесь можно привести аналог примера выше, но уже с использованием класса Queue.Queue:
Листинг
import threading, Queue
item = Queue.Queue
def consume:
«"«Потребление очередного элемента (с ожиданием его появления)»""
return item.get
def consumer:
while True:
print consume
def produce(i):
«"«Занесение нового элемента в контейнер и оповещение потоков»""
item.put(i)
p1 = threading.Thread(target=consumer, name=«t1»)
p1.setDaemon(True)
p2 = threading.Thread(target=consumer, name=«t2»)
p2.setDaemon(True)
p1.start
p2.start
produce(«ITEM1»)
produce(«ITEM2»)
produce(«ITEM3»)
produce(«ITEM4»)
p1.join
p2.join
Следует отметить, что все блокировки спрятаны в реализации очереди, поэтому в коде они явным образом не присутствуют.
Модуль thread
По сравнению с модулем threading, модуль thread предоставляет низкоуровневый доступ к потокам. Многие функции модуля threading, который рассматривался до этого, реализованы на базе модуля thread. Здесь стоит сделать некоторые замечания по применению потоков вообще. Документация по Python предупреждает, что использование потоков имеет особенности:
Исключение KeyboardInterrupt (прерывание от клавиатуры) может быть получено любым из потоков, если в поставке Python нет модуля signal (для обработки сигналов).
Не все встроенные функции, блокированные ожиданием ввода, позволяют другим потокам работать. Правда, основные функции вроде time.sleep, select.select, метод read файловых объектов не блокируют другие потоки.
Невозможно прервать метод acquire, так как исключение KeyboardInterrupt возбуждается только после возврата из этого метода.
Нежелательно, чтобы главный поток завершался раньше других потоков, так как не будут выполнены необходимые деструкторы и даже части finally в операторах try–finally. Это связано с тем, что почти все операционные системы завершают приложение, у которого завершился главный поток.
Визуализация работы потоков
Следующий пример иллюстрирует параллельность выполнения потоков, используя возможности библиотеки графических примитивов Tkinter (она входит в стандартную поставку Python). Несколько потоков наперегонки увеличивают размеры прямоугольника некоторого цвета. Цветом победившего потока окрашивается кнопка Go:
Листинг
import threading, time, sys
from Tkinter import Tk, Canvas, Button, LEFT, RIGHT, NORMAL, DISABLED
global champion
# Задается дистанция, цвет полосок и другие параметры
distance = 300
colors = [«Red»,«Orange»,«Yellow»,«Green»,«Blue»,«DarkBlue»,«Violet»]
nrunners = len(colors) # количество дополнительных потоков
positions = [0] * nrunners # список текущих позиций
h, h2 = 20, 10 # параметры высоты полосок
def run(n):
«"«Программа бега n–го участника (потока)»""
global champion
while 1:
for i in range(10000): # интенсивные вычисления
pass
graph_lock.acquire
positions[n] += 1 # передвижение на шаг
if positions[n] == distance: # если уже финиш
if champion is None: # и чемпион еще не определен,
champion = colors[n] # назначается чемпион
graph_lock.release
break
graph_lock.release
def ready_steady_go:
«"«Инициализация начальных позиций и запуск потоков»""
graph_lock.acquire
for i in range(nrunners):
positions[i] = 0
threading.Thread(target=run, args=[i,]).start
graph_lock.release
def update_positions:
«"«Обновление позиций»""
graph_lock.acquire
for n in range(nrunners):
c.coords(rects[n], 0, n*h, positions[n], n*h+h2)
tk.update_idletasks # прорисовка изменений
graph_lock.release
def quit: