Python线程和队列使用的一点思考

1. 斗哥采访环节

• 请问为什么要使用线程？

  答：为了提高程序速度，代码效率呀。

• 请问为什么要使用队列？

  答：个人认为队列可以保证线程安全，实现线程间的同步，比较稳。

• 线程为什么采用Threading模块？

  答：据我所知还有Thread模块，该模块级别较低不推荐用。更高级别的是threading模块，它有一个Thread类，而且提供了各种非常好用的同步机制。

• 你所说的同步机制是指啥？

  答：就是希望线程能够同时开跑，想象一下“所有的马同时冲出栅栏”的场景，就是我们说的同步了，而Therad模块的同步机制不佳亦是其不推荐使用的原因之一。

2. 需要用到线程的场景？

2.1 举个简单的案例，假设这么一个需求如下

给定200个IP地址，可能开放端口有80，443，7001，7002，8000，8080，8081，8888，9000，9001等，现需以'[[http://ip:port](http://ip:port)]([http://ip:port](http://ip:port))'形式访问页面以判断是否正常。

2.2 为什么要用线程解决这个需求？

200个ip地址和10个端口，累计请求2000次，一个个请求过去太慢，设定线程可以提高效率。

2.3 如果不用线程怎么样实现？

（以下仅为演示代码，如有错误敬请指出）**注：**将200个ip地址放到ip.txt记事本中，读取ip拼接端口并请求。

#-*-coding:utf-8
import requests
portlist=[80,443,7001,7002,8000,8080,8081,8888,9000,9001]
ips=[t.replace("\n","") for t in open('ip.txt',"r").readlines()]
for ip in ips:
    for port in portlist:
        url="http://"+ip+':'+str(port)
        try:
            resp=requests.get(url=url,timeout=2)
            print url,"mabey normal..."
        except:
            print url,"unknown wrong..."

注：运行上述代码，请求2000条url，每条等待超时2秒，差不多要1个多小时才能跑完，漫长的等待过程中渐渐失去笑容和耐心……

3. threading如何运用以解决上述问题？

使用threading模块的Thread类来创建线程，先要创建一个Thread的实例，传给它一个函数去跑线程。比如专门定义一个函数req()来请求URL，然后把这个req函数传给Thread的实例，接着开启线程……可以先看下面这段代码。（以下代码修改自上文）

import requests
import threading

def req(url):    #请求的代码写成一个函数
    try:
        resp=requests.get(url=url,timeout=2)
        print url,"mabey normal..."
    except:
        print url,"unknown wrong..."

def main():
    portlist=[80,443,7001,7002,8000,8080,8081,8888,9000,9001]
    ips=[t.replace("\n","") for t in open('ip.txt',"r").readlines()]
    urllist=[]    
    threads=[]
    for ip in ips:    #将url写到列表中
        for port in portlist:
            urllist.append("http://"+ip+':'+str(port))

    for url in urllist:    #将线程存到threads列表中
        t=threading.Thread(target=req,args=(url,))
        threads.append(t)
    for t in threads:    #开始跑线程，用while来控制线程数
        t.start()
        while True:
            if(len(threading.enumerate())<100):
                break
if __name__ == '__main__':
    main()

其中， t=threading.Thread(target=req,args=(url,))的t就是一个Thread的实例了，args是可以加入到函数传递的参数，而本代码的req()函数需要传递参数是url。

你可以看到的是，这个代码建立了2000个未开始跑的线程放到threads列表里，接着遍历threads来开启线程。为了防止线程数过多，用while循环判断如果当前线程数len(threading.enumerate()超过了100则不开启下一个线程，也就是100指的是线程数。

3.1 简单评价下这个脚本

（有其他建议请留言评论）

• 代码效果：线程设置成100，不到1分钟时间就跑完了整个脚本。
• 为了方便，将url写到了列表里，付出的代价是浪费了相应的内存空间。
• 线程数的控制使用while循环和threading.enumerate()来判断，不够优雅。

3.2 更好一点的方式：使用for循环来控制线程数+while循环结合列表的pop方法

import requests
import threading
def req():
    while True:
        try:
            url=urllist.pop()
        except IndexError:
            break
        try:
            resp=requests.get(url=url,timeout=2)
            print url,"mabey normal..."
        except:
            print url,"unknown wrong..."
def main():        
    for i in range(10):
        t=threading.Thread(target=req)
        t.start()
    for i in range(10):
        t.join()

if __name__ == '__main__':
    portlist=[80,443,7001,7002,8000,8080,8081,8888,9000,9001]
    ips=[t.replace("\n","") for t in open('ip.txt',"r").readlines()]
    urllist=[]
    for ip in ips:
        for port in portlist:
            urllist.append("http://"+ip+':'+str(port))
    main()

你可以发现上述代码大概有2点变化。

1. 线程的开启更加纯粹，不再有传递参数的功能。而多了个for循环来执行t.join()，这个是用来阻塞主线程，当开启的子线程未跑完时，主线程不往下继续执行。
2. 参数url的获取，改成了url=urllist.pop()的方式，因为我们知道列表的pop方法会默认每次从列表移除最后一个元素并返回该元素的值，所以能够起到参数获取的作用。线程数的控制用for i in range(10)来开启，而不用while循环不停去检测线程数是不是超了。而参数获取完成了之后，列表也空了，似乎达到节省了空间，不过我们还是得事先准备一个列表，把url一个个预先填进去（如下图）。

如果不希望暂用那么大的空间，那么我们需要有一个缓存空间，并发的存入且能够并发读取而且不会发生阻塞，脑补一张图大概长下面这样：

上图描述就是人们常说的做生产者和消费者模式。在python中，Queue模块实现了多生产者多消费者队列, 尤其适合多线程编程.Queue类中实现了所有需要的锁原语，可以优雅的解决上述的问题，那么首先需要了解一下关于队列的一些细节……

4. 队列几点介绍

4.1 导入

• import Queue
• from Queue import [Queue Class]

4.2 通用方法

• put(item(,block[,timeout]))从队列中放入item。
• get()从队列移除并返回一个数据。（这个方法和列表的pop()方法是不是很像？）
• empty()如果队列为空，返回True,反之返回False
• task_done()task_done()告诉队列，get()方法的任务处理完毕。
• join()阻塞调用线程，直到队列中的所有任务被处理掉。

4.3 队列模型（类）

• FIFO队列（First in First Out，先进先出）
• class Queue.Queue(maxsize=0)

Queue提供了一个基本的FIFO容器，maxsize是个整数，指明了队列中能存放的数据个数的上限。一旦达到上限，插入会导致阻塞，直到队列中的数据被消费掉。如果maxsize小于或者等于0，队列大小没有限制。

import Queue
q=Queue.Queue 
for i in range(1,6):
    q.put(i)

while not q.empty():
    print q.get()

[console]
$ python queth.py
1
2
3
4
5

更多用法参考官方文档：Queue官方文档

4.4 多线程和Queue.Queue()

前面已经提到，参数的获取可以并发的实现，但是苦于一直没有找到合适的场景。我们在文章中提到的需求，你可以发现2000个url的获取通过个循环就可以轻易获取根本用不到生产者的模式，也就提现不出队列的强大，尽管如此我还是给出对应的脚本，你可以发现其实和用列表获取参数的差别并不大。（小伙伴有更好的场景欢迎提出来一起讨论呀）

import requests
import threading
from Queue import Queue
def req(queue):
    while True:
        url=queue.get()
        try:
            resp=requests.get(url=url,timeout=2)
            queue.task_done()
            print url,"mabey normal..."
        except:
            print url,"unknown wrong..."
            queue.task_done()
def get_url(queue):
    portlist=[80,443,7001,7002,8000,8080,8081,8888,9000,9001]
    ips=[t.replace("\n","") for t in open('ip.txt',"r").readlines()]
    for ip in ips:
        for port in portlist:
            url="http://"+ip+':'+str(port)
            queue.put(url,1)
def main():
    queue=Queue()
    get_url(queue)
    for i in range(10):
        t=threading.Thread(target=req,args=(queue,))
        t.setDaemon(True)
        t.start()
    queue.join()

if __name__ == '__main__':
    main()

你可以发现通过一个get_url()函数就轻易将url存储到队列中，我们在定义queue的时候是可以设定队列空间大小的，如queue=Queue(100)，当存放了100个元素而未被取走时，队列会处于阻塞状态。不过设定队列大小上述代码就需要改写了，可以参考《Python核心编程》关于线程和队列的章节。

5. 小结

以上就是本次关于线程和队列思考的全部内容了，希望能够帮助到那些刚入门python的新手玩家们。本文也仅限斗哥的一点点小思考，也希望大家能够提出更好的见解和斗哥一起讨论。（The End）