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：
| 123456789101112 | #!/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：
| 123456789101112 | #!/usr/bin/pythonimport threadingimport 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：
| 1234567891011121314 | #!/usr/bin/python#current's number of threadsimport threadingimport 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：
| 12345678910111213141516171819202122 | #!/usr/bin/python#test the variable threading.enumerate()import threadingimport 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 print for item in threads: print item |
四、threading.setDaemon()的使用。设置后台进程。
代码如下：
| 12345678910111213 | #!/usr/bin/python#create a daemonimport threadingimport 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。
