Python 中 threading.Thread.join() 的使用方法示例详解

 更新时间:2024年06月12日 11:45:09   作者:q56731523  
threading.Thread.join()用于阻塞当前线程,直到调用它的线程对象执行完成或者超时,在Python中,想要充分利用多线程的优势,就需要对threading模块中的 Thread 类了解,这里有一个非常简单的多线程程序,帮助理解 threading.Thread.join 方法,感兴趣的朋友跟随小编一起看看吧

threading.Thread.join() 方法用于阻塞当前线程,直到调用它的线程对象执行完成或者超时。这在需要等待子线程执行完毕后再继续执行主线程时非常有用。基于他这种特性,我讲用我的方法帮你选择你合适的解决方案。

问题背景

在 Python 中,想要充分利用多线程的优势,就需要对 threading 模块中的 Thread 类有一定的了解。这里有一个非常简单的多线程程序,用于帮助我们理解 threading.Thread.join 方法。

import threading
val = 0
def increment():
    global val
    print("Inside increment")
    for x in range(100):
        val += 1
        print("val is now {} ".format(val))
thread1 = threading.Thread(target=increment, args=())
thread2 = threading.Thread(target=increment, args=())
thread1.start()
# thread1.join()
thread2.start()
# thread2.join()

这里有两个问题:

如果注释掉 thread1.join() 和 thread2.join(),那么输出结果会是怎样的?如果不注释掉 thread1.join() 和 thread2.join(),那么输出结果又会是怎样的?

解决方法

1. 不注释掉 join() 方法

如果我们不注释掉 thread1.join() 和 thread2.join(),那么输出结果如下:

Inside increment
val is now 1
val is now 2
val is now 3
...
val is now 100
Inside increment
val is now 1
val is now 2
val is now 3
...
val is now 100

2. 注释掉 join() 方法

如果我们注释掉 thread1.join() 和 thread2.join(),那么输出结果如下:

Inside increment
Inside increment
val is now 1
val is now 1
val is now 2
val is now 3
...
val is now 99
val is now 2
val is now 3
...
val is now 98
val is now 99
val is now 100

比较输出结果

通过比较这两个输出结果,我们可以发现,如果注释掉 join() 方法,那么两个线程的输出结果是交织在一起的,这表明这两个线程是并发执行的。而如果不注释掉 join() 方法,那么两个线程的输出结果是按照顺序输出的,这表明这两个线程是串行执行的。

join() 方法的作用

join() 方法的作用是让调用它的线程等待另一个线程终止。在我们的例子中,thread1.join() 和 thread2.join() 的作用是让主线程等待 thread1 和 thread2 两个线程终止。如果不注释掉这两个方法,那么主线程就会等待这两个线程终止后才继续执行。而如果注释掉这两个方法,那么主线程就不会等待这两个线程终止,而是直接继续执行。

代码示例:

为了更清楚地了解 join() 方法的作用,我们修改一下上面的代码:

import threading
val = 0
def increment(msg,sleep_time):
    global val
    print("Inside increment")
    for x in range(10):
        val += 1
        print("%s : %d\n" % (msg,val))
        time.sleep(sleep_time)
thread1 = threading.Thread(target=increment, args=("thread_01",0.5))
thread2 = threading.Thread(target=increment, args=("thread_02",1))
thread1.start()
thread1.join()
thread2.start()
thread2.join()

如果我们运行这段代码,那么输出结果如下:

Inside increment
thread_01 : 1

thread_01 : 2

thread_01 : 3

thread_01 : 4

thread_01 : 5

thread_01 : 6

thread_01 : 7

thread_01 : 8

thread_01 : 9

thread_01 : 10

Inside increment
thread_02 : 1

thread_02 : 2

thread_02 : 3

thread_02 : 4

thread_02 : 5

thread_02 : 6

thread_02 : 7

thread_02 : 8

thread_02 : 9

thread_02 : 10

从输出结果中,我们可以看到,这两个线程是按照顺序输出的,这表明这两个线程是串行执行的。这是因为我们在代码中使用了 thread1.join() 和 thread2.join() 这两个方法,让主线程等待这两个线程终止后才继续执行。

在这个例子中,主线程启动了一个子线程,并在子线程执行完成之前调用了 join() 方法来等待子线程执行完成。如有任何疑问可以评论区留言讨论。

到此这篇关于Python 中 threading.Thread.join() 的使用方法的文章就介绍到这了,更多相关Python  threading.Thread.join()内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

相关文章

  • Python 元类实例解析

    Python 元类实例解析

    这篇文章主要介绍了 Python 元类实例解析,此文的主要任务就是给大家彻底讲明白什么是元类,需要的朋友可以参考下
    2018-04-04
  • 一文带你搞懂Numpy中的深拷贝和浅拷贝

    一文带你搞懂Numpy中的深拷贝和浅拷贝

    深拷贝和浅拷贝是Python中重要的概念,本文将重点介绍在NumPy中深拷贝和浅拷贝相关操作的定义和背后的原理,快跟随小编一起来学习一下吧
    2022-04-04
  • python快排算法详解

    python快排算法详解

    在本篇内容里小编给大家整理了关于python快排算法的相关知识点内基础内容,需要的朋友们学习下。
    2019-03-03
  • keras训练曲线,混淆矩阵,CNN层输出可视化实例

    keras训练曲线,混淆矩阵,CNN层输出可视化实例

    这篇文章主要介绍了keras训练曲线,混淆矩阵,CNN层输出可视化实例,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2020-06-06
  • Python numpy实现数组合并实例(vstack,hstack)

    Python numpy实现数组合并实例(vstack,hstack)

    这篇文章主要介绍了Python numpy实现数组合并(官网实例),涉及vstack,hstack的简单用法,具有一定借鉴价值,需要的朋友可以参考下
    2018-01-01
  • Python调用pytdx的代码示例

    Python调用pytdx的代码示例

    本文主要介绍了Python调用pytdx的代码示例,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2023-01-01
  • Tkinter组件Checkbutton的具体使用

    Tkinter组件Checkbutton的具体使用

    Checkbutton组件用于实现确定是否选择的按钮,本文主要介绍了Tkinter组件Checkbutton的具体使用,文中通过示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
    2022-01-01
  • OpenCV半小时掌握基本操作之直线检测

    OpenCV半小时掌握基本操作之直线检测

    这篇文章主要介绍了OpenCV基本操作之直线检测,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
    2021-09-09
  • 结合Python工具使用TfidfVectorizer进行文本特征提取方式

    结合Python工具使用TfidfVectorizer进行文本特征提取方式

    在自然语言处理中,TF-IDF是一种重要的特征提取方法,本文介绍了如何使用Python的sklearn库中的TfidfVectorizer进行文本特征提取,首先,需要安装sklearn库,TfidfVectorizer能将文本文档集合转换为TF-IDF特征矩阵
    2024-10-10
  • python 字符串格式化的示例

    python 字符串格式化的示例

    这篇文章主要介绍了python 字符串格式化的示例,帮助大家更好的理解和使用python处理字符串,感兴趣的朋友可以了解下
    2020-09-09

最新评论