Python-线程的基本使用_python中的self.stat()-CSDN博客

本文链接：https://blog.csdn.net/itmxapi/article/details/130180916

文章展示了Python中如何创建线程，包括继承`threading.Thread`和使用线程函数两种方式，并演示了生产者消费者模型的实现，利用`Queue`的原子操作确保数据同步。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

# 线程类(继承threading.Thread并重写run方法):
class Produce(threading.Thread):
    def __init__(self):
        # 若子类重写了父类的__init__则一定要调用父类__init__正确继承父类变量和方法
        super().__init__()
        self.stat = "running"
    def run(self):
        print(self.stat)
        print("over run")

pro = Produce()
# start会自动执行run方法
pro.start()
# 等待主线程
pro.join()
# running
# over run

-------------------------------------------------------------

# 线程函数-多线程
# 第一个参数是线程函数变量，第二个参数args是一个元组参数，如果
# 只传递一个值，就只需要i, 如果需要传递多个参数，那么还可以继续传递
# 下去其他的参数，其中的逗号不能少，元组中只包含一个元素时，需要在
# 元素后面添加逗号。
import threading
import time
def worker(number):
    print “worker”
    time.sleep(number)

def multi_thread():
	for i in xrange(5):
    	t = threading.Thread(target=worker,args=(i,))
    	t.start()
    	t.join()

生产者与消费者

# 生产者生成随机数量个任务, 由消费者处理
# Queue的操作为原子操作, 自带锁
import threading, random
from queue import Queue
data_count = random.randint(1, 100)
task_que = Queue(data_count)
def Produce():
    print("Produce running")
    global task_que
    for i in range(data_count):
        print("生产数据资料中...")
        task_id = random.randint(1, 100)
        task_que.put(task_id)
        print("生成数据:", task_id)
    print("------------------ 生成数据量:%d --------------------"%(data_count))

def Spend():
    print("Spend running")
    over_task = 0
    global task_que
    while over_task != data_count:
        print("消耗数据资料中...")
        task_id = task_que.get()
        over_task += 1
        print("消耗数据:", task_id)
    print("------------------ 消耗数据量:%d --------------------"%(over_task))

produ_thr = threading.Thread(target=Produce)
spend_thr = threading.Thread(target=Spend)
spend_thr.start()
produ_thr.start()
spend_thr.join()
produ_thr.join()
print("over")