线程模块

Question

如何在Python中使用线程本地存储？

线程模块

这是一个简单的例子：

import threading
from threading import current_thread

threadLocal = threading.local()

def hi():
    initialized = getattr(threadLocal, 'initialized', None)
    if initialized is None:
        print("Nice to meet you", current_thread().name)
        threadLocal.initialized = True
    else:
        print("Welcome back", current_thread().name)

hi(); hi()

这将打印出来：

Nice to meet you MainThread
Welcome back MainThread

一个容易被忽视的重要事情：threading.local()对象只需要创建一次，不是每个线程一次，也不是每个函数调用一次。 global或class级别是理想的位置。

原因如下：threading.local()每次调用时都会创建一个新实例（就像任何工厂或类调用一样），因此多次调用threading.local()会不断覆盖原始对象，很有可能不是人们想要的。当任何线程访问现有的threadLocal变量（或其所谓的任何变量）时，它会获得该变量的私有视图。

这不会按预期工作：

import threading
from threading import current_thread

def wont_work():
    threadLocal = threading.local() #oops, this creates a new dict each time!
    initialized = getattr(threadLocal, 'initialized', None)
    if initialized is None:
        print("First time for", current_thread().name)
        threadLocal.initialized = True
    else:
        print("Welcome back", current_thread().name)

wont_work(); wont_work()

将导致此输出：

First time for MainThread
First time for MainThread

多处理模块

所有全局变量都是线程本地的，因为multiprocessing模块为每个线程创建一个新进程。

考虑这个例子，其中processed计数器是线程本地存储的一个例子：

from multiprocessing import Pool
from random import random
from time import sleep
import os

processed=0

def f(x):
    sleep(random())
    global processed
    processed += 1
    print("Processed by %s: %s" % (os.getpid(), processed))
    return x*x

if __name__ == '__main__':
    pool = Pool(processes=4)
    print(pool.map(f, range(10)))

它将输出如下内容：

Processed by 7636: 1
Processed by 9144: 1
Processed by 5252: 1
Processed by 7636: 2
Processed by 6248: 1
Processed by 5252: 2
Processed by 6248: 2
Processed by 9144: 2
Processed by 7636: 3
Processed by 5252: 3
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

...当然，每个和订单的线程ID和计数因运行而异。

Answer 2

正如问题中所述，Alex Martelli给出了解决方案here。此函数允许我们使用工厂函数为每个线程生成默认值。

#Code originally posted by Alex Martelli
#Modified to use standard Python variable name conventions
import threading
threadlocal = threading.local()    

def threadlocal_var(varname, factory, *args, **kwargs):
  v = getattr(threadlocal, varname, None)
  if v is None:
    v = factory(*args, **kwargs)
    setattr(threadlocal, varname, v)
  return v

Answer 3

线程本地存储可以简单地被视为命名空间（通过属性表示法访问值）。不同之处在于每个线程透明地获取自己的一组属性/值，因此一个线程不会看到另一个线程的值。

就像普通对象一样，您可以在代码中创建多个threading.local实例。它们可以是局部变量，类或实例成员或全局变量。每个都是一个单独的命名空间。

这是一个简单的例子：

import threading

class Worker(threading.Thread):
    ns = threading.local()
    def run(self):
        self.ns.val = 0
        for i in range(5):
            self.ns.val += 1
            print("Thread:", self.name, "value:", self.ns.val)

w1 = Worker()
w2 = Worker()
w1.start()
w2.start()
w1.join()
w2.join()

输出：

Thread: Thread-1 value: 1
Thread: Thread-2 value: 1
Thread: Thread-1 value: 2
Thread: Thread-2 value: 2
Thread: Thread-1 value: 3
Thread: Thread-2 value: 3
Thread: Thread-1 value: 4
Thread: Thread-2 value: 4
Thread: Thread-1 value: 5
Thread: Thread-2 value: 5

注意每个线程如何维护自己的计数器，即使ns属性是类成员（因此在线程之间共享）。

同样的例子可能已经使用了一个实例变量或一个局部变量，但这并没有显示太多，因为当时没有共享（一个dict也能正常工作）。在某些情况下，您需要线程局部存储作为实例变量或局部变量，但它们往往相对稀少（并且非常微妙）。

Answer 4

还可以写

import threading
mydata = threading.local()
mydata.x = 1

mydata.x只存在于当前线程

中

Answer 5

我在模块/文件中进行线程本地存储的方法。以下内容已在Python 3.5中进行了测试-

import threading
from threading import current_thread

# fileA.py 
def functionOne:
    thread = Thread(target = fileB.functionTwo)
    thread.start()

#fileB.py
def functionTwo():
    currentThread = threading.current_thread()
    dictionary = currentThread.__dict__
    dictionary["localVar1"] = "store here"   #Thread local Storage
    fileC.function3()

#fileC.py
def function3():
    currentThread = threading.current_thread()
    dictionary = currentThread.__dict__
    print (dictionary["localVar1"])           #Access thread local Storage

在文件A 中，我启动了一个在另一个模块/文件中具有目标功能的线程。

在文件B 中，我在该线程中设置了所需的局部变量。

在文件C 中，我访问当前线程的线程局部变量。

此外，只需打印'dictionary'变量，这样您就可以看到可用的默认值，例如kwargs，args等。

在Python中线程化本地存储

相关

5 个答案:

线程模块

多处理模块