Python threading.active_count() 当前活动线程数

threading.active_count() 函数用于返回当前活动线程的数量，包括主线程和所有已启动但尚未终止的线程。这个数量等同于 threading.enumerate() 函数返回的列表的长度。这有助于监控线程的数量和管理线程的生命周期。

解释

具体解释：

• 它返回的是当前正在运行的线程数，包括主线程。
• 这个数量包括守护线程（daemon threads）。
• 它不包括已经结束的线程或尚未启动的线程。
• 主线程总是会被计入，即使在程序结束时。

返回当前存活的 Thread 对象的数量。 返回值与 enumerate() 所返回的列表长度一致。函数 activeCount 是此函数的已弃用别名。

示例

以下是一个简单示例，说明如何使用 threading.active_count()：

import threading
import time

def worker():
    time.sleep(1)
    print("Worker finished")

threads = []
for i in range(5):
    thread = threading.Thread(target=worker)
    threads.append(thread)
    thread.start()
    print(f"Active threads: {threading.active_count()}")

for thread in threads:
    thread.join()

print(f"Final active threads: {threading.active_count()}")

代码说明：

• 创建线程：程序创建了 5 个线程，每个线程执行 worker 函数。
• 启动线程：每次启动一个线程后，打印当前活动线程的数量。
• 线程计数：threading.active_count() 用于输出活动线程数，包括主线程。
• 等待线程结束：使用 join() 等待所有线程完成。
• 最终计数：程序结束前再次打印活动线程数，应该为 1（只剩下主线程）。

案例

示例代码：并发限制器

import threading
import time

class ConcurrencyLimiter:
    def __init__(self, max_threads):
        self.max_threads = max_threads
        self.semaphore = threading.Semaphore(max_threads)

    def run(self, func, *args, **kwargs):
        with self.semaphore:
            while threading.active_count() > self.max_threads:
                time.sleep(0.1)
            thread = threading.Thread(target=func, args=args, kwargs=kwargs)
            thread.start()
            return thread

def worker(id):
    print(f"Worker {id} started. Active threads: {threading.active_count()}")
    time.sleep(2)
    print(f"Worker {id} finished. Active threads: {threading.active_count()}")

limiter = ConcurrencyLimiter(max_threads=3)

for i in range(10):
    limiter.run(worker, i)

print("All tasks submitted.")

这个例子展示了如何使用 threading.active_count() 来实现一个简单的并发限制器。它确保同时运行的线程数不超过指定的最大值，从而控制资源使用并防止系统过载。

使用场景

以下是一些可能使用它的场景：

• 监控线程活动：在一个多线程应用中，您可能希望在特定时间点了解当前有多少个线程处于活动状态，以监测线程的创建和销毁是否符合预期。
• 资源管理：根据活动线程的数量来调整资源分配，例如内存、文件描述符等。
• 调试和错误处理：当出现性能问题或异常时，检查活动线程数可以帮助您确定是否存在过多的线程在同时运行，可能导致系统资源紧张或竞争条件。
• 优化线程创建策略：根据活动线程数来决定是否创建新线程或等待现有线程完成任务，以避免创建过多的线程导致性能下降。
• 与其他逻辑的交互：例如，当活动线程数达到一定阈值时，执行一些特定的操作，如暂停新任务的分配。

参考

• https://docs.python.org/zh-cn/3/library/threading.html#threading.active_count

更新时间：2024-06-30 15:07:23 标签：python threading 多线程 数量