Summary
This chapter explains how to create and manage threads with Python’s threading module, covering thread lifecycle methods like start() and join(), and using locks to synchronize access to shared data.

General domain of usage
I/O-bound tasks


Imagine a kitchen as your Python process: it's the environment where all the action happens. Inside this kitchen, chefs represent threads—each chef is a worker, carrying out specific tasks. The fridge and counter are like your shared memory (RAM), where all chefs can reach for ingredients or place finished dishes. This is how threads in Python share data—they all work in the same space and can access the same resources.

When you run multiple threads, it's like having a team of chefs in the same kitchen. If one chef is waiting for the oven (an I/O bound operation), another can chop vegetables or start a new dish. This is concurrency: tasks overlap in time, making the kitchen more efficient.

However, there's a special rule in Python called the Global Interpreter Lock, or GIL. Think of the GIL as the 'Master Knife'—only one chef can use it at any moment. Chefs must pass the knife between them quickly, so it looks like they're all working at once. In reality, only one chef is actively preparing food with the knife at any given time. This means threads take turns running Python code, even though they share the kitchen.

Let's tie this back to the threading code example. When you create two threads, it's like hiring two chefs. Each chef has a name, so you can tell who is doing what. The 'start' method signals both chefs to begin working, and 'join' waits for both to finish before you close the kitchen. If both chefs need the fridge at the same time, you use a lock—like a kitchen rule—to make sure they don't collide or spoil the ingredients. This way, your kitchen (process) stays organized, and your chefs (threads) can work together safely and efficiently.. In video use code samples with 9 code lines maximum and one sample at each slide.

Pythons `threading`-modul giver en enkel, men kraftfuld måde at oprette og administrere tråde på, hvilket muliggør kørsel af flere operationer samtidigt inden for én enkelt proces. Tråde er letvægts eksekveringsenheder, der deler samme hukommelsesområde, hvilket gør dem velegnede til opgaver som I/O-operationer, venten på eksterne ressourcer eller opdatering af brugergrænseflader.

Livscyklussen for en tråd involverer typisk flere faser:  
- Oprettelse: et trådobjekt instantieres, men er endnu ikke startet;  
- Start: trådens `start()`-metode kaldes, hvilket flytter den til klar-til-kørsel-tilstand;  
- Kørsel: tråden udfører sin målfunktion;  
- Afslutning: tråden afslutter eksekveringen, enten ved at fuldføre sin opgave eller ved at støde på en ubehandlet undtagelse.



Håndtering af tråde kræver omhyggelig opmærksomhed på **synkronisering**, da tråde deler data og ressourcer. Uden korrekt synkronisering kan der opstå **kapløbstilstande** eller inkonsistent tilstand. `threading`-modulet tilbyder primitiver som `Lock`, `RLock` og `Event` til at koordinere trådes adgang til delte ressourcer.

 

Her er en tabel, der præsenterer funktioner, som hjælper dig med at oprette, administrere og synkronisere tråde effektivt, når du arbejder med samtidige opgaver i Python.

Creates a new thread object; pass a target function and arguments.

Begins execution of the thread; runs the target function in a new thread. 

Waits for the thread to finish before continuing execution.

Adds a thread object to a list; used to collect multiple threads so they can be managed as a group.

Returns the currently executing thread object. 

Creates a lock object for synchronizing access to shared resources.

Creates a re-entrant lock, allowing the same thread to acquire it multiple times.

Creates an event object for signaling between threads.

Sets or gets the thread's name for easier identification


Følgende eksempel demonstrerer, hvordan du kan oprette og starte flere tråde ved hjælp af `threading`-modulet, hvilket gør det muligt for flere opgaver at køre samtidigt.

import threading
import time

def print_numbers(name):
    for i in range(1, 4):
        print(f"Thread {name}: {i}")
        time.sleep(0.5)

# Create thread objects
thread1 = threading.Thread(target=print_numbers, args=("A",))
thread2 = threading.Thread(target=print_numbers, args=("B",))

# Start the threads
thread1.start()
thread2.start()

# Wait for both threads to finish
thread1.join()
thread2.join()

print("Both threads have finished.")

Du definerer en funktion, `print_numbers`, der udskriver en sekvens af tal sammen med trådens navn. Når du opretter hver tråd, videregiver du argumenter ved hjælp af `args`-parameteren – her modtager hver tråd et forskelligt navn ("A" eller "B"), så du nemt kan skelne deres output. Ved at kalde `start()`-metoden begynder begge tråde at køre og kører samtidigt. Kaldet til `time.sleep(0.5)` inde i løkken simulerer en forsinkelse i udførelsen, hvilket gør det muligt for trådene at flette deres output og gør det tydeligt, at begge tråde kører på samme tid. `join()`-metoden bruges derefter til at vente på, at begge tråde afslutter, før programmet fortsætter, hvilket sikrer, at hovedprogrammet ikke afsluttes for tidligt. Denne tilgang gør det muligt at køre opgaver parallelt, udnytte ventetider effektivt og muliggøre samtidig udførelse inden for én proces.

Hvilket af følgende udsagn om trådsynkronisering i Python er korrekt?

Du vil opnå praktiske færdigheder i Pythons moduler og imports for effektiv kodestyring. Behersk avancerede teknikker til fejlhåndtering for mere pålidelige applikationer, automatiser filoperationer med filhåndtering, og lær robuste teststrategier med Pytest og Unittest for at sikre din kodes integritet.

Master Python's exception system for robust error handling and debugging.

Explore advanced techniques for file operations and resource management using context managers.

Compare and apply Python's multithreading and multiprocessing modules for concurrent programming.

Master asynchronous programming in Python using the asyncio library for scalable I/O-bound applications.

Explore how to write, organize, and run tests using Python's unittest and pytest frameworks.

Arbejde med Tråde