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.

Pythonin `threading`-moduuli tarjoaa yksinkertaisen mutta tehokkaan tavan luoda ja hallita säikeitä, mahdollistaen useiden toimintojen suorittamisen rinnakkain yhdessä prosessissa. Säikeet ovat kevyitä suoritusyksiköitä, jotka jakavat saman muistialueen, mikä tekee niistä sopivia esimerkiksi I/O-toimintoihin, ulkoisten resurssien odottamiseen tai käyttöliittymien päivittämiseen.

Säikeen elinkaari koostuu tyypillisesti useista vaiheista:  
- Luonti: säie-olio luodaan, mutta sitä ei vielä käynnistetä;  
- Käynnistys: säikeen `start()`-metodia kutsutaan, jolloin se siirtyy valmiiksi suoritettavaksi;  
- Suoritus: säie suorittaa kohdefunktiotaan;  
- Lopetus: säie päättää suorituksensa joko tehtävän valmistuttua tai käsittelemättömän poikkeuksen vuoksi.



Säikeiden hallinta vaatii huolellista **synkronointia**, koska säikeet jakavat tietoja ja resursseja. Ilman asianmukaista synkronointia voi esiintyä **kilpailutilanteita** tai epäjohdonmukaisia tiloja. `threading`-moduuli tarjoaa primitiivejä, kuten `Lock`, `RLock` ja `Event`, jotka auttavat koordinoimaan säikeiden pääsyä jaettuihin resursseihin.



Alla olevassa taulukossa esitellään funktioita, jotka auttavat luomaan, hallitsemaan ja synkronoimaan säikeitä tehokkaasti, kun työskentelet rinnakkaisten tehtävien parissa Pythonissa.

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


Seuraava esimerkki havainnollistaa, kuinka voit luoda ja käynnistää useita säikeitä `threading`-moduulin avulla, mahdollistaen useiden tehtävien suorittamisen samanaikaisesti.

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.")

Määritellään funktio `print_numbers`, joka tulostaa numerosarjan yhdessä säikeen nimen kanssa. Kun luodaan jokainen säie, argumentit välitetään `args`-parametrin avulla – tässä jokainen säie saa eri nimen ("A" tai "B"), jotta niiden tulosteet on helppo erottaa toisistaan. Kutsumalla `start()`-metodia molemmat säikeet aloittavat suorituksensa ja toimivat rinnakkain. Silmukan sisällä oleva `time.sleep(0.5)` simuloi viivettä suorituksessa, mikä mahdollistaa säikeiden tulosteiden vuorottelun ja havainnollistaa, että molemmat säikeet ovat käynnissä samanaikaisesti. `join()`-metodia käytetään odottamaan molempien säikeiden valmistumista ennen kuin ohjelma jatkuu, mikä varmistaa, ettei pääohjelma pääty ennenaikaisesti. Tämä lähestymistapa mahdollistaa tehtävien rinnakkaisen suorittamisen, hyödyntää odotusaikoja tehokkaasti ja mahdollistaa samanaikaisen suorituksen yhdessä prosessissa.

Mikä seuraavista väittämistä Pythonin säikeiden synkronoinnista on oikein?

Saat käytännön taitoja Pythonin moduulien ja tuontien hallintaan tehokasta koodin hallintaa varten. Hallitse kehittyneitä virheenkäsittelytekniikoita luotettavampien sovellusten rakentamiseksi, automatisoi tiedostojen käsittely ja opi vankkoja testausstrategioita Pytestin ja Unittestin avulla varmistaaksesi koodisi eheyden.

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.

Työskentely Säikeiden Kanssa