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 gir en enkel, men kraftig måte å opprette og administrere tråder på, slik at flere operasjoner kan kjøres samtidig innenfor én enkelt prosess. Tråder er lette enheter for utførelse som deler samme minneområde, noe som gjør dem egnet for oppgaver som I/O-operasjoner, venting på eksterne ressurser eller oppdatering av brukergrensesnitt.

Livssyklusen til en tråd består vanligvis av flere stadier:  
- Opprettelse: et trådobjekt blir instansiert, men ikke startet ennå;  
- Start: trådens `start()`-metode kalles, og den går til klar-til-å-kjøre-tilstand;  
- Kjøring: tråden utfører sin målfunksjon;  
- Terminering: tråden avslutter utførelsen, enten ved å fullføre oppgaven eller ved å støte på en ubehandlet unntak.



Administrasjon av tråder krever nøye oppmerksomhet til **synkronisering**, siden tråder deler data og ressurser. Uten riktig synkronisering kan du oppleve **kappløpsforhold** eller inkonsistent tilstand. `threading`-modulen tilbyr primitiver som `Lock`, `RLock` og `Event` for å hjelpe med å koordinere tråders tilgang til delte ressurser.

 

Her er en tabell som presenterer funksjoner som hjelper deg å opprette, administrere og synkronisere tråder effektivt når du arbeider med samtidige oppgaver 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 viser hvordan du kan opprette og starte flere tråder ved hjelp av `threading`-modulen, slik at flere oppgaver kan kjøres samtidig.

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 funksjon, `print_numbers`, som skriver ut en sekvens med tall sammen med trådens navn. Når du oppretter hver tråd, sender du argumenter ved å bruke `args`-parameteren – her får hver tråd et eget navn ("A" eller "B"), slik at du enkelt kan skille utdataene deres. Ved å kalle `start()`-metoden starter begge trådene og kjører samtidig. Kallet til `time.sleep(0.5)` inne i løkken simulerer en forsinkelse i utførelsen, noe som gjør at trådene kan veksle på å skrive ut, og det blir tydelig at begge trådene kjører parallelt. `join()`-metoden brukes deretter for å vente til begge trådene er ferdige før programmet går videre, slik at hovedprogrammet ikke avsluttes for tidlig. Denne tilnærmingen gjør det mulig å kjøre oppgaver parallelt, utnytte ventetid effektivt og muliggjøre samtidig utførelse innenfor én prosess.

Hvilket av følgende utsagn om trådsynkronisering i Python er korrekt?

Du vil tilegne deg praktiske ferdigheter i bruk av Python-moduler og import for effektiv kodehåndtering. Behersk avanserte teknikker for feilhåndtering for mer pålitelige applikasjoner, automatiser filoperasjoner med filhåndtering, og lær robuste teststrategier med Pytest og Unittest for å sikre kodeintegritet.

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.

Arbeide med tråder