守护线程

'''
在Python中，使用threading.Thread类创建守护线程可以通过设置daemon参数为True来实现。
守护线程是一种特殊的线程，它会随着主线程的结束而自动退出(守护线程会随着主线程的结束而自动退出。因此，如果主线程先结束，守护线程也会立即退出，无论守护线程是否执行完成。)，无需手动调用join()方法等待守护线程执行完成。


最佳实践：
    1. 在创建threading.Thread对象之前将daemon参数设置为True，确保线程启动之前就被标记为守护线程。
    2. 当所有非守护线程都结束时，Python解释器会检查是否还有活动的守护线程。如果只剩下守护线程，Python解释器会直接退出程序，不会等待守护线程执行完成。
    3. 尽量避免在守护线程中进行耗时的操作或阻塞式的I/O操作，因为守护线程会在主线程结束时立即退出，可能导致未完成的操作被中断(资源未释放)。
    4. 如果守护线程需要与其他线程进行通信或共享数据，应该使用适当的线程同步机制，如锁（Lock）、条件变量（Condition）等。
'''

import threading
import time


def task():
    while True:
        print("Daemon thread is running")
        time.sleep(1)


def main():
    # 方式1:  创建线程时指定为守护进程
    daemon_thread = threading.Thread(target=task, daemon=True)
    # 方式2: 创建线程后，通过线程的daemon属性为True设置为守护线程
    # daemon_thread = threading.Thread(target=task)
    # daemon_thread.daemon = True  # 设置守护线程

    daemon_thread.start()

    time.sleep(5)  # 主线程等待5秒

    print("Main thread finished")

输出：

Daemon thread is running
Daemon thread is running
Daemon thread is running
Daemon thread is running
Daemon thread is running
Main thread finished

 1 '''
 2 threading.enumerate() 获取当前所有活跃的线程对象列表。使用 len() 对列表求长度可以看到当前活跃的线程的个数
 3 主线程可以不断判断活跃线程个数,如果个数小于等于1,说明其它线程已经执行完成
 4 '''
 5 import threading
 6 import time
 7 
 8 
 9 def task():
10     print("Thread started")
11     time.sleep(2)
12     print("Thread finished")
13 
14 
15 def main():
16     thread1 = threading.Thread(target=task)
17     thread2 = threading.Thread(target=task)
18 
19     thread1.start()
20     thread2.start()
21 
22     while True:
23         active_threads = threading.enumerate()
24         if len(active_threads) <= 1:
25             break
26 
27         time.sleep(1)
28 
29     print("All threads completed")
30 
31 
32 if __name__ == "__main__":
33     main()

在上述示例中，定义了一个任务函数task()，它模拟了一个耗时操作。在main()函数中，我们创建了两个线程并启动它们。然后，在一个无限循环中，我们不断地调用threading.enumerate()函数获取当前活跃的线程列表，并使用len()函数计算列表的长度。如果活跃线程的个数小于等于1（只剩下主线程），说明其他线程已经执行完成，那么就退出循环，输出"All threads completed"表示所有线程都已经完成。

请注意，由于GIL的存在，Python中的多线程并不能真正实现并行运行，因此在实际应用中，你可能会使用更高级的抽象，如线程池（ThreadPoolExecutor）、队列（Queue）、事件（Event）等来管理和控制线程的执行。