Текущий поток в Python: способы получения и применения

Расширенные примеры

Пример 1: Многопоточное логирование с current_thread()

import threading
import time

def worker(num):
    thread = threading.current_thread()
    print(f"Поток {num}: имя={thread.name}, ident={thread.ident}, daemon={thread.daemon}")
    time.sleep(0.1)

threads = []
for i in range(3):
    t = threading.Thread(target=worker, args=(i,), name=f"Worker-{i}")
    threads.append(t)
    t.start()

for t in threads:
    t.join()

print(f"Всего потоков активно: {threading.active_count()}")

Поток 0: имя=Worker-0, ident=140735563077376, daemon=False
Поток 1: имя=Worker-1, ident=140735554684672, daemon=False
Поток 2: имя=Worker-2, ident=140735546291968, daemon=False
Всего потоков активно: 1

В данном примере каждый поток получает свой объект текущего потока и выводит его атрибуты. После завершения потоков активным остается только главный поток.

Пример 2: Декоратор для логирования с информацией о потоке

import threading
import functools

def log_thread(func):
    @functools.wraps(func)
    def wrapper(*args, **kwargs):
        thread = threading.current_thread()
        print(f"[{thread.name}] Вызов {func.__name__} с args={args} kwargs={kwargs}")
        return func(*args, **kwargs)
    return wrapper

@log_thread
def add(a, b):
    return a + b

def run_in_thread():
    result = add(3, 5)
    print(f"Результат: {result}")

t = threading.Thread(target=run_in_thread, name="Calculator")
t.start()
t.join()
add(1, 2)  # в главном потоке

[Calculator] Вызов add с args=(3, 5) kwargs={}
Результат: 8
[MainThread] Вызов add с args=(1, 2) kwargs={}

Декоратор log_thread автоматически добавляет имя потока перед вызовом функции. Это удобно для отладки многопоточных приложений.

Пример 3: Проверка на главный поток с помощью main_thread()

import threading

def critical_operation():
    current = threading.current_thread()
    main = threading.main_thread()
    if current is not main:
        raise RuntimeError("Критическая операция может выполняться только в главном потоке")
    print("Критическая операция выполнена")

def safe_worker():
    try:
        critical_operation()
    except RuntimeError as e:
        print(f"Ошибка: {e}")

critical_operation()  # в главном потоке
t = threading.Thread(target=safe_worker, name="Unsafe")
t.start()
t.join()

Критическая операция выполнена
Ошибка: Критическая операция может выполняться только в главном потоке

Этот паттерн используется в GUI-библиотеках (например, Tkinter), где обновление интерфейса разрешено только из главного потока.

Пример 4: Хранение данных, привязанных к потоку, с использованием ident

import threading
import time

thread_data = {}

def worker(data_id):
    ident = threading.get_ident()
    thread_data[ident] = {"id": data_id, "started": time.time()}
    time.sleep(0.2)
    print(f"Поток {data_id}: данные сохранены с ident={ident}")

threads = []
for i in range(3):
    t = threading.Thread(target=worker, args=(i,), name=f"Thread-{i}")
    threads.append(t)
    t.start()

for t in threads:
    t.join()

print("Сохраненные данные по потокам:")
for ident, data in thread_data.items():
    print(f"  ident={ident}: {data}")

Поток 0: данные сохранены с ident=140735563077376
Поток 1: данные сохранены с ident=140735554684672
Поток 2: данные сохранены с ident=140735546291968
Сохраненные данные по потокам:
  ident=140735563077376: {'id': 0, 'started': 1744120800.0}
  ident=140735554684672: {'id': 1, 'started': 1744120800.0}
  ident=140735546291968: {'id': 2, 'started': 1744120800.0}

Использование get_ident() позволяет связать данные с потоком без необходимости передавать объект потока. Однако нужно учитывать возможное переиспользование идентификаторов после завершения потока.