当前位置：首页 > news >正文

Python 多线程

news 2025/7/17 15:35:43

Python 多线程基础概念

多线程允许程序在同一时间执行多个任务，适用于 I/O 密集型任务（如网络请求、文件读写）或需要并行处理的场景。Python 通过 threading 模块实现多线程，但由于全局解释器锁（GIL）的存在，多线程在 CPU 密集型任务中性能提升有限。

创建线程的两种方法

方法一：继承 threading.Thread 类

import threadingclass MyThread(threading.Thread):def __init__(self, thread_id, name):threading.Thread.__init__(self)self.thread_id = thread_idself.name = namedef run(self):print(f"线程 {self.name} 正在运行")# 创建线程实例
thread1 = MyThread(1, "Thread-1")
thread2 = MyThread(2, "Thread-2")# 启动线程
thread1.start()
thread2.start()# 等待线程结束
thread1.join()
thread2.join()
print("主线程退出")

方法二：直接使用 threading.Thread 构造函数

import threadingdef worker(name):print(f"线程 {name} 正在执行")# 创建线程
threads = []
for i in range(3):t = threading.Thread(target=worker, args=(f"Thread-{i}",))threads.append(t)t.start()# 等待所有线程完成
for t in threads:t.join()
print("所有线程执行完毕")

线程同步与锁机制

多线程共享全局变量时可能导致数据竞争，需使用锁（Lock）确保线程安全：

import threadingcounter = 0
lock = threading.Lock()def increment():global counterfor _ in range(100000):lock.acquire()counter += 1lock.release()threads = []
for _ in range(2):t = threading.Thread(target=increment)threads.append(t)t.start()for t in threads:t.join()
print(f"最终计数器值: {counter}")  # 正确输出 200000

线程间通信

通过 Queue 模块实现线程安全的数据交换：

import threading
import queue
import timedef producer(q):for i in range(5):time.sleep(1)q.put(f"产品 {i}")print(f"生产了 产品 {i}")def consumer(q):while True:item = q.get()if item is None:breakprint(f"消费了 {item}")q.task_done()q = queue.Queue()
producer_thread = threading.Thread(target=producer, args=(q,))
consumer_thread = threading.Thread(target=consumer, args=(q,))producer_thread.start()
consumer_thread.start()producer_thread.join()
q.put(None)  # 发送结束信号
consumer_thread.join()

线程池与高级用法

使用 concurrent.futures 简化线程管理：

from concurrent.futures import ThreadPoolExecutor
import urllib.requestdef download_url(url):with urllib.request.urlopen(url) as response:return f"{url}: {len(response.read())} 字节"urls = ["https://www.python.org","https://www.google.com","https://www.github.com"
]with ThreadPoolExecutor(max_workers=3) as executor:results = executor.map(download_url, urls)for result in results:print(result)

多线程与性能优化

GIL 的影响：
Python 的全局解释器锁（GIL）确保同一时间只有一个线程执行字节码。对于 CPU 密集型任务，多线程可能无法提升性能，此时建议使用多进程（multiprocessing 模块）。

适用场景对比：

多线程：I/O 阻塞操作（如网络请求、文件读写）
多进程：CPU 密集型计算（如数学运算、图像处理）

可视化示例

以下是一个简单的多线程执行流程图：

主线程
│
├─ 启动 Thread-1
│  └─ 执行任务 A
├─ 启动 Thread-2
│  └─ 执行任务 B
└─ 等待所有线程结束

完整代码示例

import threading
import timedef task(name, delay):print(f"任务 {name} 开始")time.sleep(delay)print(f"任务 {name} 完成")# 创建并启动线程
threads = [threading.Thread(target=task, args=("A", 2)),threading.Thread(target=task, args=("B", 1)),threading.Thread(target=task, args=("C", 3))
]for t in threads:t.start()# 等待线程结束
for t in threads:t.join()print("所有任务执行完毕")