Python 多线程详解(概念、初始化方式、线程间变量传递、线程锁以及一些注意事项)-开发者社区

Python 多线程详解

1. 多线程的概念

在 Python 中，多线程是指在一个进程内同时运行多个线程，以便在某些场景下提升程序的响应能力或并发性。
线程是 CPU 调度的最小单位，而进程是系统资源分配的最小单位。一个进程可以包含多个线程，这些线程共享同一进程的资源（包括内存空间）。

⚠注意：Python 的GIL（Global Interpreter Lock，全局解释器锁）限制了同一时刻只能有一个线程执行Python 字节码，所以多线程在计算密集型任务中无法真正实现并行，更多用于I/O 密集型任务（例如网络请求、文件读写）。

2. 多线程的初始化

在 Python 中可以使用threading模块来创建和管理线程。

2.1 使用`threading.Thread`

importthreadingimporttimedefworker(name):print(f"线程{name}开始工作")time.sleep(1)print(f"线程{name}工作结束")# 创建线程对象t1=threading.Thread(target=worker,args=("A",))t2=threading.Thread(target=worker,args=("B",))# 启动线程t1.start()t2.start()# 等待线程结束t1.join()t2.join()print("所有线程执行完毕")

关键参数：

target：线程运行的函数。
args：传给函数的参数（元组形式）。
kwargs：传给函数的关键字参数。

3. 线程之间的变量传递

3.1 共享变量

线程之间可以共享同一个全局变量（因为它们在同一个进程中），但这会引发数据竞争问题。

importthreading counter=0# 全局变量defincrement():globalcounterfor_inrange(100000):counter+=1# 多线程这里可能会出错threads=[]for_inrange(5):t=threading.Thread(target=increment)threads.append(t)t.start()fortinthreads:t.join()print("counter =",counter)

上面的代码可能不会得到想象的结果，因为多个线程同时修改counter会产生竞态条件。

4. 线程锁（Lock）

为避免数据竞争，我们需要使用锁（Lock）来确保某段代码同一时刻只有一个线程能执行。

importthreading counter=0lock=threading.Lock()defsafe_increment():globalcounterfor_inrange(100000):withlock:# 自动 acquire/releasecounter+=1threads=[]for_inrange(5):t=threading.Thread(target=safe_increment)threads.append(t)t.start()fortinthreads:t.join()print("counter =",counter)# 结果正确

4.1`Lock`的用法

lock=threading.Lock()# 方式1lock.acquire()try:# 临界区代码passfinally:lock.release()# 方式2 (推荐)withlock:# 临界区代码pass

5. 线程间通信

除了共享变量，还可以使用队列（Queue）来安全地进行线程间数据传递。

importthreadingimportqueueimporttime q=queue.Queue()defproducer():foriinrange(5):q.put(i)print(f"生产数据{i}")time.sleep(0.2)defconsumer():whileTrue:item=q.get()ifitemisNone:# 遇到 None 退出breakprint(f"消费数据{item}")time.sleep(0.3)q.task_done()t1=threading.Thread(target=producer)t2=threading.Thread(target=consumer)t1.start()t2.start()t1.join()q.put(None)# 通知消费者退出t2.join()

优点：queue.Queue()是线程安全的，内部已经做好了加锁处理，无需手动使用 Lock。

6. 守护线程（Daemon Thread）

守护线程会在主线程结束时自动退出。

t=threading.Thread(target=worker)t.daemon=True# 设为守护线程t.start()

适合做后台任务，例如日志记录或心跳检测。

7. 线程池（ThreadPoolExecutor）

如果需要频繁创建和销毁线程，可以使用线程池来提升性能。

fromconcurrent.futuresimportThreadPoolExecutordeftask(name):print(f"{name}开始")returnf"{name}完成"withThreadPoolExecutor(max_workers=3)asexecutor:futures=[executor.submit(task,f"任务{i}")foriinrange(5)]forfutureinfutures:print(future.result())