Python如何实现多线程？threading模块详解-Python教程-PHP中文网

Python如何实现多线程？threading模块详解

星夢妙者

发布： 2025-07-04 18:14:02

原创

207人浏览过

python实现多线程主要依赖threading模块，该模块提供高级接口支持并发执行多个线程以提升效率。1. 创建线程有两种方式：一是直接创建thread对象并传入执行函数，二是继承thread类并重写run方法；2. 线程同步机制包括lock（互斥锁）、rlock（可重入锁）、semaphore（信号量）、condition（条件变量）和event（事件），各自适用于不同场景如资源保护、递归访问、并发控制、复杂协调及简单通信；3. 线程池通过concurrent.futures模块的threadpoolexecutor实现，优势在于提高性能、控制并发及简化代码，适用场景包括频繁创建销毁线程的任务、限制并发数量任务及异步执行任务，合理设置max_workers需考虑cpu核心数、任务类型及系统资源等因素；此外，受gil限制，python多线程无法真正并行执行cpu密集型任务，但对i/o密集型任务仍有效。

Python如何实现多线程？threading模块详解

Python实现多线程主要依赖于threading模块。这个模块提供了一套相对高级的接口，允许开发者在单个进程中并发执行多个线程，从而提高程序的运行效率。

解决方案

threading模块是Python进行多线程编程的核心。它允许创建和管理线程，控制线程的执行流程，并提供线程间同步的机制。下面详细介绍如何使用threading模块实现多线程。

立即学习“Python免费学习笔记（深入）”；

1. 创建线程

创建线程有两种主要方式：

直接创建Thread对象： 这是最基本的方式。你需要创建一个Thread类的实例，并传入一个可调用对象（函数或方法）作为线程的执行体。

import threading
import time

def task(name):
    print(f"线程 {name}: 开始执行")
    time.sleep(2)  # 模拟耗时操作
    print(f"线程 {name}: 执行完毕")

# 创建线程
thread1 = threading.Thread(target=task, args=("Thread-1",))
thread2 = threading.Thread(target=task, args=("Thread-2",))

# 启动线程
thread1.start()
thread2.start()

# 等待线程结束
thread1.join()
thread2.join()

print("所有线程执行完毕")

登录后复制

在这个例子中，target参数指定了线程要执行的函数，args参数是一个元组，包含了传递给函数的参数。start()方法启动线程，join()方法用于等待线程执行完毕。

继承Thread类： 你可以创建一个继承自threading.Thread的类，并重写run()方法。run()方法就是线程的执行体。

import threading
import time

class MyThread(threading.Thread):
    def __init__(self, name):
        threading.Thread.__init__(self)
        self.name = name

    def run(self):
        print(f"线程 {self.name}: 开始执行")
        time.sleep(2)  # 模拟耗时操作
        print(f"线程 {self.name}: 执行完毕")

# 创建线程
thread1 = MyThread("Thread-1")
thread2 = MyThread("Thread-2")

# 启动线程
thread1.start()
thread2.start()

# 等待线程结束
thread1.join()
thread2.join()

print("所有线程执行完毕")

登录后复制

这种方式更面向对象，适合于需要自定义线程行为的场景。

2. 线程同步

多线程编程中，一个关键的问题是如何保证线程安全，避免数据竞争。threading模块提供了多种同步机制：

Lock (互斥锁): 用于保护共享资源，防止多个线程同时访问。

import threading
import time

lock = threading.Lock()
counter = 0

def increment():
    global counter
    lock.acquire()  # 获取锁
    try:
        counter += 1
        time.sleep(0.1) # 模拟耗时操作
        print(f"Counter: {counter}")
    finally:
        lock.release()  # 释放锁

threads = []
for i in range(5):
    t = threading.Thread(target=increment)
    threads.append(t)
    t.start()

for t in threads:
    t.join()

print(f"最终 Counter: {counter}")

登录后复制

在这个例子中，lock.acquire()用于获取锁，lock.release()用于释放锁。try...finally结构保证了即使发生异常，锁也能被正确释放。

RLock (可重入锁): 允许同一个线程多次获取锁，适用于递归函数。
Semaphore (信号量): 用于控制同时访问共享资源的线程数量。
Condition (条件变量): 允许线程等待特定条件满足后再继续执行。
Event (事件): 用于线程间的通信，一个线程可以发送事件，其他线程可以等待事件。

3. 线程池 (ThreadPoolExecutor)

concurrent.futures模块提供了一个更高级的线程池接口，可以更方便地管理线程。

import concurrent.futures
import time

def task(name):
    print(f"线程 {name}: 开始执行")
    time.sleep(2)  # 模拟耗时操作
    print(f"线程 {name}: 执行完毕")
    return f"线程 {name}: 结果"

with concurrent.futures.ThreadPoolExecutor(max_workers=3) as executor:
    # 提交任务
    future1 = executor.submit(task, "Thread-1")
    future2 = executor.submit(task, "Thread-2")
    future3 = executor.submit(task, "Thread-3")
    future4 = executor.submit(task, "Thread-4")

    # 获取结果
    print(future1.result())
    print(future2.result())
    print(future3.result())
    print(future4.result())

print("所有线程执行完毕")

登录后复制

ThreadPoolExecutor可以自动管理线程的创建和销毁，避免了手动管理线程的复杂性。submit()方法用于提交任务，result()方法用于获取任务的结果。

为什么Python多线程是“伪多线程”？GIL的限制是什么？

Python的全局解释器锁（GIL）是导致Python多线程表现不佳的主要原因。GIL本质上是一个互斥锁，它确保在任何给定时刻，只有一个线程可以执行Python字节码。这意味着即使在多核CPU上，Python的多线程程序也无法真正地并行执行，而只能交替执行。

GIL的存在主要是为了简化Python解释器的内存管理，特别是C扩展的集成。然而，它也带来了性能上的限制，尤其是对于CPU密集型任务。

GIL的限制主要体现在以下几个方面：

CPU密集型任务： 对于需要大量计算的任务，多线程并不能提高性能，甚至可能因为线程切换的开销而降低性能。
I/O密集型任务： 对于需要等待I/O操作完成的任务，多线程仍然可以提高性能，因为线程可以在等待I/O时释放GIL，让其他线程执行。

为了绕过GIL的限制，可以考虑以下方法：

使用多进程： multiprocessing模块允许创建多个进程，每个进程都有自己的Python解释器和内存空间，可以真正地并行执行。
使用C扩展： 将CPU密集型任务交给C扩展来处理，C扩展可以在GIL之外执行。
使用异步编程： asyncio模块提供了一种基于事件循环的并发编程模型，可以更高效地处理I/O密集型任务。

如何选择合适的多线程同步机制？Lock、RLock、Semaphore、Condition和Event的区别是什么？

选择合适的同步机制取决于具体的应用场景。

Lock (互斥锁): 最基本的同步机制，用于保护共享资源，防止多个线程同时访问。适用于简单的资源保护场景。
RLock (可重入锁): 允许同一个线程多次获取锁，适用于递归函数或需要多次获取锁的场景。
Semaphore (信号量): 用于控制同时访问共享资源的线程数量。适用于限制并发访问数量的场景，例如限制数据库连接数。
Condition (条件变量): 允许线程等待特定条件满足后再继续执行。适用于线程间需要复杂的协调和通信的场景，例如生产者-消费者模型。
Event (事件): 用于线程间的通信，一个线程可以发送事件，其他线程可以等待事件。适用于简单的线程间通知场景，例如一个线程完成初始化后通知其他线程开始执行。