python創(chuàng)建多線程主要有兩種方式：1.使用Threading模塊創(chuàng)建thread對象或繼承thread類重寫run方法；2.使用concurrent.futures模塊的threadpoolexecutor提交任務。多線程編程需注意線程安全問題，常用鎖（lock）、信號量（semaphore）或條件變量（condition）實現同步，避免數據競爭。gil限制了python多線程的cpu密集型性能，但i/o密集型任務仍可受益于多線程。為避免死鎖，應破壞其四個必要條件之一，如按序獲取資源或設置超時機制。線程間通信推薦使用queue.queue等線程安全結構，確保數據傳遞的安全性和順序性。
Python創(chuàng)建多線程，主要依賴threading模塊，當然，concurrent.futures也是一個不錯的選擇，它提供了更高級的接口，可以更容易地管理線程池。多線程編程，坑不少，需要小心翼翼。
使用threading模塊，你可以直接創(chuàng)建Thread對象，并傳入要執(zhí)行的函數。或者，更優(yōu)雅一點，可以創(chuàng)建一個繼承自Thread的類，重寫run方法。
使用concurrent.futures，你可以創(chuàng)建一個ThreadPoolExecutor，然后使用submit方法提交任務。這個方法返回一個Future對象，你可以用它來獲取任務的結果，或者檢查任務是否完成。
立即學習“Python免費學習筆記（深入）”；
創(chuàng)建多線程的方法有很多，選擇哪種取決于你的具體需求。
多線程編程需要注意以下問題：
線程安全：如何避免數據競爭？
線程安全是多線程編程的核心問題。多個線程同時訪問和修改共享數據時，如果沒有適當的同步機制，就可能出現數據競爭，導致程序出現意想不到的錯誤。想象一下，兩個線程同時對一個銀行賬戶進行操作，一個存款，一個取款，如果沒有任何保護措施，賬戶余額可能會變得一團糟。
要避免數據競爭，最常用的方法是使用鎖。Python提供了threading.Lock對象，你可以用它來保護共享資源。在訪問共享資源之前，線程需要先獲取鎖；訪問完成后，需要釋放鎖。這樣，同一時刻只有一個線程可以訪問共享資源，從而避免數據競爭。
除了鎖，還可以使用其他的同步機制，比如threading.Semaphore、threading.Condition等。Semaphore可以控制同時訪問某個資源的線程數量；Condition則可以實現線程之間的等待和通知。
選擇哪種同步機制，取決于你的具體需求。一般來說，如果只是簡單地保護共享資源，使用鎖就足夠了。如果需要實現更復雜的線程同步邏輯，可以考慮使用Semaphore或Condition。
例如，下面是一個使用鎖保護共享資源的例子：
import threading balance = 0 lock = threading.Lock() def deposit(amount): global balance lock.acquire() try: balance += amount finally: lock.release() def withdraw(amount): global balance lock.acquire() try: if balance >= amount: balance -= amount else: print("余額不足") finally: lock.release()
在這個例子中，deposit和withdraw函數都使用了鎖來保護balance變量。這樣，即使多個線程同時調用這兩個函數，也不會出現數據競爭。
GIL：Python多線程的性能瓶頸？
GIL，Global Interpreter Lock，全局解釋器鎖，是Python解釋器中的一個機制。它保證同一時刻只有一個線程可以執(zhí)行Python字節(jié)碼。這意味著，即使你的機器有多個CPU核心，Python的多線程程序也無法真正地并行執(zhí)行。這無疑是Python多線程的一個重大限制。
那么，GIL的存在是否意味著Python多線程毫無用處呢？當然不是。對于I/O密集型任務，比如網絡請求、文件讀寫等，多線程仍然可以提高程序的性能。這是因為，當一個線程在等待I/O操作完成時，GIL會被釋放，允許其他線程執(zhí)行。這樣，多個線程可以交替執(zhí)行，從而提高程序的整體吞吐量。
對于CPU密集型任務，多線程的性能提升并不明顯。甚至在某些情況下，由于線程切換的開銷，多線程的性能可能還不如單線程。
要繞過GIL的限制，可以使用多進程。Python的multiprocessing模塊允許你創(chuàng)建多個進程，每個進程都有自己的Python解釋器和GIL。這樣，多個進程就可以真正地并行執(zhí)行，從而充分利用多核CPU的性能。
當然，多進程編程也有自己的缺點。進程之間的通信需要使用IPC（Inter-Process Communication）機制，比如管道、隊列、共享內存等，這比線程之間的通信要復雜一些。此外，進程的創(chuàng)建和銷毀開銷也比線程要大。
所以，在選擇多線程還是多進程時，需要根據你的具體需求進行權衡。如果你的任務是I/O密集型的，多線程可能是一個不錯的選擇。如果你的任務是CPU密集型的，或者你需要充分利用多核CPU的性能，那么應該考慮使用多進程。
死鎖：如何避免線程互相等待？
死鎖是指兩個或多個線程互相等待對方釋放資源，導致所有線程都無法繼續(xù)執(zhí)行的情況。這就像兩輛車在狹窄的道路上迎頭相撞，誰也無法前進。
死鎖的發(fā)生通常需要滿足以下四個條件：
- 互斥條件：資源只能被一個線程占用。
- 占有且等待條件：線程已經占有了一些資源，但還在等待其他線程釋放資源。
- 不可剝奪條件：線程已經占有的資源不能被強制剝奪。
- 循環(huán)等待條件：多個線程形成一個循環(huán)等待資源的鏈。
要避免死鎖，最常用的方法是破壞其中的一個或多個條件。
比如，可以避免循環(huán)等待條件。可以對所有資源進行編號，線程必須按照編號順序獲取資源。這樣，就不會出現循環(huán)等待的情況。
或者，可以避免占有且等待條件。線程在獲取所有需要的資源之后才能開始執(zhí)行。如果無法獲取所有資源，就釋放已經占有的資源，稍后再嘗試。
還可以使用超時機制。如果線程在等待資源的時間超過了設定的閾值，就放棄等待，釋放已經占有的資源。
死鎖是一個復雜的問題，需要仔細分析和設計，才能有效地避免。
線程間的通信：如何安全地傳遞數據？
線程之間需要共享數據或者傳遞消息，需要選擇合適的通信機制。
一種簡單的方法是使用共享變量。但是，正如前面所說，共享變量需要使用鎖來保護，否則可能會出現數據競爭。
另一種方法是使用隊列。Python的queue模塊提供了線程安全的隊列，可以用于線程之間傳遞數據。一個線程可以將數據放入隊列，另一個線程可以從隊列中取出數據。隊列可以保證數據的順序和完整性。
例如：
import threading import queue data_queue = queue.Queue() def producer(): for i in range(10): data_queue.put(i) print(f"Producer put {i} into queue") def consumer(): while True: data = data_queue.get() print(f"Consumer got {data} from queue") data_queue.task_done() # 通知隊列任務完成 producer_thread = threading.Thread(target=producer) consumer_thread = threading.Thread(target=consumer) producer_thread.start() consumer_thread.start() data_queue.join() # 等待隊列中的所有任務完成
在這個例子中，producer線程將數據放入data_queue，consumer線程從data_queue中取出數據。queue.Queue保證了線程安全。
除了隊列，還可以使用其他的通信機制，比如管道、信號量等。選擇哪種通信機制，取決于你的具體需求。
總而言之，Python多線程編程需要小心處理線程安全、GIL、死鎖和線程間通信等問題。只有充分理解這些問題，才能編寫出高效、穩(wěn)定的多線程程序。
