Python的线程

前言

在Python中，线程（Thread）是比进程更轻量级的执行单位。一个进程可以包含多个线程，它们共享进程的内存空间和资源。Python提供了threading模块来创建和管理线程。

什么是线程

定义

线程是进程中的一个独立执行路径，一个进程可以包含多个线程，它们共享进程的资源和内存空间。

特点

• 共享内存：同一进程中的多个线程共享内存空间和全局变量。
• 更轻量级：相比于进程，线程创建和销毁的开销更小。
• 并发执行：多线程可以在单个CPU上并发执行，或在多核系统上并行执行。

缺点

• Python中存在GIL全局解释器锁，这导致在同一个进程里面，同一时刻，只有一个线程在运行，不管你得计算机有多少核，所以Python的多线程，是“伪并行”

线程的使用

Python中，线程使用threading 模块来创建和管理多线程，也可以通过继承Thread来自定义一个线程类。

import threading

def worker():
    print("Worker thread is running")

# 直接创建线程
t = threading.Thread(target=worker)
t.start()
t.join()  # 等待线程结束

线程同步

使用Lock来确保多线程对共享资源的访问是安全的。

import threading

lock = threading.Lock()
shared_resource = 0

def worker():
    global shared_resource
    with lock:
        shared_resource += 1
        print(shared_resource)

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

for t in threads:
    t.join()

线程间通信

可以使用queue.Queue来在线程之间传递数据。

import threading
import queue

def worker(q):
    q.put("Data from worker")

q = queue.Queue()
t = threading.Thread(target=worker, args=(q,))
t.start()
print(q.get())  # 从队列中获取数据
t.join()

线程池

Python 3.2+ 提供了concurrent.futures.ThreadPoolExecutor来方便地管理线程池。

from concurrent.futures import ThreadPoolExecutor

def square(x):
    return x * x

with ThreadPoolExecutor(max_workers=4) as executor:
    results = list(executor.map(square, [1, 2, 3, 4]))
    print(results)

注意事项

• 全局解释器锁（GIL）：由于Python的GIL，多线程在CPU密集型任务上并不能真正实现并行，推荐使用多进程。
• 线程安全：需要注意共享资源的访问，确保线程安全。
• 性能问题：在I/O密集型任务中，多线程可以提高性能，比如频繁的文件读写；但在CPU密集型任务中效果有限，比如多路视频流处理。

这些示例和注意事项展示了如何在Python中使用多线程进行并发编程，从而在I/O密集型任务中提高程序的响应能力。

总结

在上面的使用中，不知道你发现没有，Python中线程和进程的使用语法上，基本是一样的，事实上，Python也是尽量保持两者语法上的一致性，到线程和进程是两个不同的概念。
简单记住两点：线程是执行单元，进程是资源平台，但这两都是由操作系统来调度。
简单来说，线程是最终来干活的，所以每一个进程都至少应该用一个主线程。进程就像是一家公司，而线程就是员工，公司提供了各种资源，员工可以共享这些资源，但是员工需要干活。