Python编程【多线程编程】

Python 多线程编程深入解析

1. Python 线程模型

Python 的 threading 模块基于 操作系统原生线程（POSIX 线程或 Windows 线程），但由于 GIL（全局解释器锁） 的限制，Python 线程 不能真正并行执行 Python 代码，但对于 IO 密集型任务（文件、网络、数据库操作） 仍然非常有用。

1.1 GIL（全局解释器锁）详解

GIL 限制了同一时间只有一个线程在执行 Python 字节码。即使是多核 CPU，Python 线程也不会真正并行执行，而是通过 轮流切换 的方式运行。

GIL 影响的测试

以下代码创建 2 个线程，每个线程执行 10^7 次循环。由于 GIL 限制，多线程反而比单线程更慢：

import threading
import time

COUNT = 10**7

def cpu_bound_task():
    x = 0
    for _ in range(COUNT):
        x += 1

start = time.time()

t1 = threading.Thread(target=cpu_bound_task)
t2 = threading.Thread(target=cpu_bound_task)

t1.start()
t2.start()
t1.join()
t2.join()

print("多线程耗时:", time.time() - start)

# 单线程
start = time.time()
cpu_bound_task()
cpu_bound_task()
print("单线程耗时:", time.time() - start)

结论：

CPU 任务 不适合多线程，应使用 multiprocessing。
IO 任务（如网络请求、文件操作）适合多线程。

2. 线程同步与安全

由于多个线程可能同时访问同一变量，容易导致竞态条件（Rac