python的多线程原来可以这样解

下面是详细讲解“Python的多线程原来可以这样解”的完整攻略。

什么是多线程？

多线程是指一个进程（程序）中包含多个并发执行的流，每一个流都称为一个线程（Thread），多线程可以将程序中的计算密集型和I/O密集型工作分别交给不同的线程负责，从而提高程序的并发性和效率。

Python中的多线程

Python中的多线程是通过操作系统的线程实现的，Python解释器中包含了全局解释器锁（GIL），这个锁的存在会导致同一时刻只有一个线程能够执行Python字节码，这就意味着Python中的多线程不能真正的实现并行计算，但是Python中的多线程仍然可以用于I/O密集型任务的并发处理，因为在I/O操作的过程中，线程会阻塞等待I/O完成返回结果，期间可以切换到其他线程处于运行状态，从而提高并发性能。

在Python标准库中，提供了两个模块实现多线程：threading和multiprocessing模块。

使用threading模块实现多线程

使用threading模块实现多线程比较简单，可以直接创建一个线程对象，指定需要执行的函数，调用start()方法启动线程。

下面是一个使用threading模块实现多线程的示例代码：

import threading
import time

def worker():
    """线程函数"""
    print("Thread %s is running..." % threading.current_thread().name)
    time.sleep(1)
    print("Thread %s is done." % threading.current_thread().name)

if __name__ == "__main__":
    for i in range(5):
        t = threading.Thread(target=worker)
        t.start()

以上代码创建了5个线程，每个线程执行worker()函数，worker()函数会输出线程的名称，然后睡眠1秒钟，最后输出线程名称表示线程任务完成。

使用concurrent.futures模块实现多线程

concurrent.futures模块是Python3.2引入的一个新模块，目的是提供异步执行的接口，包含两个类：ThreadPoolExecutor和ProcessPoolExecutor，分别提供了线程池和进程池的实现。

下面是一个使用ThreadPoolExecutor实现多线程的示例代码：

import concurrent.futures
import time

def worker():
    """线程任务函数"""
    print("Thread %s is running..." % threading.current_thread().name)
    time.sleep(1)
    return "Thread %s result." % threading.current_thread().name

if __name__ == "__main__":
    with concurrent.futures.ThreadPoolExecutor(max_workers=5) as executor:
        future_to_url = {executor.submit(worker): i for i in range(5)}
        for future in concurrent.futures.as_completed(future_to_url):
            url = future_to_url[future]
            try:
                data = future.result()
            except Exception as exc:
                print('%r generated an exception: %s' % (url, exc))
            else:
                print('%r page size is %d' % (url, len(data)))

以上代码创建了一个ThreadPoolExecutor对象，并设置最大工作线程数为5，然后通过executor.submit()方法提交了5个线程任务，将执行结果保存到future对象中，在for循环中通过future.result()方法获取每个线程任务的执行结果，最后输出结果。

总结

通过对比可以发现，使用concurrent.futures模块实现多线程比使用threading模块实现多线程，更加简单易用，可以很方便的实现并发执行任务，如果需要实现异步I/O操作或者并发计算密集型任务时，就可以采用这个模块。

以上就是Python的多线程攻略的详细讲解，希望可以对大家有所帮助。