Python多线程示例：理解线程并发与GIL影响

在Python中，线程是一种并发执行的重要机制，它允许代码在单个进程中同时执行多个任务，从而提高程序的执行效率。然而，Python中的线程实现并非如所有编程语言那样直接支持并行计算，因为存在全局解释器锁（GIL）的概念，这限制了同一时刻只能有一个线程在执行Python字节码。尽管如此，GIL主要影响的是CPU密集型任务，对于IO密集型任务，如网络请求，GIL的影响较小，因为大部分时间都在等待I/O操作完成。 示例1：单线程网络请求 在这个例子中，我们创建了一个简单的函数`get_responses`，用于依次访问五个不同的URL。由于网络请求是阻塞的，即每个请求会等待服务器响应，因此线程的执行顺序就是url的列表顺序。当调用`get_responses`时，输出显示了每个URL的响应码和总耗时，可以看到线程按预定顺序执行，CPU在等待网络请求期间空闲。 ```python import time import urllib2 def get_responses(urls): start = time.time() for url in urls: print(url) resp = urllib2.urlopen(url) print(resp.getcode()) print("Elapsed time: %s" % (time.time() - start)) urls = ['http://www.google.com', 'http://www.amazon.com', 'http://www.ebay.com', 'http://www.alibaba.com', 'http://www.reddit.com'] get_responses(urls) ``` 示例2：多线程网络请求 为了演示多线程的优势，我们创建了一个`GetUrlThread`类，继承自`threading.Thread`。这个类负责处理单个URL的请求。在`get_responses`函数中，我们创建了五个这样的线程，每个线程负责一个URL。这样，即使在等待网络响应时，其他线程也可以继续执行其他任务，提高了程序的并发性。 ```python import threading from urllib2 import urlopen class GetUrlThread(threading.Thread): def __init__(self, url): self.url = url super(GetUrlThread, self).__init__() def run(self): resp = urlopen(self.url) print(self.url, resp.getcode()) def get_responses(urls): threads = [] for url in urls: thread = GetUrlThread(url) thread.start() threads.append(thread) for thread in threads: thread.join() # 使用多线程执行 urls = ['http://www.google.com', 'http://www.amazon.com', 'http://www.ebay.com', 'http://www.alibaba.com', 'http://www.reddit.com'] get_responses(urls) ``` 总结： 通过这两个示例，我们可以学习到在Python中如何使用线程进行网络请求，以及单线程和多线程的区别。单线程情况下，由于GIL的存在，尽管网络请求是异步的，但整体上仍然是串行的。而在多线程中，尽管仍然受到GIL的限制，但通过创建多个独立的线程，我们可以在等待网络响应的同时执行其他任务，从而提高代码的并发性能。然而，需要注意的是，如果任务过于简单或CPU密集型，多线程的优势可能并不明显，因为GIL会让CPU切换线程的成本变得较高。