"Python-20-多线程.md"
在Python编程中，多线程是一种常见的并发执行机制，允许程序同时处理多个任务。多线程对于轻量级的多任务处理非常有效，如网络数据传输、文件读写以及数据库交互等。然而，由于Python的实现方式，多线程并不意味着能充分利用多核CPU资源。这主要是因为Python的解释器，CPython，使用了全局解释器锁（GIL）。
GIL是Python解释器为了同步对解释器级别的数据访问而引入的一个机制。它确保在任何时刻只有一个线程在执行Python字节码。GIL的工作流程大致如下：
1. 设置一个GIL锁。
2. 各个线程竞争获取CPU资源，假设线程1成功获得。
3. 在GIL保护下，线程1执行Python字节码。执行过程中可能出现两种情况：
- 被动释放：由于CPU的时间片轮转，线程1会被迫休眠，GIL随之释放。
- 主动释放：线程1通过`time.sleep()`或`threading.yield()`主动让出执行权。
4. 其他线程有机会获取GIL并继续执行。
5. 这个过程持续进行，直到程序结束。
Python中创建线程的步骤可以通过`threading`模块完成。以下是一个简单的例子：
```python
import threading
def function_to_run():
# 函数体
new_thread = threading.Thread(target=function_to_run)
new_thread.start()
```
在这个例子中，`target`参数指定线程要执行的函数，`args`和`kwargs`则用于传递函数所需的参数。
例如，如果我们要创建两个线程，一个唱歌，一个跳舞，代码可以这样编写：
```python
import threading
import time
def sing(n):
for _ in range(n):
print('sing')
time.sleep(0.2)
def dance(n):
for _ in range(n):
print('dance')
time.sleep(0.2)
if __name__ == '__main__':
t1 = threading.Thread(target=sing, args=(5,))
t2 = threading.Thread(target=dance, args=(5,))
t1.start()
t2.start()
```
这里，`t1`和`t2`分别代表两个线程，它们分别调用`sing`和`dance`函数，并传入参数。
当我们需要在线程中传递参数时，可以将参数列表放入`args`元组，关键字参数放入`kwargs`字典中，如下所示：
```python
def demo_01(name, age):
print(name, age)
if __name__ == '__main__':
t1 = threading.Thread(target=demo_01, args=('zhangsan',), kwargs={'age': 18})
t1.start()
```
关于线程的执行顺序，应当注意的是，线程的启动顺序是确定的，但它们的执行顺序则是不确定的。这是因为线程的执行取决于CPU调度，而不是程序员的控制。这意味着在多线程环境中，不能保证某个特定的线程会先于其他线程执行完毕。
Python的多线程提供了在单个CPU核心上并发执行任务的能力，但由于GIL的存在，它并不适合CPU密集型的任务。相反，多线程更适合于I/O密集型任务，其中大部分时间都在等待数据的读写，而非执行计算。对于CPU密集型任务，可以考虑使用多进程，通过`multiprocessing`模块实现，以便利用多核CPU的优势。
我的内容管理
展开
