代码环境：python3.6上一篇介绍了python中multiprocessing的使用：点击阅读，现在说说多线程。一个进程由多个线程组成，一个进程至少有一个线程。当任何一个进程启动时，都会默认启动一个线程，我们称之为主线程，然后主线程会创建其他新的子线程。简单的多线程例子常用的多线程模块是threading，例子：fromthreadingimportcurrent_thread,Thread,Locknum=0defworker1(lock):globalnumthread_name=current_thread().nameprint(f'childthread{th??read_name}running...')foriinrange(100000):withlock:num+=1print(f'子线程{thread_name}结束。')defworker2(lock):globalnumthread_name=current_thread().nameprint(f'子线程{thread_name}running...')foriinrange(100000):withlock:num+=1print(f'sub-thread{th??read_name}ends.')defthread_main():lock=Lock()print(f'currentmainthread:{current_thread().name}')t1=Thread(target=worker1,args=(lock,))t2=Thread(target=worker2,args=(lock,))t1.start()t2.start()t1.join()t2.join()print(f'finalnumvalue:{num}')print(f'mainthread{current_thread().name}结束。')if__name__=='__main__':thread_main()在上面的例子中，我们最终的期望是num=200000。如果我们去掉withlock:操作数据的时候再运行代码几次，可能就得不到我们的预期了。这是因为：同一个进程的多个线程共享除栈和寄存器以外的所有数据，多线程对同一个全局变量的操作造成数据冲突。为了避免这种冲突，我们需要在操作全局变量时使用threading.Lock来锁定数据。另外，如果去掉join()方法，我们会发现主线程可能会提前结束，但是子线程仍然可以继续执行。这与多进程不同：主线程的终止不会引起子线程的终止。ThreadLocal在多线程环境下，每个线程都有自己的数据。线程使用自己的局部变量比使用全局变量要好，因为局部变量只能被线程自己看到，不会影响其他线程，而且对全局变量的修改必须加锁。但是局部变量在调用函数时传递起来比较麻烦，所以我们改用threading.local()创建的ThreadLocal对象。例子：fromthreadingimportcurrent_thread,Thread,local#创建一个全局的ThreadLocalthread_local=local()defcall_student():#可以直接访问当前线程关联的studentprint(f'{current_thread().name}:Iamastudent{thread_local.student}')defstudent_worker(name):#给执行这个方法的线程绑定一个属性student，这个线程的所有方法都可以访问thread_local.student=namecall_student()defthread_main():t1=Thread(target=student_worker,args=('Amy',))t2=Thread(target=student_worker,args=('Tom',))t1.start()t2.start()t1.join()t2．并且随意写没有干扰，而且ThreadLocal内部已经自动处理了锁的问题。ThreadLocal最常用的地方就是为每个线程绑定一个数据库连接、HTTP请求、用户身份信息等，以便一个线程调用的所有处理函数都可以方便地访问这些资源。线程间通信：生产者-消费者模型线程间通信常用queue.Queue。在多线程开发中，假设一个线程负责生产，一个线程负责消费。如果生产速度快于消费速度，那么生产者需要等待消费者处理完，再继续生产数据。为了解决这种处理能力不均衡的问题，我们引入生产者-消费者模型，在两者之间建立一个缓冲Queue进行通信。例子：fromthreadingimportThread,current_thread,localfromqueueimportQueueimporttime,random#buffer,storeproductqueuestore_queue=Queue(5)defproducer():thread_name=current_thread().name#productnumber#localvariable不需要locksn=0whilesn<10:ifnotstore_queue.full():msg=thread_name+':number'+str(sn)store_queue.put(msg)print(f'{thread_name}threadproduced{msg}')sn+=1defconsumer():thread_name=current_thread().name#统计消费的产品数量，方便后面终止循环consume_num=0whileconsume_num<20:ifnotstore_queue.empty():msg=store_queue.get()print(f'{thread_name}线程消耗{msg}')consume_num+=1time.sleep(random.random())defthread_main():#2producerthreadsforiinrange(2):t_p=Thread(target=producer,name=f'Producer-{i}')t_p.start()#1个消费者线程t_c=Thread(target=consumer,name='Consumer')t_c.start()if__name__=='__主要的__':thread_main()globalinterpreterlockGILpython解释器在执行代码时，有一个GIL：任何python线程在执行之前，都必须先获取GIL，然后每执行100个字节码就自动释放GIL，让其他线程要有机会执行GIL，这样多个线程只能交替执行。即使一台机器的CPU有100个核心，一个进程的100个线程也只能使用1个核心。所以，如果真的想让多线程满核运行，一种方法是使用C语言写的python库来管理GIL，但是这样会大大增加代码的复杂度，我们一般不做这。多线程没用吗？不是！python标准库中所有执行阻塞IO操作的函数都会在等待操作系统返回结果时释放GIL，time.sleep()函数也会释放。因此，多线程可以在IO密集型操作中发挥作用。综上所述，我们常用的threading模块使用的是多线程，多线程在同一个进程中共享数据；在多线程中，更推荐使用变量：ThreadLocal对象和局部变量，操作同一个全局变量容易造成数据冲突，需要锁隔离；线程间通信使用queue.Queue；GIL的存在使得多线程无法利用多核，但是多线程可以在IO密集型操作中发挥作用。如果必须使用多核，可以使用多进程。
