python中的多线程是一个非常重要的知识点，今天为大家对多线程进行详细的说明，代码中的注释有多线程的知识点还有测试用的实例。
码字不易，阅读或复制完了，点个赞！
1import threading 2from threading import Lock,Thread 3import time,os 4 5''' 6 python多线程详解 7 什么是线程？ 8 线程也叫轻量级进程，是操作系统能够进行运算调度的最小单位，它被包涵在进程之中，是进程中的实际运作单位。 9 线程自己不拥有系统资源，只拥有一点儿在运行中必不可少的资源，但它可与同属一个进程的其他线程共享进程所 10 拥有的全部资源。一个线程可以创建和撤销另一个线程，同一个进程中的多个线程之间可以并发执行 11''' 12 13''' 14 为什么要使用多线程？ 15 线程在程序中是独立的、并发的执行流。与分隔的进程相比，进程中线程之间的隔离程度要小，它们共享内存、文件句柄 16 和其他进程应有的状态。 17 因为线程的划分尺度小于进程，使得多线程程序的并发性高。进程在执行过程之中拥有独立的内存单元，而多个线程共享 18 内存，从而极大的提升了程序的运行效率。 19 线程比进程具有更高的性能，这是由于同一个进程中的线程都有共性，多个线程共享一个进程的虚拟空间。线程的共享环境 20 包括进程代码段、进程的共有数据等，利用这些共享的数据，线程之间很容易实现通信。 21 操作系统在创建进程时，必须为改进程分配独立的内存空间，并分配大量的相关资源，但创建线程则简单得多。因此，使用多线程 22 来实现并发比使用多进程的性能高得要多。 23''' 24 25''' 26 总结起来，使用多线程编程具有如下几个优点： 27 进程之间不能共享内存，但线程之间共享内存非常容易。 28 操作系统在创建进程时，需要为该进程重新分配系统资源，但创建线程的代价则小得多。因此使用多线程来实现多任务并发执行比使用多进程的效率高 29 python语言内置了多线程功能支持，而不是单纯地作为底层操作系统的调度方式，从而简化了python的多线程编程。 30''' 31 32''' 33 普通创建方式 34''' 35# def run(n): 36# print('task',n) 37# time.sleep(1) 38# print('2s') 39# time.sleep(1) 40# print('1s') 41# time.sleep(1) 42# print('0s') 43# time.sleep(1) 44# 45# if __name__ == '__main__': 46# t1 = threading.Thread(target=run,args=('t1',)) # target是要执行的函数名（不是函数），args是函数对应的参数，以元组的形式存在 47# t2 = threading.Thread(target=run,args=('t2',)) 48# t1.start() 49# t2.start() 50 51''' 52 自定义线程：继承threading.Thread来定义线程类，其本质是重构Thread类中的run方法 53''' 54# class MyThread(threading.Thread): 55# def __init__(self,n): 56# super(MyThread,self).__init__() #重构run函数必须写 57# self.n = n 58# 59# def run(self): 60# print('task',self.n) 61# time.sleep(1) 62# print('2s') 63# time.sleep(1) 64# print('1s') 65# time.sleep(1) 66# print('0s') 67# time.sleep(1) 68# 69# if __name__ == '__main__': 70# t1 = MyThread('t1') 71# t2 = MyThread('t2') 72# t1.start() 73# t2.start() 74 75''' 76 守护线程 77 下面这个例子，这里使用setDaemon(True)把所有的子线程都变成了主线程的守护线程， 78 因此当主线程结束后，子线程也会随之结束，所以当主线程结束后，整个程序就退出了。 79 所谓’线程守护’，就是主线程不管该线程的执行情况，只要是其他子线程结束且主线程执行完毕，主线程都会关闭。也就是说:主线程不等待该守护线程的执行完再去关闭。 80''' 81# def run(n): 82# print('task',n) 83# time.sleep(1) 84# print('3s') 85# time.sleep(1) 86# print('2s') 87# time.sleep(1) 88# print('1s') 89# 90# if __name__ == '__main__': 91# t=threading.Thread(target=run,args=('t1',)) 92# t.setDaemon(True) 93# t.start() 94# print('end') 95''' 96 通过执行结果可以看出，设置守护线程之后，当主线程结束时，子线程也将立即结束，不再执行 97''' 98 99''' 100 主线程等待子线程结束 101 为了让守护线程执行结束之后，主线程再结束，我们可以使用join方法，让主线程等待子线程执行 102''' 103# def run(n): 104# print('task',n) 105# time.sleep(2) 106# print('5s') 107# time.sleep(2) 108# print('3s') 109# time.sleep(2) 110# print('1s') 111# if __name__ == '__main__': 112# t=threading.Thread(target=run,args=('t1',)) 113# t.setDaemon(True) #把子线程设置为守护线程，必须在start()之前设置 114# t.start() 115# t.join() #设置主线程等待子线程结束 116# print('end') 117 118''' 119 多线程共享全局变量 120 线程时进程的执行单元，进程时系统分配资源的最小执行单位，所以在同一个进程中的多线程是共享资源的 121''' 122# g_num = 100 123# def work1(): 124# global g_num 125# for i in range(3): 126# g_num+=1 127# print('in work1 g_num is : %d' % g_num) 128# 129# def work2(): 130# global g_num 131# print('in work2 g_num is : %d' % g_num) 132# 133# if __name__ == '__main__': 134# t1 = threading.Thread(target=work1) 135# t1.start() 136# time.sleep(1) 137# t2=threading.Thread(target=work2) 138# t2.start() 139 140''' 141 由于线程之间是进行随机调度，并且每个线程可能只执行n条执行之后，当多个线程同时修改同一条数据时可能会出现脏数据， 142 所以出现了线程锁，即同一时刻允许一个线程执行操作。线程锁用于锁定资源，可以定义多个锁，像下面的代码，当需要独占 143 某一个资源时，任何一个锁都可以锁定这个资源，就好比你用不同的锁都可以把这个相同的门锁住一样。 144 由于线程之间是进行随机调度的，如果有多个线程同时操作一个对象，如果没有很好地保护该对象，会造成程序结果的不可预期， 145 我们因此也称为“线程不安全”。 146 为了防止上面情况的发生，就出现了互斥锁（Lock） 147''' 148# def work(): 149# global n 150# lock.acquire() 151# temp = n 152# time.sleep(0.1) 153# n = temp-1 154# lock.release() 155# 156# 157# if __name__ == '__main__': 158# lock = Lock() 159# n = 100 160# l = [] 161# for i in range(100): 162# p = Thread(target=work) 163# l.append(p) 164# p.start() 165# for p in l: 166# p.join() 167 168''' 169 递归锁：RLcok类的用法和Lock类一模一样，但它支持嵌套，在多个锁没有释放的时候一般会使用RLock类 170''' 171# def func(lock): 172# global gl_num 173# lock.acquire() 174# gl_num += 1 175# time.sleep(1) 176# print(gl_num) 177# lock.release() 178# 179# 180# if __name__ == '__main__': 181# gl_num = 0 182# lock = threading.RLock() 183# for i in range(10): 184# t = threading.Thread(target=func,args=(lock,)) 185# t.start() 186 187''' 188 信号量（BoundedSemaphore类） 189 互斥锁同时只允许一个线程更改数据，而Semaphore是同时允许一定数量的线程更改数据，比如厕所有3个坑， 190 那最多只允许3个人上厕所，后面的人只能等里面有人出来了才能再进去 191''' 192# def run(n,semaphore): 193# semaphore.acquire() #加锁 194# time.sleep(3) 195# print('run the thread:%s\n' % n) 196# semaphore.release() #释放 197# 198# 199# if __name__== '__main__': 200# num=0 201# semaphore = threading.BoundedSemaphore(5) #最多允许5个线程同时运行 202# for i in range(22): 203# t = threading.Thread(target=run,args=('t-%s' % i,semaphore)) 204# t.start() 205# while threading.active_count() !=1: 206# pass 207# else: 208# print('----------all threads done-----------') 209 210''' 211 python线程的事件用于主线程控制其他线程的执行，事件是一个简单的线程同步对象，其主要提供以下的几个方法： 212 clear将flag设置为 False 213 set将flag设置为 True 214 is_set判断是否设置了flag 215 wait会一直监听flag，如果没有检测到flag就一直处于阻塞状态 216 事件处理的机制：全局定义了一个Flag，当Flag的值为False，那么event.wait()就会阻塞，当flag值为True， 217 那么event.wait()便不再阻塞 218''' 219event = threading.Event() 220def lighter(): 221 count = 0 222 event.set() #初始者为绿灯 223 while True: 224 if 5 < count <=10: 225 event.clear() #红灯，清除标志位 226 print("\33[41;lmred light is on...\033[0m]") 227 elif count > 10: 228 event.set() #绿灯，设置标志位 229 count = 0 230 else: 231 print('\33[42;lmgreen light is on...\033[0m') 232 233 time.sleep(1) 234 count += 1 235 236def car(name): 237 while True: 238 if event.is_set(): #判断是否设置了标志位 239 print('[%s] running.....'%name) 240 time.sleep(1) 241 else: 242 print('[%s] sees red light,waiting...'%name) 243 event.wait() 244 print('[%s] green light is on,start going...'%name) 245 246# startTime = time.time() 247light = threading.Thread(target=lighter,) 248light.start() 249 250car = threading.Thread(target=car,args=('MINT',)) 251car.start() 252endTime = time.time() 253# print('用时：',endTime-startTime) 254 255''' 256 GIL 全局解释器 257 在非python环境中，单核情况下，同时只能有一个任务执行。多核时可以支持多个线程同时执行。但是在python中，无论有多少个核 258 同时只能执行一个线程。究其原因，这就是由于GIL的存在导致的。 259 GIL的全程是全局解释器，来源是python设计之初的考虑，为了数据安全所做的决定。某个线程想要执行，必须先拿到GIL，我们可以 260 把GIL看做是“通行证”，并且在一个python进程之中，GIL只有一个。拿不到线程的通行证，并且在一个python进程中，GIL只有一个， 261 拿不到通行证的线程，就不允许进入CPU执行。GIL只在cpython中才有，因为cpython调用的是c语言的原生线程，所以他不能直接操 262 作cpu，而只能利用GIL保证同一时间只能有一个线程拿到数据。而在pypy和jpython中是没有GIL的 263 python在使用多线程的时候，调用的是c语言的原生过程。 264''' 265''' 266 python针对不同类型的代码执行效率也是不同的 267 1、CPU密集型代码（各种循环处理、计算等），在这种情况下，由于计算工作多，ticks技术很快就会达到阀值，然后出发GIL的 268 释放与再竞争（多个线程来回切换当然是需要消耗资源的），所以python下的多线程对CPU密集型代码并不友好。 269 2、IO密集型代码（文件处理、网络爬虫等设计文件读写操作），多线程能够有效提升效率（单线程下有IO操作会进行IO等待， 270 造成不必要的时间浪费，而开启多线程能在线程A等待时，自动切换到线程B，可以不浪费CPU的资源，从而能提升程序的执行 271 效率）。所以python的多线程对IO密集型代码比较友好。 272''' 273''' 274 主要要看任务的类型，我们把任务分为I/O密集型和计算密集型，而多线程在切换中又分为I/O切换和时间切换。如果任务属于是I/O密集型， 275 若不采用多线程，我们在进行I/O操作时，势必要等待前面一个I/O任务完成后面的I/O任务才能进行，在这个等待的过程中，CPU处于等待 276 状态，这时如果采用多线程的话，刚好可以切换到进行另一个I/O任务。这样就刚好可以充分利用CPU避免CPU处于闲置状态，提高效率。但是 277 如果多线程任务都是计算型，CPU会一直在进行工作，直到一定的时间后采取多线程时间切换的方式进行切换线程，此时CPU一直处于工作状态， 278 此种情况下并不能提高性能，相反在切换多线程任务时，可能还会造成时间和资源的浪费，导致效能下降。这就是造成上面两种多线程结果不能的解释。 279结论:I/O密集型任务，建议采取多线程，还可以采用多进程+协程的方式(例如:爬虫多采用多线程处理爬取的数据)；对于计算密集型任务，python此时就不适用了。 280'''
本文转自 https://blog.csdn.net/weixin_40481076/article/details/101594705，如有侵权，请联系删除。