Python多线程编程入门指南 - HelloWorld开发者社区

导语：在许多应用场景中，我们需要同时执行多个任务。Python 提供了多线程（multithreading）支持，可以让我们更高效地完成任务。在本文中，我们将探讨 Python 中的多线程编程基础知识，并通过一个简单示例演示如何使用它。

一、并发编程简介

并发编程是一种编程范式，允许多个任务在同时执行。在多核处理器和多处理器系统中，这种方法可以显著提高程序的执行效率。Python 提供了多种并发编程方法，包括多线程、多进程和异步 I/O。

二、线程与进程

线程是操作系统调度的最小单元，同一个进程中的多个线程共享内存空间和资源。进程是操作系统分配资源和管理任务的基本单位，每个进程有独立的内存空间和资源。多进程编程可以避免全局解释器锁（GIL）的限制，充分利用多核处理器的性能。

三、Python 中的多线程编程

Python 的 threading 模块提供了多线程编程支持。使用 threading 模块，我们可以创建、管理和同步线程。以下是一个简单的多线程示例：

import threading

def print_numbers():
    for i in range(10):
        print(i)

def print_letters():
    for letter in 'abcdefghij':
        print(letter)

t1 = threading.Thread(target=print_numbers)
t2 = threading.Thread(target=print_letters)

t1.start()
t2.start()

t1.join()
t2.join()

四、Python 中的异步 I/O

异步 I/O 是另一种并发编程方法，它通过使用事件循环和回调函数来实现非阻塞的 I/O 操作。Python 的 asyncio 模块提供了异步 I/O 支持。使用 asyncio，我们可以编写高效的、基于事件驱动的程序。以下是一个简单的异步 I/O 示例：

import asyncio

async def print_numbers():
    for i in range(10):
        print(i)
        await asyncio.sleep(1)

async def print_letters():
    for letter in 'abcdefghij':
        print(letter)
        await asyncio.sleep(1)

async def main():
    task1 = asyncio.create_task(print_numbers())
    task2 = asyncio.create_task(print_letters())

    await asyncio.gather(task1, task2)

asyncio.run(main())

在实际应用中，我们需要根据任务的性质来选择合适的并发策略。

五、同步和互斥

当多个线程需要访问共享资源时（如全局变量、文件、数据库等），我们需要确保资源的访问是互斥的，以避免数据竞争和不一致的问题。Python 提供了多种同步和互斥机制，如锁（Lock）、可重入锁（RLock）、信号量（Semaphore）等。

例如，我们可以使用 Lock 对象确保共享资源的互斥访问：

import threading

# 创建一个锁对象
lock = threading.Lock()

# 共享资源
counter = 0

def increment_counter():
    global counter
    with lock:
        # 临界区
        temp = counter
        temp += 1
        counter = temp

# 创建并启动多个线程
threads = [threading.Thread(target=increment_counter) for _ in range(10)]

for thread in threads:
    thread.start()

for thread in threads:
    thread.join()

print("Final counter value:", counter)