Python文件多線程/多進程機制詳解

更新時間：2026年01月17日 14:58:35 作者：年六季

文章主要介紹了Python程序在運行時可能會自動創(chuàng)建多個線程的情況,包括Python內部的線程池、異步庫、第三方庫以及調試器自身的線程,文章還提供了判斷線程來源的方法,并總結了手動創(chuàng)建線程的常見方式

一、正常情況下（沒有主動開線程）

def foo():
    print("hello")

foo()

或者即使是比較復雜的邏輯，比如深度學習推理、圖像處理、文件讀寫，

只要沒有顯式地使用線程或異步，

程序只運行在一個主線程（MainThread）里。

此時 VS Code 的調用堆棧中只會看到：

MainThread

二、為什么很多程序會“自動”出現(xiàn)多個線程

很多人第一次調試時會驚訝地看到幾十個線程，其實大多數(shù)不是顯式創(chuàng)建的，而是：

來源	舉例	說明
Python 內部運行時	ThreadPoolExecutor, asyncio, multiprocessing	例如 ThreadPoolExecutor(max_workers=4) 會開 4 個線程去執(zhí)行任務。
第三方庫自動創(chuàng)建	OpenCV, PyTorch, TensorFlow, NumPy, requests 等	為了提升性能，這些庫常在底層開線程。例如 PyTorch 的算子調用 BLAS/OpenMP 會自動并行計算。
Jupyter / VSCode 調試器自身	調試器、控制臺 I/O	VS Code 在調試時也會創(chuàng)建輔助線程用于通信、變量同步、斷點管理。
GPU 或底層加速庫	cuDNN、MKL、OpenBLAS	這些都是多線程實現(xiàn)的，Python 只是在上層調用它們。

所以：寫的 Python 文件是“單線程邏輯”，

但執(zhí)行時 Python 解釋器 + 底層庫會自動生成多個輔助線程。

三、怎么判斷線程是誰創(chuàng)建的？

在調試器中點開線程名稱可以看到調用堆棧。

比如：

ThreadPoolExecutor-1_0
  -> torch/threadpool.py
  -> ...

或

Thread-208679
  -> site-packages/opencv/...

從路徑就能看出是哪個庫開的線程。

四、手動創(chuàng)建線程的常見方式

如果自己在代碼里寫了這些，那是主動多線程：

import threading

def worker(i):
    print(f"thread {i} running")

for i in range(5):
    t = threading.Thread(target=worker, args=(i,))
    t.start()

這時會在 VS Code 調試器里看到：

MainThread
Thread-1
Thread-2
Thread-3
...

五、總結

情況	是否會自動創(chuàng)建多線程	說明
普通 Python 腳本	? 否	只有主線程
使用線程池、異步庫	? 會	用戶代碼開線程
使用深度學習 / OpenCV / NumPy 等庫	? 會	底層自動并行
VS Code 調試模式	? 會	調試器自己也會開輔助線程