Python多線程編程的核心概念與實踐方法
更新時間：2026年05月12日 16:50:21 作者：detayun
線程（Thread）是操作系統(tǒng)能夠進行運算調度的最小單位,多線程就是在一個程序中同時運行多個線程,讓它們"看起來"在同時執(zhí)行不同的任務,本文介紹了Python多線程編程的核心概念與實踐方法,感興趣的小伙伴可以了解下
一、什么是多線程？
線程（Thread）是操作系統(tǒng)能夠進行運算調度的最小單位。一個進程可以包含多個線程，這些線程共享進程的資源（如內存、文件句柄等），但每個線程有自己獨立的執(zhí)行棧和程序計數(shù)器。
多線程就是在一個程序中同時運行多個線程，讓它們"看起來"在同時執(zhí)行不同的任務。
二、為什么要用多線程
1. 提升I/O密集型任務的效率
當程序需要等待網絡請求、數(shù)據(jù)庫查詢、文件讀寫等I/O操作時，單線程會一直"傻等"。而多線程可以讓一個線程等待時，另一個線程繼續(xù)執(zhí)行其他任務。
舉例：
- 單線程：下載10張圖片，每張等待1秒，總共10秒
- 多線程：同時下載10張圖片，總共約1秒
2. 提高用戶體驗
在GUI程序中，如果主線程被耗時操作阻塞，界面會"假死"。用多線程可以讓后臺任務運行，界面保持響應。
三、Python中的多線程模塊
Python提供了兩個主要的多線程模塊：
| 模塊 | 說明 | 適用場景 |
|---|---|---|
threading | 高級模塊，基于線程 | 通用多線程編程 |
_thread | 低級模塊（很少直接用） | 底層控制 |
四、快速上手：創(chuàng)建線程
方法1：使用threading.Thread
import threading
import time
def task(name, seconds):
print(f"線程 {name} 開始執(zhí)行")
time.sleep(seconds)
print(f"線程 {name} 執(zhí)行完畢")
# 創(chuàng)建線程
t1 = threading.Thread(target=task, args=("A", 2))
t2 = threading.Thread(target=task, args=("B", 1))
# 啟動線程
t1.start()
t2.start()
# 等待線程結束
t1.join()
t2.join()
print("所有線程執(zhí)行完畢")
輸出：
線程 A 開始執(zhí)行
線程 B 開始執(zhí)行
線程 B 執(zhí)行完畢
線程 A 執(zhí)行完畢
所有線程執(zhí)行完畢
方法2：繼承threading.Thread類
import threading
import time
class MyThread(threading.Thread):
def __init__(self, name):
super().__init__()
self.name = name
def run(self):
print(f"線程 {self.name} 開始")
time.sleep(2)
print(f"線程 {self.name} 結束")
t = MyThread("自定義線程")
t.start()
t.join()
五、線程 vs 進程
| 特性 | 線程（Thread） | 進程（Process） |
|---|---|---|
| 創(chuàng)建開銷 | 小 | 大 |
| 內存共享 | 共享進程內存 | 獨立內存空間 |
| 切換速度 | 快 | 慢 |
| GIL限制 | 受GIL影響（CPU密集型無效） | 不受GIL影響 |
| 適用場景 | I/O密集型 | CPU密集型 |
六、GIL（全局解釋器鎖）是什么？
GIL（Global Interpreter Lock） 是Python的一個機制，它保證同一時刻只有一個線程在執(zhí)行Python字節(jié)碼。
影響：
- I/O密集型任務：多線程依然有效（等待時會釋放GIL）
- CPU密集型任務：多線程不會提升性能，反而可能更慢
解決方案：
- 使用
multiprocessing模塊（多進程） - 使用
concurrent.futures.ThreadPoolExecutor（線程池） - 使用
asyncio（異步編程）
七、線程同步：鎖（Lock）
當多個線程同時修改共享數(shù)據(jù)時，可能會出現(xiàn)數(shù)據(jù)不一致的問題。這時需要用鎖來保證線程安全。
import threading
balance = 0
lock = threading.Lock()
def deposit():
global balance
for _ in range(100000):
lock.acquire() # 加鎖
try:
balance += 1
finally:
lock.release() # 解鎖
t1 = threading.Thread(target=deposit)
t2 = threading.Thread(target=deposit)
t1.start()
t2.start()
t1.join()
t2.join()
print(f"最終余額: {balance}") # 正確輸出 200000
不加鎖的后果：
# 去掉 lock，結果可能是 199847（數(shù)據(jù)不一致）
八、線程池：管理線程的最佳實踐
手動創(chuàng)建和銷毀線程效率低，推薦使用線程池。
使用ThreadPoolExecutor
from concurrent.futures import ThreadPoolExecutor
import time
def task(n):
print(f"任務 {n} 開始")
time.sleep(1)
return f"任務 {n} 完成"
# 創(chuàng)建線程池（最多5個線程）
with ThreadPoolExecutor(max_workers=5) as executor:
# 提交10個任務
futures = [executor.submit(task, i) for i in range(10)]
# 獲取結果
for future in futures:
print(future.result())
優(yōu)勢：
- 自動管理線程生命周期
- 限制并發(fā)數(shù)量，避免資源耗盡
- 簡潔的API
九、實際案例：批量下載圖片
import threading
import requests
from concurrent.futures import ThreadPoolExecutor
def download_image(url):
try:
response = requests.get(url, timeout=10)
filename = url.split("/")[-1]
with open(filename, "wb") as f:
f.write(response.content)
print(f"? 下載完成: {filename}")
except Exception as e:
print(f"? 下載失敗: {url}, 錯誤: {e}")
urls = [
"https://example.com/image1.jpg",
"https://example.com/image2.jpg",
"https://example.com/image3.jpg",
]
# 使用線程池并發(fā)下載
with ThreadPoolExecutor(max_workers=3) as executor:
executor.map(download_image, urls)
十、常見錯誤及解決方案
| 錯誤 | 原因 | 解決方案 |
|---|---|---|
RuntimeError: can't start new thread | 線程數(shù)超過系統(tǒng)限制 | 使用線程池，限制并發(fā)數(shù) |
| 數(shù)據(jù)不一致 | 多線程同時修改共享數(shù)據(jù) | 使用 Lock 鎖 |
| 程序假死 | 主線程被阻塞 | 將耗時任務放到子線程 |
| CPU密集型任務變慢 | GIL限制 | 改用 multiprocessing 多進程 |
十一、最佳實踐總結
- 優(yōu)先使用線程池（
ThreadPoolExecutor），不要手動創(chuàng)建線程 - I/O密集型任務用多線程，CPU密集型用多進程
- 共享數(shù)據(jù)必須加鎖（
threading.Lock） - 設置合理的線程數(shù)（一般不超過 CPU核心數(shù) × 2）
- 避免在子線程中操作GUI（會崩潰）
- 不要過度創(chuàng)建線程（會耗盡系統(tǒng)資源）
十二、進階學習路線
| 階段 | 內容 |
|---|---|
| 入門 | threading.Thread、Lock、ThreadPoolExecutor |
| 進階 | queue.Queue（線程間通信）、Event、Condition |
| 高級 | asyncio 異步編程、multiprocessing 多進程 |
| 實戰(zhàn) | 爬蟲并發(fā)、Web服務器、GUI后臺任務 |
總結
Python多線程是處理I/O密集型任務的利器，但要注意GIL的限制和線程安全問題。記?。河镁€程池代替手動管理線程，用鎖保護共享數(shù)據(jù)，用多進程替代CPU密集型任務。
到此這篇關于Python多線程編程的核心概念與實踐方法的文章就介紹到這了,更多相關Python多線程編程內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
Python實現(xiàn)小數(shù)轉化為百分數(shù)的格式化輸出方法示例
這篇文章主要介紹了Python實現(xiàn)小數(shù)轉化為百分數(shù)的格式化輸出方法,結合具體實例形式分析了Python實現(xiàn)小數(shù)轉換為百分數(shù)輸出的相關操作技巧與注意事項,需要的朋友可以參考下2017-09-09
這篇文章主要分享了6 個值得收藏的 Python 代碼，希望隊長正在學習的你有所幫助,需要的小伙伴也可以參考一下2022-01-01
這篇文章主要介紹了Python字符串格式化常用手段,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2020-06-06
想必大家都玩過貪吃蛇的游戲吧：通過操縱蛇的移動方向能夠讓蛇吃到隨機出現(xiàn)的食物，吃到的食物越多，蛇就會變得越長。本文將使用手勢識別來完成貪吃蛇這個簡單的游戲，感興趣的可以了解一下2022-04-04
matploglib能夠繪制出精美的圖表,有時候我們希望把一組圖放在一起進行比較,就需要用到matplotlib中提供的subplot了,這篇文章主要給大家介紹了關于python中subplot大小的設置方法,需要的朋友可以參考下2021-06-06
這篇文章主要介紹了利用python做數(shù)據(jù)擬合，下面文章圍繞如何讓利用python做數(shù)據(jù)擬合的相關資料展開詳細內容,需要的朋友可以參考一下，希望對大家有所幫助2021-11-11
使用python和Django完成博客數(shù)據(jù)庫的遷移方法
下面小編就為大家分享一篇使用python和Django完成博客數(shù)據(jù)庫的遷移方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-01-01
這篇文章主要介紹了scrapy-splash簡單使用詳解，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2021-02-02
這篇文章主要為大家詳細介紹了如何使用Python實現(xiàn)判斷字符串中是否包含特殊字符并使用空字符串替換掉,文中的示例代碼講解詳細,感興趣的小伙伴可以了解下2025-05-05
在數(shù)字化辦公時代,屏幕管理已成為提升工作效率和保護眼睛健康的重要環(huán)節(jié),本文將分享一個基于Python和PySide6開發(fā)的Windows屏幕控制工具,感興趣的可以了解下2025-06-06