Python如何构建多线程任务_并发处理基础知识【教程】

Python多线程适合IO密集型任务，因CPython的GIL限制其不适用于CPU密集型计算；需用join()等待线程完成、Lock保证共享数据安全、ThreadPoolExecutor简化线程池管理，并注意避免死锁与资源泄漏。

Python构建多线程任务，核心是用 threading 模块启动多个线程并发执行函数，但要注意：CPython有GIL（全局解释器锁），所以多线程**适合IO密集型任务**（如网络请求、文件读写），不适合CPU密集型计算（此时应选 multiprocessing）。

一、基础写法：创建并启动线程

最直接的方式是把目标函数传给 Thread 对象，调用 start() 启动：

每个线程独立运行，主线程不会自动等待子线程结束
需要用 join() 显式等待线程完成，否则可能主线程退出、子线程被强制终止

示例：

import threading
import time

def task(name):
  print(f"线程 {name} 开始")
  time.sleep(2)
  print(f"线程 {name} 结束")

t1 = threading.Thread(target=task, args=("A",))
t2 = threading.Thread(target=task, args=("B",))
t1.start()
t2.start()
t1.join() # 等待t1完成
t2.join() # 等待t2完成
print("全部完成")

二、共享数据与线程安全

多个线程访问同一变量（如全局计数器、列表）时，可能因执行时序交错导致结果错误——这就是**竞态条件**。

用 threading.Lock 加锁是最常用解决方式
lock.acquire() 和 lock.release() 要配对；推荐用 with 语句自动管理

示例（安全计数）：

counter = 0
lock = threading.Lock()

def increment():
  global counter
  for _ in range(100000):
    with lock:
      counter += 1

t1 = threading.Thread(target=increment)
t2 = threading.Thread(target=increment)
t1.start(); t2.start()
t1.join(); t2.join()
print(counter) # 输出 200000（无锁时可能小于该值）

三、用 ThreadPoolExecutor 管理线程池

比起手动创建/管理线程，concurrent.futures.ThreadPoolExecutor 更简洁、健壮，支持异步提交和结果获取：

submit() 提交单个任务，返回 Future 对象
map() 批量提交同函数、不同参数的任务，按输入顺序返回结果
with 语句可自动关闭线程池，避免资源泄漏

示例（并发请求多个网页）：

from concurrent.futures import ThreadPoolExecutor
import requests

urls = ["https://httpbin.org/delay/1"] * 5

def fetch(url):
return requests.get(url).status_code

with ThreadPoolExecutor(max_workers=3) as executor:
results = list(executor.map(fetch, urls))
print(results) # [200, 200, 200, 200, 200]

四、常见陷阱提醒

不要在线程中修改未加锁的共享变量（尤其字典、列表 append/pop）
避免死锁：多个锁嵌套时注意加锁顺序一致；尽量用单个锁或 with 语句
主线程退出 = 整个程序退出，守护线程（daemon=True）会随主线程结束而被杀，非守护线程必须 join 完成
调试多线程难：加日志、用 time.sleep() 暴露竞态问题，再针对性加锁

基本上就这些。多线程不是“开越多越快”，合理控制线程数（通常略大于CPU核心数或根据IO等待时间调整），比盲目堆数量更有效。

# python # app # 并发请求 # 无锁

返回目录在线咨询

上一篇：浅谈js中startsWith 函数不能在任何浏览器兼容的问题
下一篇：如何制作网站收费链接,怎么做一个收费视频网站？

您的项目需求