当前位置：首页>python>Python进阶:1 并行计算-多线程(1)

Python进阶:1 并行计算-多线程(1)

2026-09-02 20:31:59

在计算机中，一个可执行程序在运行时会创建进程，而每个进程内部可以有多个线程同时运行。一般操作系统会给每个进程划分一个内存空间，这个内存空间在多个线程间共享。那线程是如何运行的呢？本节就来剖析一下。

P 1、多线程

Python的多线程编程，由原生threading包支持。也就是说，我们使用多线程必须提前导入该包。现在，让我们来看一下它的编程逻辑。

通过上图可以看到，要启动一个新线程。首先要有一个任务函数来完成目标任务；其次是创建线程，并传递相关参数给任务函数；最后，启动线程，等待线程结束。当然，这个结构图中忽略了其它参数，如deamon参数决定启动的线程是否为守护线程，默认deamon=False，即非守护线程。关于更多参数，请参阅Python指导手册。

P 2、多线程演示

（1）必要的包导入

import timeimport threading

（2）创建任务函数

# 任务函数def myfunc(name):    t0 = time.time()    print(f' Thread {name} : Start')    time.sleep(2)    print(f' Thread {name} : End. Time={time.time()-t0}')

（3）创建多线程并运行

print('Thread test : Start')t0 = time.time()th = []for i in range(3):    # 创建线程    obj = threading.Thread(target=myfunc,args=(i,))    th.append(obj)for i in range(3):    # 启动线程    th[i].start()for i in range(3):    # 等待线程结束，此时对线程的join()方法可以运行，但其余的代码不可执行。    th[i].join()print(f'Thread test : End . Time={time.time()-t0}')

运行效果，如下：

Thread test : Start  Thread 0 : Start  Thread 1 : Start  Thread 2 : Start  Thread 0 : End. Time=2.0016415119171143  Thread 2 : End. Time=2.0036630630493164  Thread 1 : End. Time=2.0036630630493164Thread test : End. Time=2.0056276321411133

当然，也可以不等待线程结束，任由它运行，我们继续运行后续代码。但这很可能造成数据冲突，一定要慎之又慎。

print('Thread test :Start')t0 = time.time()th = []for i in range(3):    # 创建线程    obj = threading.Thread(target=myfunc,args=(i,))    th.append(obj)for i in range(3):    # 启动线程    th[i].start()print(f'Thread test : End . Time={time.time()-t0}')

运行效果，如下：

Thread test : Start  Thread 0 : Start  Thread 1 : Start  Thread 2 : StartThread test : End .Time=0.001964092254638672  Thread 2 : End. Time=2.0011708736419678  Thread 0 : End. Time=2.002986192703247  Thread 1 : End. Time=2.002986192703247

可以看到，因为没有运行线程的join()方法，导致程序代码print(f'Thread test : End . Time={time.time()-t0}')提前运行了。这种放任不管，线程是依然在执行的，可以根据开发需要决定是否等待线程结束。

上述两个运行实例可以看出，多线程的并行效果明显。但这里要注意，因为上述程序的任务函数是一个不占用CPU计算资源的程序，所以看上去它们是并行的。在Python中，CPU密集型任务会占用CPU资源，而因为GIL锁（但从Python3.14版本开始似乎会慢慢放开）的设计会导致其线程呈现出串行计算，达不到并发效果。所以多线程仅在IO密集型场景下并发效果明显。