Python多线程实例详解（python2.7多线程）
以下是一个详细的 Python 多线程实例教程，包含代码逐行解析和应用场景说明：
一、Python 多线程基础
1. 线程 vs 进程
- 进程：独立内存空间，资源分配的基本单位
- 线程：共享进程资源，CPU调度的基本单位
- Python 特性：受 GIL（全局解释器锁）限制，适合 I/O 密集型任务
2. 核心模块
python
import threading
from queue import Queue
import time
二、基础多线程实例
示例1：简单线程创建
python
def print_numbers():
for i in range(5):
time.sleep(1)
print(f"Number: {i}")
def print_letters():
for letter in 'ABCDE':
time.sleep(1)
print(f"Letter: {letter}")
# 创建线程
t1 = threading.Thread(target=print_numbers)
t2 = threading.Thread(target=print_letters)
# 启动线程
t1.start()
t2.start()
# 等待线程结束
t1.join()
t2.join()
print("任务完成！")
输出结果：
复制
Number: 0
Letter: A
Number: 1
Letter: B
Number: 2
Letter: C
...（交替输出）
代码解析：
- 定义两个普通函数作为线程任务
- 创建 Thread 对象并指定 target
- start() 启动线程
- join() 等待线程结束
三、线程同步实例
示例2：使用锁防止资源冲突
python
class TicketSystem:
def __init__(self):
self.tickets = 10
self.lock = threading.Lock()
def buy_ticket(self, user):
with self.lock: # 自动获取和释放锁
if self.tickets > 0:
print(f"{user} 买到票！剩余票数：{self.tickets}")
self.tickets -= 1
else:
print(f"{user} 票已售罄！")
def user_action(system, name):
time.sleep(0.1) # 模拟网络延迟
system.buy_ticket(name)
# 创建票务系统
system = TicketSystem()
# 创建10个购票用户
users = [threading.Thread(target=user_action, args=(system, f"用户-{i}"))
for i in range(15)]
# 启动所有线程
for t in users:
t.start()
# 等待所有线程完成
for t in users:
t.join()
print("最终剩余票数:", system.tickets)
输出结果：
复制
用户-0 买到票！剩余票数：10
用户-1 买到票！剩余票数：9
...
用户-9 买到票！剩余票数：1
用户-10 票已售罄！
...
最终剩余票数: 0
关键点：
- 使用 with 语句自动管理锁
- 避免多个线程同时修改共享资源
- 注意锁的粒度控制
四、线程池实践
示例3：使用 concurrent.futures
python
import concurrent.futures
import requests
def download_url(url):
try:
resp = requests.get(url, timeout=3)
return f"{url} 下载完成，状态码：{resp.status_code}"
except Exception as e:
return f"{url} 下载失败：{str(e)}"
urls = [
'https://www.baidu.com',
'https://www.google.com',
'https://www.github.com',
'https://invalid.url'
]
# 创建线程池（最多5个线程）
with concurrent.futures.ThreadPoolExecutor(max_workers=5) as executor:
# 提交任务
future_to_url = {executor.submit(download_url, url): url for url in urls}
# 获取结果
for future in concurrent.futures.as_completed(future_to_url):
url = future_to_url[future]
try:
data = future.result()
except Exception as exc:
print(f'{url} 生成异常: {exc}')
else:
print(data)
输出结果：
复制
https://www.baidu.com 下载完成，状态码：200
https://www.github.com 下载完成，状态码：200
https://invalid.url 下载失败：...
https://www.google.com 下载失败：...
优势：
- 自动管理线程创建/销毁
- 方便获取任务结果
- 支持最大线程数控制
五、生产者-消费者模型
示例4：使用队列实现
python
复制
import random
def producer(queue, name):
for i in range(3):
item = f"产品-{name}-{i}"
time.sleep(random.uniform(0.1, 0.5))
queue.put(item)
print(f"生产 {item}")
queue.put(None) # 结束信号
def consumer(queue):
while True:
item = queue.get()
if item is None:
break
time.sleep(random.uniform(0.2, 0.7))
print(f"消费 {item}")
print("消费者退出")
# 创建队列
q = Queue(5) # 最大容量5
# 创建生产者和消费者
producers = [threading.Thread(target=producer, args=(q, i)) for i in range(2)]
consumers = [threading.Thread(target=consumer, args=(q,)) for _ in range(3)]
# 启动所有线程
for t in producers + consumers:
t.start()
# 等待生产者完成
for t in producers:
t.join()
# 发送结束信号
for _ in consumers:
q.put(None)
# 等待消费者完成
for t in consumers:
t.join()
print("所有任务完成")
输出结果：
复制
生产 产品-0-0
生产 产品-1-0
消费 产品-0-0
生产 产品-0-1
...
消费 产品-1-2
消费者退出
所有任务完成
六、关键知识点总结
- 线程创建方式：
O 直接实例化 Thread
O 继承 threading.Thread 类
O 使用线程池
- 同步机制：
O Lock：基础互斥锁
O RLock：可重入锁
O Semaphore：信号量
O Event：事件通知
O Condition：条件变量
- 最佳实践：
O 优先使用队列进行线程通信
O 避免使用全局变量
O 使用 with 语句管理锁
O 合理设置线程数量
- 调试技巧：
O 使用 threading.current_thread().name 查看线程信息
O 使用 logging 模块代替 print
O 使用 threading.enumerate() 查看活动线程
七、适用场景建议
- 推荐使用：
O 网络请求密集型（爬虫、API调用）
O 文件I/O操作
O GUI应用保持响应
O 数据库查询批量处理
- 不推荐使用：
O CPU密集型计算（推荐使用多进程）
O 需要精确时序控制的任务
O 对线程安全要求极高的场景
通过以上实例，可以系统掌握 Python 多线程的核心用法。实际开发中需注意：虽然多线程可以提高 I/O 密集型任务的效率，但线程数量并非越多越好，通常建议控制在 CPU 核心数 * 5 左右。