Python用threading实现多线程详解

多线程

多线程是个提高程序运行效率的好办法，本来要顺序执行的程序现在可以并行执行，可想而知效率要提高很多。但是多线程也不是能提高所有程序的效率。程序的两个极端是‘CPU 密集型'和‘I/O 密集型'两种，多线程技术比较适用于后者，因为在串行结构中当你去读写磁盘或者网络通信的时候 CPU 是闲着的，毕竟网络比磁盘要慢几个数量级，磁盘比内存慢几个数量级，内存又比 CPU 慢几个数量级。多线程技术就可以同时执行，比如你的程序需要发送 N 个 http 数据包（10 秒），还需要将文件从一个位置复制到另一个位置（20 秒），然后还需要统计另一个文件中'hello,world'字符串的出现次数（4 秒），现在一共是要用 34 秒。但是因为这些操作之间没有关联，所以可以写成多线程程序，几乎只需要 20 秒就完成了。这是针对 I/O 密集型的，如果是 CPU 密集型的就不行了。比如我的程序要计算 1000 的阶乘（10 秒），还要计算 100000 的累加（5 秒），那么即使程序是并行的，还是会要用 15 秒，甚至更多。因为当程序使用 CPU 的时候 CPU 是通过轮转来执行的，IO 密集型的程序可以在 IO 的同时用 CPU 计算，但是这里的 CPU 密集型就只能先执行一会儿线程 1 再执行一会儿线程 2。所以就需要 15 秒，甚至会更多，因为 CPU 在切换的时候需要耗时。解决 CPU 密集型程序的多线程问题就是 CPU 的事情了，比如 Intel 的超线程技术，可以在同一个核心上真正的并行两个线程，所以称之为‘双核四线程'或者‘四核八线程'，我们这里具体的先不谈，谈我也不知道。

Python 骗人

说了这么多多线程的好处，但是其实 Python 不支持真正意义上的多线程编程。在 Python 中有一个叫做 GIL 的东西，中文是 全局解释器 ，这东西控制了 Python，让 Python 只能同时运行一个线程。相当于说真正意义上的多线程是由 CPU 来控制的，Python 中的多线程由 GIL 控制。如果有一个 CPU 密集型程序，用 C 语言写的，运行在一个四核处理器上，采用多线程技术的话最多可以获得 4 倍的效率提升，但是如果用 Python 写的话并不会有提高，甚至会变慢，因为线程切换的问题。所以 Python 多线程相对更加适合写 I/O 密集型程序，再说了真正的对效率要求很高的 CPU 密集型程序都用 C/C++ 去了。

第一个多线程

Python 中多线程的库一般用thread和threading这两个，thread不推荐新手和一般人使用，threading模块就相当够用了。

有一个程序，如下。两个循环，分别休眠 3 秒和 5 秒，串行执行的话需要 8 秒。

#!/usr/bin/env python# coding=utf-8import timedef sleep_3(): time.sleep(3)def sleep_5(): time.sleep(5)if __name__ == '__main__': start_time = time.time() print 'start sleep 3' sleep_3() print 'start sleep 5' sleep_5() end_time = time.time() print str(end_time - start_time) + ' s'