Python 线程指南：Python 提供了 threading 模块来实现多线程编程，适合 I/O 密集型任务（如网络请求、文件读写），但在 CPU 密集型任务中受限于 GIL（全局解释器锁）。
🔧 基础概念
-
线程：程序执行的最小单元，一个进程可以包含多个线程。
-
主线程：Python 程序启动时默认运行的线程。
-
多线程优势：适合并发执行 I/O 操作，提高响应速度。
-
限制：由于 GIL，Python 同一时刻只能有一个线程执行字节码，因此 CPU 密集型任务更适合用多进程。
📌 常用模块
-
_thread：底层线程模块，功能简单，通常不直接使用。 -
threading：高级封装，支持线程类、锁、事件、条件变量等。 -
concurrent.futures.ThreadPoolExecutor：线程池接口，简化线程管理。
🚀 基本用法
python
import threading
import timedef worker(name):print(f"线程 {name} 启动")time.sleep(2)print(f"线程 {name} 完成")# 创建线程
t1 = threading.Thread(target=worker, args=("A",))
t2 = threading.Thread(target=worker, args=("B",))# 启动线程
t1.start()
t2.start()# 等待线程结束
t1.join()
t2.join()
print("所有线程完成")-
start()：启动线程，进入就绪状态。 -
run()：线程执行的函数，直接调用不会创建新线程。 -
join()：等待线程结束。
🔒 线程同步
-
锁（Lock）：避免多个线程同时修改共享数据。
-
条件变量（Condition）：线程间通信。
-
事件（Event）：线程间信号机制。
📈 线程池示例
python
from concurrent.futures import ThreadPoolExecutordef task(n):return f"任务 {n} 完成"with ThreadPoolExecutor(max_workers=3) as executor:futures = [executor.submit(task, i) for i in range(5)]for f in futures:print(f.result())-
优势：线程池可复用线程，避免频繁创建销毁。
-
控制并发：通过
max_workers限制线程数量。
✅ 总结
-
适合场景：I/O 密集型任务（网络请求、文件操作）。
-
不适合场景：CPU 密集型任务（计算密集），推荐使用多进程。
-
工具选择：简单任务用
threading，复杂并发用ThreadPoolExecutor。