为什么有人说python的多线程是鸡肋呢?

为什么Python的多任务被批评为“不请自来”？此问题是由内部全局解释器锁(GIL)引起的。
GIL的存在意味着在任何给定时间，只有一个Python解释器正在执行Python字节码。
这意味着虽然Python支持多线程，但多线程的性能提升在CPU密集型任务中往往并不明显。
当我们关注多任务Python时，重点往往是IO操作。
这类工作大部分时间必须等待I/O操作完成，例如绘图过程。
在这些情况下，多个线程可以同时执行，从而提高整体效率，因为等待I/O操作的线程可以使用其他线程来连续运行。
然而，对于CPU密集型任务，多线程的性能不如单线程，因为线程之间的切换会带来额外的开销。
因此，对于CPU密集型任务，建议使用Python多处理库。
它依赖于多个进程汇聚的多个工具，避免了GIL的影响，从而在CPU密集型任务中提供更好的性能。
值得注意的是，在使用多处理时，变量共享通常需要使用muria库。
对于不确定代码类型（CPU密集型还是IO密集型）的场景，可以尝试使用phantommultiprocessing子模块，它实现了基于多线程的多处理API。
通过比较使用多处理和多线程实现并发的性能，您可以选择更高效的解决方案。
最后值得一提的是，并发Python库提供了更简单的API，包括ThreadPoolExecutor和ProcessPoolExecutor，在某些情况下可以提供更方便的并发执行。

Python多线程编程之线程结束

线程管理包括创建线程、启动线程、休眠线程、等待线程完成和停止线程。
创建线程、启动线程、休眠线程已经提到过，这里不再重复。

1等待线程结束

等待线程结束使用join()方法当前线程调用线程t1的join()方法时，会阻塞当前进程并等待。
线程t1结束。
如果线程t1终止或超时到期，则当前线程返回活动状态并继续执行。
join()方法的语法如下：

join(timeout=None)

timeout参数用于定义超时时间，单位为s。
如果不设置超时，可以无限等待

当一个线程依赖于另一个线程的执行结果时，可以调用另一个线程的join()方法并等待其完成

示例：

importthreadingimporttimeshared_value=0defthread_body():globalshared_valueprint('ThreadA正在启动...')for_inrange(5):print('ThreadA正在运行...')share_value+=1time.sleep(1)print('ThreadA正在运行...')defmain():print("主线程启动...")t1=threading.Thread(target=thread_body,name='ThreadA')t1.start()print('主线程是阻塞...')t1.join()print(f'value={shared_value}')print('主线程继续执行...')

结果：

主线程正在启​​动...ThreadA正在启动...主线程被阻止停止...ThreadA正在运行...ThreadA正在运行...ThreadA正在运行...ThreadA正在运行。
执行.....ThreadA结束...value=5主线程继续执行...

这里定义了一个共享变量shared_value，在body中修改该变量线程的。
在main函数中调用t1的join()方法会导致主线程阻塞，等待线程t1执行完毕后，主线程才会继续执行。
从结果来看，主线程丢失并阻塞，打印的shared_value从0变成了5

2个线程停止

对于一些复杂的业务，需要定义一个线程停止变量来判断线程停止。
比如有一个系统，采集数据，每半小时执行一次数据采集任务。
数据录入任务通常在子线程中执行，并在执行前休眠一定时间。
这个子线程在中国会无限循环。
为了停止子线程，必须定义一个线程停止变量

示例：

importthreadingimporttimeis_running=Truedefthread_body():whileis_running:print('ThreadAstart...')#数据捕获任务print('ThreadA正在运行...')time.sleep(1)print('ThreadA正在运行中...')print('整个程序执行完毕')defmain():print('主线程正在启​​动..')t1=threading.Thread(target=thread_body)t1.start()command=input('请输入关闭命令:')ifcommand=='exit':globalis_runningis_running=Falseif__name__=='__main__':main()

结果：

主线程启动.......ThreadA开始...ThreadA正在运行...请输入停止命令：exitThreadA结束...整个程序执行终止

这里定义了一个线程。
关闭变量is_running，默认值为True。
当用户通过键盘在控制台输入exit时，其值变为False，程序退出。
请注意，在输入exit后控制台，你仍然需要按回车键。

python编程的多线程为何是伪多线程?

为什么Python中的多线程称为伪多线程？这与全局解释器锁（GIL）的概念密切相关。
当Python最初设计时，开发团队假设主循环中只能运行一个线程，就像运行多个进程的单核处理器一样。
虽然Python可以同时运行多个线程，但本质上Python虚拟机（解释器）中只有一个线程运行。
GIL负责访问Python虚拟机并确保一次只有一个线程在运行。
在多线程环境下，Python的执行过程如下：1.设置GIL。
2.切换到一个线程执行。
3.跑步。
4.线程进入睡眠状态。
5.解锁GIL。
6.重复上述步骤。
具体来说，每执行100个字节码，GIL就被释放，以便其他线程有机会执行。
因此，在Python的多线程环境中，程序实际上是交替执行的，这是通过上下文切换来实现的，而不是同时执行代码。
这导致Python在处理大量并发任务时多线程性能比C或C++等语言差。
然而，Python多线程非常适合I/O密集型任务，因为I/O操作通常需要等待外部资源，而其他线程可以利用空闲时间执行其他任务。
总的来说，理解GIL的作用对于深入理解Python的多线程能力至关重要。