前言
說起Python的多線程，很多人都嗤之以鼻，說Python的多線程是假的多線程，沒有用，或者說不好用，那本次就和大家一起來分享一下Python的多線程，看看是不是這樣的。
相關概念
線程（Thread）也叫輕量級進程，是操作系統能夠進行運算調度的最小單位，它被包含在進程之中，是進程中的實際運作單位。線程自己不擁有系統資源，只擁有一點在運行中必不可少的資源，但它可與同屬的一個進程的其它線程共享進程所擁有的全部資源。一個線程可以創建和撤銷另一個線程，同一進程中的多個線程之間可以併發執行。
多線程語法
在Python中實現多線程編程需要用到的就是threading模塊中的Thread類，我們來看看最簡單的語法，我們首先來一個簡單的函數。
def task(num):
count = 0
for i in range(num):
count += 1
print(count)
nums = [100, 1000, 10000]
for num in nums:
task(num)
# 100
#1000
#10000
我們用三個子線程分別計算。
import threading
def task(num):
count = 0
for i in range(num):
count += 1
print(count)
nums = [100, 1000, 10000]
for num in nums:
t = threading.Thread(target=task, args=(num,))
t.start()
利用Thread創建線程，target參數接收函數名，args參數接收函數的參數，start方法啓動線程。
這裏還需要講解一下join方法，他的作用是讓主線程等待，直到該子線程結束。我們來看看加該方法和不加該方法，最終的結果是怎麼樣的。
import threading
def task():
num = 0
for i in range(10000000):
num += 1
print(num)
t = threading.Thread(target=task)
t.start()
print('end')
# end
# 10000000
import threading
def task():
num = 0
for i in range(10000000):
num += 1
print(num)
t = threading.Thread(target=task)
t.start()
t.join()
print('end')
# 10000000
# end
GIL
在說概念之前，我們還是以上面的代碼爲例，分別求單線程和多線程代碼運行的時間。
單線程
import time
def task(num):
count = 0
for i in range(num):
count += 1
print(count)
nums = [1000000, 100000000, 1000000000]
start = time.time()
for num in nums:
task(num)
end = time.time()
print(end - start)
# 50.44705629348755
多線程
import threading
import time
def task(num):
count = 0
for i in range(num):
count += 1
print(count)
nums = [1000000, 100000000, 1000000000]
ts = []
start = time.time()
for num in nums:
t = threading.Thread(target=task, args=(num,))
t.start()
ts.append(t)
for t in ts:
t.join()
end = time.time()
print(end - start)
# 55.022353172302246
你會發現多線程比單線程花費的時間還要更多，這是因爲GIL的原因。
GIL的全稱是Global Interpreter Lock（全局解釋器鎖），Python最初的設計理念在於，爲了解決多線程之間數據完整性和狀態同步的問題，設計爲在任意時刻只能由一個線程在解釋器中運行。因此Python中的多線程是表面上的多線程（同一時刻只有一個線程），不是真正的多線程。
但是如果是因爲GIL的原因，就說多線程無用是不對的，對於IO密集的程序，多線程是要比單線程快的。我們舉一個簡單的爬蟲案例。
單線程
import time
def task(url):
s = url.split('_')[-1]
time.sleep(int(s)) #這裏模擬請求等待
urls = ['url_1', 'url_2', 'url_3']
start = time.time()
for url in urls:
task(url)
end = time.time()
print(end - start)
# 6.013520002365112
多線程
import threading
import time
def task(url):
s = url.split('_')[-1]
time.sleep(int(s))
ts = []
urls = ['url_1', 'url_2', 'url_3']
start = time.time()
for url in urls:
t = threading.Thread(target=task, args=(url,))
t.start()
ts.append(t)
for t in ts:
t.join()
end = time.time()
print(end - start)
# 3.005527973175049
這時候我們就能看到多線程的優勢了，雖然多線程只是在各線程來回切換，但是可以讓IO堵塞的時間切換到其他線程做其他的任務，很適合爬蟲或者文件的操作。
今天的分享就到這了，如果我的文章對你有幫助，別忘了點贊，收藏，轉發，這對我有很大的幫助，我們下期再見~