# 9. Python 并发与并行编程

## 多线程编程

### 概述
多线程编程是一种并发编程的方式，允许程序在同一时间内执行多个线程。每个线程可以独立运行，共享相同的内存空间。Python 提供了 `threading` 模块来支持多线程编程。

### 线程的创建与启动
在 Python 中，可以通过继承 `threading.Thread` 类或直接使用 `threading.Thread` 对象来创建线程。以下是一个简单的示例：

```python
import threading

def worker():
    print("Worker thread is running")

# 创建线程
thread = threading.Thread(target=worker)
# 启动线程
thread.start()
# 等待线程完成
thread.join()

线程同步

由于多个线程共享相同的内存空间，可能会导致数据竞争问题。为了避免这种情况，可以使用线程同步机制，如锁（Lock）、信号量（Semaphore）等。

import threading

lock = threading.Lock()

def worker():
    with lock:
        print("Worker thread is running")

thread1 = threading.Thread(target=worker)
thread2 = threading.Thread(target=worker)

thread1.start()
thread2.start()

thread1.join()
thread2.join()

线程间通信

线程间通信可以通过队列（Queue）来实现。队列是线程安全的，可以在多个线程之间安全地传递数据。

import threading
import queue

def producer(q):
    for i in range(5):
        q.put(i)
        print(f"Produced {i}")

def consumer(q):
    while not q.empty():
        item = q.get()
        print(f"Consumed {item}")

q = queue.Queue()

thread1 = threading.Thread(target=producer, args=(q,))
thread2 = threading.Thread(target=consumer, args=(q,))

thread1.start()
thread2.start()

thread1.join()
thread2.join()

线程池

Python 的 concurrent.futures 模块提供了线程池（ThreadPoolExecutor），可以方便地管理多个线程。

from concurrent.futures import ThreadPoolExecutor

def worker(n):
    print(f"Worker {n} is running")

with ThreadPoolExecutor(max_workers=3) as executor:
    for i in range(5):
        executor.submit(worker, i)

注意事项

  • GIL（全局解释器锁）：Python 的 GIL 限制了同一时间只能有一个线程执行 Python 字节码，因此在 CPU 密集型任务中，多线程可能不会带来性能提升。
  • 线程安全：在多线程编程中，确保共享资源的线程安全是非常重要的。
  • 线程的生命周期：合理管理线程的启动、运行和结束，避免资源泄漏。

总结

多线程编程是 Python 并发编程的重要部分，适用于 I/O 密集型任务。通过合理使用线程同步机制和线程池，可以有效地提高程序的并发性能。

Last Updated::