Python教程：一文掌握Python多线程（很详细）_python 多线程教程

---

3.1使用 Lock 实现线程同步

在多线程编程中，为了避免多个线程同时访问共享资源导致数据混乱或不一致的问题，可以使用 Lock 对象实现线程同步。下面是一个简单的示例：

import threading

counter = 0
lock = threading.Lock()

def increment_counter():
    global counter
    with lock:
        counter += 1

# 创建多个线程并启动
threads = []
for _ in range(5):
    t = threading.Thread(target=increment_counter)
    t.start()
    threads.append(t)

# 等待所有线程执行完成
for t in threads:
    t.join()

print("Final counter value:", counter)

在上面的示例中，通过 Lock 对象确保了 counter 变量的原子性操作，避免了多线程同时修改导致的问题。

3.2使用 Queue 实现线程间通信

另一种常见的方式是使用 Queue 实现线程间的通信。Queue 是线程安全的数据结构，可以在多个线程之间安全地传递数据。以下是一个简单的示例：

import threading
import queue

def producer(q):
    for i in range(5):
        q.put(i)

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

# 创建队列
q = queue.Queue()

# 创建生产者和消费者线程
producer_thread = threading.Thread(target=producer, args=(q,))
consumer_thread = threading.Thread(target=consumer, args=(q))

# 启动线程
producer_thread.start()
consumer_thread.start()

# 等待线程执行完成
producer_thread.join()
consumer_thread.join()

在上面的示例中，通过 Queue 实现了生产者和消费者模式，生产者向队列中放入数据，消费者从队列中取出数据进行消费，实现了线程间的通信。

4.线程池的使用

---

使用 ThreadPoolExecutor 可以方便地管理线程池，控制线程数量并提交任务。以下是 ThreadPoolExecutor 的基本用法示例：

from concurrent.futures import ThreadPoolExecutor
import time

# 定义一个任务函数
def task(n):
    print(f"Task {n} started")
    time.sleep(2)
    return f"Task {n} completed"

# 创建 ThreadPoolExecutor
with ThreadPoolExecutor(max_workers=3) as executor:  # 控制线程池大小为3
    # 提交任务给线程池
    future1 = executor.submit(task, 1)
    future2 = executor.submit(task, 2)
    future3 = executor.submit(task, 3)

    # 获取任务执行结果
    print(future1.result())
    print(future2.result())
    print(future3.result())

在上面的示例中，通过 ThreadPoolExecutor 创建了一个最大容纳3个线程的线程池。然后使用 submit() 方法提交了三个任务，并使用