Python 中的多线程通常用于处理I/O密集型任务,如网络请求、文件读写操作等,以及需要等待外部事件的情况。
需要注意的是,由于Python的全局解释器锁(GIL)的限制,Python 中的多线程并不能充分利用多核处理器。如果需要充分利用多核处理器,可以考虑使用多进程(multiprocessing
模块)或异步编程(asyncio
模块)。
启动多线程
Thread
在Python中,可以使用threading模块来实现多线程编程。多线程允许程序同时执行多个任务,因此可以提高程序的运行效率
import threading
import time
def task_function(task_id, result):
# 任务函数,用于模拟耗时任务,并将结果存储在 result 列表中
print(f"Task {
task_id} started")
time.sleep(2)
result.append(task_id * 2)
print(f"Task {
task_id} completed")
def main():
threads = [] # 用于存储创建的线程
result = [] # 用于存储任务执行的结果
for i in range(1, 6):
thread = threading.Thread(target=task_function, args=(i, result)) # 创建线程
threads.append(thread) # 将线程添加到列表
thread.start() # 启动线程
for thread in threads:
thread.join() # 等待线程执行完毕
print(result)
if __name__ == "__main__":
main()
Task 1 started
Task 2 started
Task 3 started
Task 4 started
Task 5 started
Task 2 completed
Task 1 completed
Task 4 completed
Task 5 completed
Task 3 completed
Result: [4, 2, 8, 10, 6]
ThreadPoolExecutor
线程池是一种用于管理和复用线程的技术,能够提高线程的使用效率。线程池通常用于管理并发任务,尤其是对于需要频繁创建和销毁线程的情况,线程池可以减少线程创建和销毁的开销,提高系统的性能和响应速度。
在使用线程池时,我们可以通过控制 max_workers
参数来限制线程池中的线程数量,以避免线程过多导致系统资源耗尽。
from concurrent.futures import ThreadPoolExecutor, as_completed
import time
# 定义一个简单的函数,将在线程池中执行
def task(num):
print(f"Starting task {
num}")
time.sleep(1) # 模拟一个耗时操作
print(f"Task {
num}