Python基础入门 Day102 多线程与线程安全

106次阅读

共计 2343 个字符，预计需要花费 6 分钟才能阅读完成。

在 Python 中，多线程编程允许我们同时执行多个任务，从而提高程序的响应速度和执行效率。尤其是在需要同时处理多个 I/O 操作（如文件读取、网络请求）时，多线程能显著提升性能。但同时，多线程也会带来线程安全问题，需要我们合理设计和使用锁机制。

一、什么是多线程
线程（Thread）是操作系统能够调度的最小执行单元，一个进程（Process）可以包含多个线程。多个线程共享同一个进程的内存空间，这使得线程之间的通信更加高效，但也带来了数据竞争和同步问题。

Python 提供了 threading 模块来实现多线程编程。

import threading

def task():
    print(" 线程正在执行任务 ")

# 创建线程
t = threading.Thread(target=task)
t.start()
t.join()
print(" 主线程结束 ")

在这个例子中，task() 是一个普通函数，通过 threading.Thread() 将它作为独立线程运行。start() 方法启动线程，join() 方法等待该线程执行完毕后再继续主线程。

二、创建多个线程
我们可以通过循环创建多个线程，同时执行不同任务：

import threading
import time

def task(name):
    print(f"{name} 开始执行 ")
    time.sleep(1)
    print(f"{name} 执行结束 ")

threads = []
for i in range(5):
    t = threading.Thread(target=task, args=(f" 线程 {i}",))
    threads.append(t)
    t.start()

for t in threads:
    t.join()

print(" 所有线程执行完毕 ")

在此代码中，5 个线程会几乎同时开始执行，每个线程都执行 task() 函数中的任务。

三、线程安全与锁机制
由于多个线程共享同一块内存空间，当多个线程同时访问同一变量时，就可能出现数据竞争问题。例如：

import threading

balance = 0

def add_money():
    global balance
    for _ in range(100000):
        balance += 1

def reduce_money():
    global balance
    for _ in range(100000):
        balance -= 1

t1 = threading.Thread(target=add_money)
t2 = threading.Thread(target=reduce_money)

t1.start()
t2.start()
t1.join()
t2.join()

print(" 最终余额：", balance)

理论上，最终余额应为 0，但由于线程竞争共享变量 balance，结果往往不正确。为了解决这个问题，我们可以使用线程锁（Lock）来保证线程安全。

四、使用 Lock 解决数据竞争

import threading

balance = 0
lock = threading.Lock()

def add_money():
    global balance
    for _ in range(100000):
        with lock:
            balance += 1

def reduce_money():
    global balance
    for _ in range(100000):
        with lock:
            balance -= 1

t1 = threading.Thread(target=add_money)
t2 = threading.Thread(target=reduce_money)
t1.start()
t2.start()
t1.join()
t2.join()

print(" 最终余额：", balance)

with lock: 语句确保在同一时间只有一个线程能够修改共享变量，避免了数据竞争。

五、守护线程（Daemon Thread）
守护线程通常用于在后台执行任务，比如日志记录、状态监控等。当主线程结束时，守护线程也会自动退出。

import threading
import time

def daemon_task():
    while True:
        print(" 守护线程运行中...")
        time.sleep(2)

t = threading.Thread(target=daemon_task, daemon=True)
t.start()

time.sleep(5)
print(" 主线程结束 ")

在此代码中，主线程运行 5 秒后结束，守护线程随即自动停止。

六、使用 ThreadPoolExecutor 简化多线程
在实际开发中，使用线程池可以更高效地管理线程数量。concurrent.futures 模块提供了 ThreadPoolExecutor 类，简化多线程的创建与管理。

from concurrent.futures import ThreadPoolExecutor
import time

def task(name):
    print(f"{name} 开始 ")
    time.sleep(1)
    print(f"{name} 完成 ")

with ThreadPoolExecutor(max_workers=3) as executor:
    for i in range(6):
        executor.submit(task, f" 任务 {i}")

该代码会创建一个最大 3 个线程的线程池，并行执行 6 个任务，自动控制线程的调度。

七、总结