多线程是Python中提升I/O密集型任务效率的并发技术，通过threading模块实现，虽受GIL限制无法真正并行执行CPU任务，但适用于文件读写、网络请求等场景。线程是操作系统调度的最小单位，共享进程内存空间，便于通信。使用threading.Thread类创建线程，target指定目标函数，args传参，调用start()启动线程，实现任务并发。由于GIL存在，CPU密集型任务应选用multiprocessing多进程方案。多线程访问共享资源时易引发数据竞争，需用Lock的acquire()和release()方法确保线程安全，防止结果不可预测。主线程默认不等待子线程，需调用join()方法阻塞直至子线程完成，适用于需同步结果的场景。守护线程（daemon=True）随主线程退出而终止，适合后台任务如监控、心跳检测，无需显式join。掌握线程创建、锁机制、生命周期管理是高效使用多线程的关键。
Python多线程编程是提升程序并发执行能力的重要手段，尤其适用于I/O密集型任务。虽然Python有全局解释器锁（GIL）限制了同一时刻只能有一个线程执行字节码，但在处理文件读写、网络请求等场景下，多线程依然能显著提高效率。
什么是多线程？
线程是操作系统调度的最小单位，一个进程可以包含多个线程，它们共享同一块内存空间，因此线程之间通信更方便。Python中的多线程通过 threading 模块实现，开发者可以创建、启动和管理多个线程来并发执行任务。
需要注意的是，由于GIL的存在，Python的多线程并不能真正实现CPU并行计算，对于CPU密集型任务，建议使用多进程（multiprocessing）替代。
创建和启动线程
使用 threading.Thread 类可以轻松创建新线程。目标函数通过 target 参数指定，参数通过 args 传入。
立即学习“Python免费学习笔记（深入）”；
- 导入 threading 模块
- 定义要在线程中运行的函数
- 创建 Thread 实例，指定目标函数和参数
- 调用 start() 方法启动线程
示例代码：
import threading
import time
<p>def print_numbers():
for i in range(5):
print(i)
time.sleep(1)</p><h1>创建线程</h1><p>t = threading.Thread(target=print_numbers)</p><h1>启动线程</h1><p>t.start()</p><p>print("主线程继续执行")
输出会交替显示数字和“主线程继续执行”，说明两个任务并发进行。
线程同步与共享数据安全
多个线程访问同一资源时可能引发数据竞争。例如，两个线程同时修改一个全局变量，结果可能不可预测。为保证安全，可使用 Lock 锁机制。
Lock 提供 acquire() 和 release() 方法，确保同一时间只有一个线程执行特定代码段。
示例：使用锁保护共享变量
import threading <p>counter = 0 lock = threading.Lock()</p><p>def increment(): global counter for _ in range(100000): lock.acquire() counter += 1 lock.release()</p><p>t1 = threading.Thread(target=increment) t2 = threading.Thread(target=increment)</p><p>t1.start() t2.start()</p><p>t1.join() t2.join()</p><p>print(counter) # 正确输出 200000
如果不加锁，最终结果可能小于预期值。
等待线程完成：join() 方法
主线程默认不会等待子线程结束。若需确保子线程执行完毕再继续，应调用 join() 方法。
例如：
t = threading.Thread(target=some_function)
t.start()
t.join() # 主线程阻塞，直到 t 执行完成
print("子线程已结束")
这在需要收集线程结果或有序执行时非常有用。
守护线程（Daemon Threads）
设置线程为守护线程后，当主线程退出时，守护线程会自动终止。适合用于后台任务，如心跳检测、日志监控等。
通过设置 daemon=True 来创建守护线程：
t = threading.Thread(target=background_task, daemon=True) t.start()
这类线程无需显式调用 join()，程序结束时会自动回收。
基本上就这些。掌握 threading 模块的基本用法后，你就能处理大多数并发I/O任务。理解GIL的限制，合理选择多线程或多进程方案，是写出高效Python程序的关键。不复杂但容易忽略细节，比如锁的使用和线程生命周期管理。
