python多线程应使用threading模块而非\_thread或不存在的\_threading；threading提供thread类、lock等高级封装，支持异常隔离与资源同步，而\_thread仅为底层轻量接口，仅极少数场景适用。
Python中多线程主要通过threading模块实现，它比底层的_thread（旧称thread）更安全、功能更完整，是实际开发中的标准选择。所谓“_threading模块”并不存在——常见误解源于把threading误写为_threading，或混淆了_thread（C级轻量接口）与threading（面向对象高级封装）。
threading vs _thread：该用哪个？
_thread是Python的底层线程模块，提供极简的start_new_thread()和allocate_lock()等函数，不支持线程对象、无法获取线程状态、没有守护线程机制，异常会直接终止整个程序。而threading基于_thread构建，封装了Thread类、Lock、Event、Queue等工具，支持线程生命周期管理、异常隔离、资源同步，是推荐且默认使用的模块。
- 新手和绝大多数场景 → 用
threading - 嵌入式或极端性能敏感且需完全控制底层行为 → 才考虑
_thread（极少） - 不要导入
_threading——它不是公开API，也不在标准库中
快速上手：创建和启动线程
最常用方式是实例化threading.Thread，传入目标函数和参数：
import threading
import time
<p>def say_hello(name, delay):
time.sleep(delay)
print(f"Hello from {name}")</p><h1>创建两个线程</h1><p>t1 = threading.Thread(target=say_hello, args=("Thread-1", 1))
t2 = threading.Thread(target=say_hello, args=("Thread-2", 0.5))</p><h1>启动线程</h1><p>t1.start()
t2.start()</p><h1>等待线程结束（可选）</h1><p>t1.join()
t2.join()
print("All done")
注意：start()才是真正启动线程；调用run()只是在当前线程同步执行，不产生并发。
立即学习“Python免费学习笔记（深入）”；
Codapp 外卖点餐系统是一款专为快餐店、奶茶店、咖啡店、糕点店等商户打造的移动点餐解决方案，支持自提与外卖两种模式，可快速部署上线使用。 该系统支持微信、支付宝支付，并接入腾讯地图与百度地图，支持第三方配送（如达达）与商家自主配送，助力门店实现智能点单与订单管理。 功能特点： 微信小程序&H5移动端双端点餐：无需下载 App，直接扫码下单 支持多门店管理：一套系统可管理多家门
线程安全与共享数据：为什么需要Lock？
多个线程同时读写同一变量（如全局计数器）时，可能因执行时序交错导致结果错误（竞态条件）。例如两个线程各自对counter += 1执行100次，最终结果可能小于200。
解决方法是用threading.Lock加锁：
counter = 0 lock = threading.Lock() <p>def increment(): global counter for _ in range(100): with lock: # 自动 acquire/release counter += 1</p><p>t1 = threading.Thread(target=increment) t2 = threading.Thread(target=increment) t1.start(); t2.start() t1.join(); t2.join() print(counter) # 稳定输出 200
其他同步原语如RLock（可重入锁）、Event（线程间信号）、Condition（带等待/通知的条件变量）也常用于复杂协作场景。
实用技巧与避坑提醒
-
主线程退出时子线程默认继续运行——如需随主程序退出，设
daemon=True（后台线程），但注意其不会等待完成就强制终止 -
I/O密集型任务适合多线程（如网络请求、文件读写），CPU密集型建议用
multiprocessing（受GIL限制） -
避免用
time.sleep()模拟并发逻辑测试——时序不可控；可用threading.Event或queue.Queue做确定性协调 -
调试多线程程序时，优先使用
logging而非print——后者可能因缓冲导致输出混乱
掌握threading的核心类和同步机制，就能写出可靠、可维护的并发代码。不需要深入_thread或虚构的_threading，专注用好标准模块即可。
