书接上回，上一篇咱们讲到python的多进程，利用多进程的变成方式，咱们实现了让计算机在同一时间干更多事情的功能。今天咱们就来说说，让计算机干更多事的另一种方法。多线程
与进程的关系？
既然说到了线程，咱们首先先了解一下线程与进程的关系。看下面的草图。
咳咳 ，虽然图片确实草了一丢丢，但是原理还是很清晰的。根据上图可以看出，进程包含线程。也就是说默认情况下 一个进程肯定会有一个线程的。多线程也就是在一个进程里面开出多个线程。多进程里面也可以包含多线程。
从上图也可以看出另一个问题，上一节中我们说到，多进程之间是不可以直接通讯的。但是由于多线程是被同一个进程包裹，故多线程中资源共享即可以直接通讯。
GIL全局解释器锁？
网上，或者各种讨论会上，python程序员面试中 被经常问到关于python多线程 GIL的问题。GIL的设计理念是无论你启多少个线程，在同一时间, Python在执行的时候只允许一个线程运行。这个设计理念在其他语言中是没有的。这种设计是为了保证同一时间内多个线程不会操作或误操作其他线程正在使用的资源。为了避免尴尬，就好比我在吃米饭，你过来把我的米饭抢走了。。。 同时这种设计也确实影响了python多线程的性能。这个咱们后面细说。
thread和threading
上面啰七八嗦了很多，下面说一下python实现多线程的方法。Python的标准库提供了两个模块：thread和threading，其中thread是低级模块，threading是高级模块。平常咱们使用就使用threading就好。thread在python中改成了_thread。官方也推荐使用threading了。看个例子
#!/usr/bin/env python#-*- coding:utf-8 -*-import threadingdef fun(n):print(n)x1 = threading.Thread(target=fun,args=('x1',))#生成线程x2 = threading.Thread(target=fun,args=('x2',))x1.start()#启动n1线程x2.start()#启动n2线程print x1.getName()print x2.getName()#运行x1x2Thread-1Thread-2#上面这段代码中 我们创建了两个线程,x1和x2 。语法比较简单。实际执行你会发现每次运行 输出的顺序都不一样。可能有同学注意到上面代码中，我们建立两个线程 需要start两次，难道我们创建100的线程也要这样么？那岂不代码又臭又长了。
#!/usr/bin/env python#-*- coding:utf-8 -*-import threadingdef fun(n):print(n)threads =[]for i in['x1','x2']: threads.append(threading.Thread(target=fun,args=(i,)))if __name__ =='__main__':for t in threads: t.setDaemon(True) t.start()print t.getName()#运行x1Thread-1x2Thread-2#我们对上面的代码进行了简单改造，用循环的方式创建多线程。
setDeamon=True？
你可能发现了上面的代码中有一段t.setDaemon(True)，这个是干嘛的？
#还是上面的例子咱们稍加改造一下#第一种#!/usr/bin/env python#-*- coding:utf-8 -*-import threadingimport timedef fun(n): time.sleep(1)print(n)threads =[]for i in['x1','x2']: threads.append(threading.Thread(target=fun,args=(i,)))if __name__ =='__main__':for t in threads: t.setDaemon(True)###看这里哦 t.start()print t.getName()print'走你'#运行Thread-1Thread-2走你#第二种#!/usr/bin/env python#-*- coding:utf-8 -*-import threadingimport timedef fun(n): time.sleep(1)print(n)threads =[]for i in['x1','x2']: threads.append(threading.Thread(target=fun,args=(i,)))if __name__ =='__main__':for t in threads: t.setDaemon(False)##看这里哦 t.start()print t.getName()print'走你'#运行Thread-1Thread-2走你x2x1##看见两种代码运行之后的输出了么？
由上面这个例子，得知。serDeamon(False)主线程执行过程中，子线程也在进行，主线程执行完毕后，等待子线程也执行完成后，主线程停止。而serDeamon(True)主线程执行过程中，子线程也在进行，主线程执行完毕后，子线程不论成功与否，主线程均停止。这里需要特别注意一下！
join()方法
#!/usr/bin/env python#-*- coding:utf-8 -*-import threadingimport timedef fun(n): time.sleep(1)print(n)threads =[]for i in['x1','x2']: threads.append(threading.Thread(target=fun,args=(i,)))if __name__ =='__main__':for t in threads: t.setDaemon(True) t.start()print t.getName()print'走你' t.join()#看这里#运行Thread-1Thread-2走你x1x2#还是上面的例子 只是我们在底部加了一个join方法。看到运行结果了没
join()阻塞当前上下文环境的线程，直到调用此方法的线程终止或到达指定的timeout，主线程才会停止运行，即使设置了setDeamon（True）主线程依然要等待子线程结束。这就达到了serDeamon(False)的效果。
Lock、Rlock
从英文单词来看，咱们也知道这只是锁。没错，线程锁。当某线程可能在执行n条后，CPU接着执行其他线程。为了多个线程同时操作一个内存中的资源时不产生混乱，我们使用锁。这个锁是咱们手动设定的。两者有什么不同？
Lock（指令锁）是可用的最低级的同步指令。Lock处于锁定状态时，不被特定的线程拥有。Lock包含两种状态——锁定和非锁定，以及两个基本的方法。可以认为Lock有一个锁定池，当线程请求锁定时，将线程至于池中，直到获得锁定后出池。池中的线程处于状态图中的同步阻塞状态。
RLock（可重入锁）是一个可以被同一个线程请求多次的同步指令。RLock使用了“拥有的线程”和“递归等级”的概念，处于锁定状态时，RLock被某个线程拥有。拥有RLock的线程可以再次调用acquire()，释放锁时需要调用release()相同次数。
注意，如果你使用的Lock 并且多次获取锁时，会导致程序死锁。但是Rlock就不会。 这是面试问题，要记住啊
实际变成编程中，我们还是推荐使用Rlock。
咱们看个例子来演示一下锁的使用
#咱们用多线程来输出1-10的数字#咱们先看一下不加锁的情况#!/usr/bin/env python#-*- coding:utf-8 -*-import threadingimport timegl_num =0def show(arg):global gl_num time.sleep(1) gl_num +=1print gl_numfor i in range(10): t = threading.Thread(target=show, args=(i,)) t.start()#运行1342567899##乱七八糟#加锁#!/usr/bin/env python#-*- coding:utf-8 -*-import threadingimport timelock = threading.RLock()gl_num =0def show(arg): lock.acquire()global gl_num time.sleep(1) gl_num +=1print gl_num lock.release()for i in range(10): t = threading.Thread(target=show, args=(i,)) t.start()#运行12345678910#看到区别了么
好啦，关于多线程就讲这么多，够用了。关于多进程+多线程的套用方法，童鞋们自己研究一下非常简单，但是也不推荐使用，这种情况会导致代码逻辑过于复杂，不利于维护。
说回GIL，业界关于pythonGIL的讨论一直是喋喋不休。多线程的并发在Python中就是一个美丽的梦，这句话是没错的。确实在某些程度上影响了多线程的性能。那么我们如何选择，记得某位大神说过，IO密集型用多线程，计算密集型用多进程。自己体会一下含义吧。我就不做过多解释了。
欢迎加入python自学交流群：460146436
閱讀更多 js龍紋 的文章
