摘要：多線程的理解多進程和多線程都可以執行多個任務，線程是進程的一部分。多線程創建在中，同樣可以實現多線程，有兩個標準模塊和，不過我們主要使用更高級的模塊。多線程的應用場景。

多進程和多線程都可以執行多個任務，線程是進程的一部分。線程的特點是線程之間可以共享內存和變量，資源消耗少（不過在Unix環境中，多進程和多線程資源調度消耗差距不明顯，Unix調度較快），缺點是線程之間的同步和加鎖比較麻煩。

在Python中，同樣可以實現多線程，有兩個標準模塊thread和threading，不過我們主要使用更高級的threading模塊。使用例子：

import threading
import time

def target():
    print "the curent threading  %s is running" % threading.current_thread().name
    time.sleep(1)
    print "the curent threading  %s is ended" % threading.current_thread().name

print "the curent threading  %s is running" % threading.current_thread().name
t = threading.Thread(target=target)

t.start()
t.join()
print "the curent threading  %s is ended" % threading.current_thread().name

輸出：
the curent threading MainThread is running
the curent threading Thread-1 is running
the curent threading Thread-1 is ended
the curent threading MainThread is ended

start是啟動線程，join是阻塞當前線程，即使得在當前線程結束時，不會退出。從結果可以看到，主線程直到Thread-1結束之后才結束。
Python中，默認情況下，如果不加join語句，那么主線程不會等到當前線程結束才結束，但卻不會立即殺死該線程。如不加join輸出如下：

the curent threading MainThread is running
the curent threading Thread-1 is running
the curent threading MainThread is ended
the curent threading Thread-1 is ended

但如果為線程實例添加t.setDaemon(True)之后，如果不加join語句，那么當主線程結束之后，會殺死子線程。代碼：

import threading
import time
def target():
    print "the curent threading  %s is running" % threading.current_thread().name
    time.sleep(4)
    print "the curent threading  %s is ended" % threading.current_thread().name
print "the curent threading  %s is running" % threading.current_thread().name
t = threading.Thread(target=target)
t.setDaemon(True)
t.start()
t.join()
print "the curent threading  %s is ended" % threading.current_thread().name

輸出如下：
the curent threading MainThread is running
the curent threading Thread-1 is running
the curent threading MainThread is ended
如果加上join,并設置等待時間，就會等待線程一段時間再退出：

import threading
import time
def target():
    print "the curent threading  %s is running" % threading.current_thread().name
    time.sleep(4)
    print "the curent threading  %s is ended" % threading.current_thread().name
print "the curent threading  %s is running" % threading.current_thread().name
t = threading.Thread(target=target)
t.setDaemon(True)
t.start()
t.join(1)

輸出：
the curent threading MainThread is running
the curent threading Thread-1 is running
the curent threading MainThread is ended
主線程等待1秒，就自動結束，并殺死子線程。如果join不加等待時間，t.join(),就會一直等待，一直到子線程結束，輸出如下：
the curent threading MainThread is running
the curent threading Thread-1 is running
the curent threading Thread-1 is ended
the curent threading MainThread is ended

對于多線程來說，最大的特點就是線程之間可以共享數據，那么共享數據就會出現多線程同時更改一個變量，使用同樣的資源，而出現死鎖、數據錯亂等情況。

假設有兩個全局資源，a和b，有兩個線程thread1，thread2. thread1占用a，想訪問b，但此時thread2占用b，想訪問a，兩個線程都不釋放此時擁有的資源，那么就會造成死鎖。

對于該問題，出現了Lock。 當訪問某個資源之前，用Lock.acquire()鎖住資源,訪問之后，用Lock.release()釋放資源。

import threading
import time

a = 3
lock = threading.Lock()
def target():
    print "the curent threading  %s is running" % threading.current_thread().name
    time.sleep(4)
    global a #使用global語句可以清楚地表明變量是在外面的塊定義的
    lock.acquire()
    try:
        a += 3
    finally:
        lock.release()
    print "the curent threading  %s is ended" % threading.current_thread().name
    print "yes"
t = threading.Thread(target=target)
t1 = threading.Thread(target=target)

t.start()
t1.start()
t.join()
t1.join()
print a

用finally的目的是防止當前線程無線占用資源。

介紹完線程鎖，接下來出場的是ThreadLocal。當不想將變量共享給其他線程時，可以使用局部變量，但在函數中定義局部變量會使得在函數之間傳遞特別麻煩。ThreadLocal是非常牛逼的東西，它解決了全局變量需要枷鎖，局部變量傳遞麻煩的兩個問題。通過在線程中定義：
local_school = threading.local()
此時這個local_school就變成了一個全局變量，但這個全局變量只在該線程中為全局變量，對于其他線程來說是局部變量，別的線程不可更改。 def process_thread(name):# 綁定ThreadLocal的student: local_school.student = name

這個student屬性只有本線程可以修改，別的線程不可以。代碼：

local = threading.local()
def func(name):
    print "current thread:%s" % threading.currentThread().name
    local.name = name
    print "%s in %s" % (local.name,threading.currentThread().name)
t1 = threading.Thread(target=func,args=("haibo",))
t2 = threading.Thread(target=func,args=("lina",))
t1.start()
t2.start()
t1.join()
t2.join()

從代碼中也可以看到，可以將ThreadLocal理解成一個dict,可以綁定不同變量。
ThreadLocal用的最多的地方就是每一個線程處理一個HTTP請求，在Flask框架中利用的就是該原理，它使用的是基于Werkzeug的LocalStack。

對于多線程的使用，我們經常是用thread來創建，比較繁瑣：

class MyThread(threading.Thread):
    def init(self):
        threading.Thread.init(self)
def run(self):
    lock.acquire()
    print threading.currentThread().getName()
    lock.release()
 
def build_worker(num):
    workers = []
    for t in range(num):
        work = MyThread()
        work.start()
        workers.append(work)
    return workers
def producer():
    threads = build_worker(4)
    for w in threads:
        w.join()
    print "Done"

如果要創建更多的線程，那就要一一加到里面，操作麻煩，代碼可讀性也變差。在Python中，可以使用map函數簡化代碼。map可以實現多任務的并發，簡單示例：

urls = ["http://www.baidu.com","http://www.sina.com","http://www.qq.com"]
results=map(urllib2.urlopen,urls)

urls = ["http://www.baidu.com","http://www.sina.com","http://www.qq.com"]
results=map(urllib2.urlopen,urls)
map將urls的每個元素當做參數分別傳給urllib2.urlopen函數，并最后把結果放到results列表中，map 函數一手包辦了序列操作、參數傳遞和結果保存等一系列的操作。 其原理：

map函數負責將線程分給不同的CPU。

在 Python 中有個兩個庫包含了 map 函數： multiprocessing 和它鮮為人知的子庫 multiprocessing.dummy.dummy 是 multiprocessing 模塊的完整克隆，唯一的不同在于 multiprocessing 作用于進程，而 dummy 模塊作用于線程。代碼：

import urllib2

from multiprocessing.dummy import Pool as ThreadPool

urls = ["http://www.baidu.com","http://www.sina.com","http://www.qq.com"]

pool = ThreadPool()

results = pool.map(urllib2.urlopen,urls)
print results
pool.close()
pool.join()

print "main ended"

上面說了那么多關于多線程的用法，但Python多線程并不能真正能發揮作用，因為在Python中，有一個GIL，即全局解釋鎖，該鎖的存在保證在同一個時間只能有一個線程執行任務，也就是多線程并不是真正的并發，只是交替得執行。假如有10個線程炮在10核CPU上，當前工作的也只能是一個CPU上的線程。

雖然Python多線程有缺陷，總被人說成是雞肋，但也不是一無用處，它很適合用在IO密集型任務中。I/O密集型執行期間大部分是時間都用在I/O上，如數據庫I/O，較少時間用在CPU計算上。因此該應用場景可以使用Python多線程，當一個任務阻塞在IO操作上時，我們可以立即切換執行其他線程上執行其他IO操作請求。

總結：Python多線程在IO密集型任務中還是很有用處的，而對于計算密集型任務，應該使用Python多進程。