Python 多線程編程的十個關鍵概念
今天我們要一起探索的是Python編程中的一個超炫酷領域——多線程！想象一下，你的程序能像超人一樣同時處理多個任務，是不是很激動人心？讓我們以輕松愉快的方式，一步步揭開它的神秘面紗。
1. 線程的初步認知
想象你是個廚房大廚，一邊炒菜一邊洗菜，這就是多線程的日常。在Python里，threading模塊就是我們的廚房神器。
import threading
def cook(): # 炒菜線程
print("炒菜中...")
def wash(): # 洗菜線程
print("洗菜中...")
# 創建線程對象
thread1 = threading.Thread(target=cook)
thread2 = threading.Thread(target=wash)
# 啟動線程
thread1.start()
thread2.start()
# 等待所有線程完成
thread1.join()
thread2.join()
print("飯做好啦！")這段代碼中，Thread類用來創建線程，target參數指定線程要執行的函數。start()讓線程開始執行，而join()確保主線程等待這些小線程們完成它們的任務。
2. 線程同步：避免廚房混亂
在多線程世界，如果兩個線程同時操作同一資源（比如共享食材），就可能出亂子。這時就需要“鎖”來幫忙了，Python里的鎖叫Lock。
import threading
shared_resource = 0
lock = threading.Lock()
def increase():
global shared_resource
lock.acquire() # 上鎖，防止同時訪問
shared_resource += 1
lock.release() # 解鎖，釋放控制權
threads = [threading.Thread(target=increase) for _ in range(100)]
for t in threads:
t.start()
for t in threads:
t.join()
print("共享資源的最終值:", shared_resource)每次訪問共享資源前，先acquire()上鎖，操作完后release()解鎖，這樣就避免了數據混亂。
3. 死鎖：可怕的廚房僵局
但鎖用不好也會出問題，就像兩個廚師互相等待對方手中的鍋，形成了死鎖。要小心設計，避免循環等待。
4. 線程池：高效管理廚房幫手
想象一下，如果你每次炒菜都要新雇一個廚師，那得多浪費？線程池(ThreadPoolExecutor)就是解決這個問題的神器，它預先創建好一些線程，重復利用。
from concurrent.futures import ThreadPoolExecutor
def task(n):
print(f"執行任務{n}")
with ThreadPoolExecutor(max_workers=5) as executor:
executor.map(task, range(1, 6))這里，ThreadPoolExecutor創建了一個最多有5個線程的池，map()函數并行執行任務列表中的每個任務。
5. 守護線程：廚房的清潔工
守護線程就像廚房的清潔工，在所有其他線程完成后默默清理。通過setDaemon(True)設置線程為守護線程。
def cleaner():
while True: # 假設這是一個無限循環，清理任務
print("打掃廚房...")
if not other_threads_running(): # 假定函數檢查其他線程是否還在運行
break
clean_thread = threading.Thread(target=cleaner)
clean_thread.setDaemon(True)
clean_thread.start()
# 其他線程的代碼...
print("廚房關閉，清潔完成。")6. 線程優先級：誰先炒誰先洗
雖然Python標準庫沒有直接提供線程優先級的功能，但可以通過隊列等間接實現。不過，大多數情況下，Python的線程調度是公平的，不需要擔心。
7. 全局解釋器鎖（GIL）
Python的GIL是一個讓人又愛又恨的東西，它保證了任何時刻只有一個線程在執行Python字節碼，這對多核CPU來說不是個好消息。但在I/O密集型任務中，GIL的影響沒那么大。
8. 線程局部存儲：我的調料我做主
不同線程需要不同的“調料”怎么辦？threading.local()來幫忙，它提供了線程本地的存儲空間。
import threading
local_data = threading.local()
def set_data():
local_data.value = "這是我的調料"
def get_data():
print(local_data.value)
t1 = threading.Thread(target=set_data)
t2 = threading.Thread(target=get_data)
t1.start()
t2.start()
t1.join()
t2.join()在這里，每個線程都有自己的local_data，互不影響。
9. 線程異常處理：防患于未然
線程中的異常不會自動傳遞到主線程，需要用try-except捕獲處理。
def risky_task():
raise ValueError("出錯了!")
try:
t = threading.Thread(target=risky_task)
t.start()
t.join()
except ValueError as e:
print(f"捕獲到異常: {e}")確保即使線程出錯，程序也不會突然崩潰。
10. 實戰演練：多線程下載
最后，來點實戰吧，比如多線程下載圖片，體驗速度的提升。
import requests
import threading
from queue import Queue
def download_image(url):
response = requests.get(url)
with open(f"image_{url[-4:]}", 'wb') as f:
f.write(response.content)
print(f"下載完成：{url}")
image_urls = ["http://example.com/image1.jpg", "http://example.com/image2.jpg"] # 假設的URL
queue = Queue()
threads = []
for url in image_urls:
queue.put(url)
def worker():
while not queue.empty():
url = queue.get()
download_image(url)
queue.task_done()
for _ in range(3): # 啟動3個下載線程
t = threading.Thread(target=worker)
t.start()
threads.append(t)
# 等待所有下載任務完成
for t in threads:
t.join()
print("所有圖片下載完成！")通過隊列分配任務給多個線程，實現了并行下載，大大提高了效率。
好啦，今天的探險就到這里！希望你已經對Python多線程有了更深入的理解。
