我对Python多线程编程的通俗理解，希望帮助到你！

1 默认启动主线程

一般的，程序默认执行只在一个线程，这个线程称为主线程，例子演示如下：

导入线程相关的模块 :

threading的类方法 返回当前线程：

所以，验证了程序默认是在中执行。

获得这个线程的名字，其他常用方法，获得线程,判断线程是否存活等。

以上这些仅是介绍多线程的，因为到目前为止，我们有且仅有一个"干活"的主线程

2 创建线程

创建一个线程：

创建一个名称为的线程：

创建线程的目的是告诉它帮助我们做些什么，做些什么通过参数传入，参数类型为，函数就是可调用的：

线程已经全副武装，但是我们得按下发射按钮，启动start()，它才开始真正起飞。

打印结果如下，其中指定函数需要的参数i，类型为元祖。

至此，多线程相关的核心知识点，已经总结完毕。但是，仅仅知道这些，还不够！光纸上谈兵，当然远远不够。

接下来，聊聊应用多线程编程，最本质的一些东西。

3 交替获得CPU时间片

为了更好解释，假定计算机是单核的，尽管对于，这个假定有些多余。

开辟3个线程，装到中:

启动3个线程：

打印结果如下，,,三个线程，根据操作系统的调度算法，轮询获得CPU时间片，注意观察，线程可能被连续调度，从而获得时间片。

4 多线程抢夺同一个变量

多线程编程，存在抢夺同一个变量的问题。

比如下面例子，创建的10个线程同时竞争全局变量:

执行结果：

结果一切正常，每个线程执行一次，把的值加1，最后 变为10，一切正常。

运行上面代码十几遍，一切也都正常。

所以，我们能下结论：这段代码是线程安全的吗？

NO！

多线程中，只要存在同时读取和修改一个全局变量的情况，如果不采取其他措施，就一定不是线程安全的。

尽管，有时，某些情况的资源竞争，暴露出问题的概率：

本例中，如果线程0 在修改a后，其他某些线程还是get到的是没有修改前的值，就会暴露问题。

但是在本例中，这种修改操作，花费的时间太短了，短到我们无法想象。所以，线程间轮询执行时，都能get到最新的a值。所以，暴露问题的概率就变得微乎其微。

5 代码稍作改动，叫问题暴露出来

只要弄明白问题暴露的原因，叫问题出现还是不困难的。

想象数据库的写入操作，一般需要耗费我们可以感知的时间。

为了模拟这个写入动作，简化期间，我们只需要延长修改变量的时间，问题很容易就会还原出来。

重新运行代码，只需一次，问题立马完全暴露，结果如下：

看到，10个线程全部运行后，的值只相当于一个线程执行的结果。

下面分析，为什么会出现上面的结果：

这是一个很有说服力的例子，因为在修改a前，有0.2秒的休眠时间，某个线程延时后，CPU立即分配计算资源给其他线程。直到分配给所有线程后，根据结果反映出，0.2秒的休眠时长还没耗尽，这样每个线程get到的a值都是0，所以才出现上面的结果。

以上最核心的三行代码：

6 加上一把锁，避免以上情况出现

知道问题出现的原因后，要想修复问题，也没那么复杂。

通过python中提供的锁机制，某段代码只能单线程执行时，上锁，其他线程等待，直到释放锁后，其他线程再争锁，执行代码，释放锁，重复以上。

创建一把锁:

通过 获得锁，通过释放锁，它们之间的这些代码，只能单线程执行。

执行结果如下：

一起正常，其实这已经是单线程顺序执行了，就本例子而言，已经失去多线程的价值，并且还带来了因为线程创建开销，浪费时间的副作用。

程序中只有一把锁，通过 还能确保不发生死锁。但是，当程序中启用多把锁，还是很容易发生死锁。

注意使用场合，避免死锁，是我们在使用多线程开发时需要注意的一些问题。

7 总结

Python的多线程模型还有一些更深入的问题，在此不再展开，后续再讨论。

希望透过这篇文章，帮助你对多线程模型编程本质有些更清晰的认识。