PythonVersion：3.10.12 如果要处理的任务是相互独立存在，那么使用多线程并发的处理数据会带来一定的效率提升。如果多线程任务之间相互有联系，那么使用多线程就要考虑一下线程安全问题了。 典型场景，多线程任务同时修改一个全局变量counter的值。 importthreading 共享资源 counter=0 线程函数 defworker(s): globalcounter foriinrange(1000000): counter+=1 print("{0}Countervalue:{1}".format(s,counter)) 创建两个线程并启动它们 t1=threa...

众所周知，受限于Python的GIL问题。真正放在CPU中运行的Python线程还是只有一个。因此所谓的多线程可以简单理解为多个任务线程，在一个CPU内核上快速切换造成的假象。这与Golang中那种真多线程(多个groutine并行运行在多个CPU内核上)还是有本质区别的。但是这并不是说Python中的多线程就没用，关键还是看使用场景： 场景一：繁重的数据汇总和计算(即CPU密集型)的任务，如数据清洗 场景二：频繁的网络访问、抓取数据(网络密集型)的任务，如网络爬虫 很明显，第一个场景CPU从头忙到尾，就没有一刻是清闲的。肯定是同时工作的CPU越多效率越高，Python的假象就不好使了。第二个...

PythonVersion：3.10.12 案列一：最简洁的情况，在多线程代码中不开启daemon或join功能。 importthreading importtime loop_count=5 defcount_num(num): print('子线程<{}>开始运行'.format(num)) forxinrange(10): time.sleep(x) print('子线程<{}>结束运行'.format(num)) returnnum task_list=[] foriinrange(loop_count): task=threading.Thre...