Python threading 模块

关键要点

Python 的 threading 模块用于创建和管理线程，实现单进程内的并发执行，特别适合 I/O 密集型任务。
由于 CPython 的 Global Interpreter Lock (GIL)，线程无法在 CPU 密集型任务中实现真正的并行，适合等待型任务。
Python 3.13 引入实验性的无 GIL 模式（free threading），允许真正并行，但目前单线程性能下降约 40%。
Python 3.14 预计将改进无 GIL 模式，性能开销可能降至 10% 或更低，仍在开发中。

模块简介

threading 模块是 Python 标准库的一部分，帮助你在程序中运行多个任务同时进行，特别适合文件操作或网络请求等需要等待的任务。

如何使用

你可以通过 threading.Thread 创建线程，例如：

import threading

def thread_function(index):
    print(f"Thread {index} is running")

x = threading.Thread(target=thread_function, args=(1,))
x.start()

这会创建一个线程运行 thread_function 函数。

限制与改进

由于 GIL 的存在，线程无法充分利用多核 CPU。对于 CPU 密集型任务，建议使用 multiprocessing。Python 3.13 的无 GIL 模式实验性支持并行，但性能有开销。Python 3.14 预计会优化此功能，详情见 threading — Thread-based parallelism。

Python threading 模块详细说明（截至 2025 年 6 月 4 日）

背景与概述

Python 的 threading 模块自 Python 2.4 开始成为标准库的一部分，基于更底层的 _thread 模块，提供更高层次的线程管理接口。它特别适合 I/O 密集型任务，如文件读取、网络请求或数据库查询，通过允许多个线程并发执行来提高程序响应性。线程共享相同的内存空间，这便于数据交换，但也需要同步机制来防止数据竞争。

然而，在 CPython（标准 Python 实现）中，存在 Global Interpreter Lock (GIL)，它确保同一时间只允许一个线程执行 Python 字节码。这意味着对于 CPU 密集型任务，threading 无法实现真正的并行，因此建议使用 multiprocessing 模块来利用多核 CPU。

核心功能与使用方法

threading 模块提供了多种类和工具，用于线程创建和管理：

线程创建：使用 threading.Thread 类创建线程，常用方法包括 .start() 开始执行和 .join() 等待线程完成。例如：

  import threading

  def thread_function(index):
      print(f"Thread {index} is running")

  x = threading.Thread(target=thread_function, args=(1,))
  x.start()

这会创建一个线程，运行 thread_function 函数，参数为 1。

同步工具：为了管理共享数据访问，模块提供了以下工具：
Lock：确保互斥访问，例如 with threading.Lock(): 用于保护临界区。
RLock：可重入锁，允许同一线程多次获取。
Semaphore：控制对有限资源的访问，适合资源池管理。
Condition：用于更复杂的同步，如生产者-消费者模式。
Barrier：同步固定数量的线程，例如在初始化阶段。
守护线程：通过设置 daemon=True，这些线程在主程序退出时自动终止，适合辅助任务。
线程池：虽然不是 threading 模块直接提供，但可以通过 concurrent.futures.ThreadPoolExecutor 管理多个线程，简化任务提交和执行。

实际示例

考虑一个场景：多个线程并发下载文件：

import threading
import time

def download_file(url, index):
    print(f"Thread {index} started downloading {url}")
    time.sleep(2)  # 模拟下载时间
    print(f"Thread {index} finished downloading {url}")

threads = []
for i in range(3):
    url = f"[invalid url, do not cite]
    t = threading.Thread(target=download_file, args=(url, i))
    threads.append(t)
    t.start()

for t in threads:
    t.join()
print("All downloads completed")

这个示例展示了如何创建和管理多个线程，使用 .join() 确保主程序等待所有下载完成。

限制与 GIL 的影响

GIL 是 CPython 的一个特定特性，限制了线程在执行 Python 字节码时的并行性。虽然线程可以在 I/O 操作期间并发运行（例如等待网络响应），但对于 CPU 密集型任务，GIL 会导致性能瓶颈。因此，threading 适合 I/O 密集型任务，而不适合 CPU 密集型任务。对于需要多核利用的场景，建议使用 multiprocessing，因为它创建独立的进程，每个进程有自己的 Python 解释器和内存空间。

最新进展：无 GIL 模式（Free Threading）

自 2023 年以来，Python 3.13（2024 年 10 月发布）引入了一个实验性特性：无 GIL 模式（free threading），通过禁用 GIL 允许线程真正并行执行 Python 字节码。这是 Python 并发模型的一个重大突破，旨在充分利用现代多核硬件的计算能力。

然而，截至 2025 年 6 月 4 日，无 GIL 模式仍处于实验阶段。在 Python 3.13 中，由于专门化的自适应解释器（specializing adaptive interpreter，Python 3.11 引入）尚未线程安全，因此在无 GIL 模式下被禁用。这导致单线程性能下降约 40%，主要影响 I/O 密集型任务较少的应用。根据 Python experimental support for free threading，无 GIL 模式还使某些对象“永生”（immortal），以避免引用计数竞争，但这可能增加内存使用，预计在 Python 3.14 中解决。

Python 3.14 的预期改进

Python 3.14 目前处于 Beta 阶段（截至 2025 年 6 月 4 日，已发布 3.14.0b2，计划于 2025 年 7 月 22 日进入候选发布阶段）。根据 Python Release Python 3.14.0b1 和相关讨论，无 GIL 模式预计将在 Python 3.14 中得到优化，特别是使专门化的自适应解释器线程安全，从而显著减少性能开销。目标是将 pyperformance 基准测试 suite 上的性能开销降至 10% 或更低。这将使无 GIL 模式成为生产环境中的可行选择。

此外，Python 3.14 还将引入其他新特性，如模板字符串（PEP 750）和延迟评估注解（PEP 649），但这些与线程模块无直接关系。

使用场景与最佳实践

threading 模块适合以下场景：

Web 爬虫或文件下载，线程可以并发处理多个请求。
GUI 应用程序，在后台执行任务时保持界面响应。
任何任务在等待 I/O 时允许其他线程继续执行的场景。

最佳实践包括：

使用锁（如 threading.Lock）防止数据竞争。
避免死锁，通过合理设计锁的顺序或使用 RLock。
对于 CPU 密集型任务，考虑使用 multiprocessing 或 concurrent.futures.ProcessPoolExecutor。
注意无 GIL 模式仍为实验性功能，在生产环境中使用前需彻底测试。

对比分析：Threading 与其他并发模型

以下表格比较 threading 与相关并发模型：

方面	Threading (`threading`)	Multiprocessing	Async IO (`asyncio`)
并发模型	OS 线程，GIL 限制并行	独立进程，真正并行	单线程，基于事件循环
内存共享	共享，需要同步	独立，需要显式通信	共享，无 OS 线程
使用场景	I/O 密集型，响应性应用	CPU 密集型，多核利用	I/O 密集型，网络密集
开销	I/O 低，CPU 受 GIL 影响	高，由于进程创建	低，单线程
GIL 影响	显著，Python 3.13 开始实验无 GIL	无，独立解释器	无，无 OS 线程

这张表突出了 threading 适合 I/O 密集型任务，而无 GIL 模式的持续发展可能扩展其适用范围。

学习资源

以下是推荐的学习资源：

官方文档：threading — Thread-based parallelism
教程：An Intro to Threading in Python – Real Python
社区资源：Multithreading in Python | GeeksforGeeks

注意事项

在使用 threading 时，需要注意以下几点：

确保使用 Python 3.5 或更高版本，以充分利用现代特性。
避免在线程中调用阻塞操作（如同步的 time.sleep），以免阻塞事件循环。
对于实际开发，建议结合其他库（如 concurrent.futures）扩展功能。
无 GIL 模式目前为实验性功能，Python 3.13 和 3.14 仍在测试中，生产环境使用需谨慎。

结论

截至 2025 年 6 月 4 日，Python 的 threading 模块仍是并发编程的重要工具，特别适合 I/O 密集型任务。尽管 GIL 限制了其在 CPU 密集型任务中的性能，但 Python 3.13 的无 GIL 模式标志着一个重要进步，允许多线程真正并行。Python 3.14 的预期改进将进一步提升性能，使其成为未来发展的重点。开发者应根据任务性质选择合适的并发模型，并关注无 GIL 模式的持续发展。