点击头像，进入个人中心，查看文章合集，还有更多Python相关的精彩教程等着你！
在现代编程中，并发 (Concurrency) 和 并行 (Parallelism) 是提升性能的重大手段。
并发：同时处理多个任务（不必定同时执行，可以交替进行）。
并行：真正意义上的同时执行（依赖多核 CPU）。
Python 提供了多种并发工具：
threading —— 多线程编程
multiprocessing —— 多进程编程
concurrent.futures —— 高层接口，简化并发任务提交
本章主要介绍 多线程，下一章将学习 异步编程 (asyncio)。
使用 threading.Thread 创建线程。
示例：
import threadingimport timedef worker(name):
print(f"线程 {name} 开始")
time.sleep(2)
print(f"线程 {name} 结束")
t1 = threading.Thread(target=worker, args=("A",))
t2 = threading.Thread(target=worker, args=("B",))
t1.start()
t2.start()
t1.join()
t2.join()
print("主线程结束")✅ 输出结果（线程交替执行）：
线程 A 开始 线程 B 开始 线程 A 结束 线程 B 结束 主线程结束
普通线程：必须运行结束，主程序才会退出
守护线程：随着主线程退出而强制结束
示例：
def background_task(): while True:
print("后台运行中...")
time.sleep(1)
t = threading.Thread(target=background_task, daemon=True)
t.start()
time.sleep(3)
print("主线程结束，守护线程会被杀死")✅ 输出结果（只运行几次后台任务后退出）：
后台运行中... 后台运行中... 后台运行中... 主线程结束，守护线程会被杀死
多个线程同时修改同一变量，可能导致结果错误。
示例（错误情况）：
balance = 0def deposit(): global balance for _ in range(100000): balance += 1t1 = threading.Thread(target=deposit)t2 = threading.Thread(target=deposit)t1.start(); t2.start()t1.join(); t2.join()print("最终余额:", balance)✅ 结果可能小于 200000，由于多个线程同时写入，数据丢失。
threading.Lock 可以确保同一时间只有一个线程修改共享资源。
示例：
balance = 0lock = threading.Lock()def deposit(): global balance for _ in range(100000): with lock: balance += 1t1 = threading.Thread(target=deposit)t2 = threading.Thread(target=deposit)t1.start(); t2.start()t1.join(); t2.join()print("最终余额:", balance)✅ 输出结果：
最终余额: 200000
使用
concurrent.futures.ThreadPoolExecutor 可以更方便地管理线程。
示例：
from concurrent.futures import ThreadPoolExecutorimport timedef task(n):
time.sleep(1) return n * nwith ThreadPoolExecutor(max_workers=3) as executor:
results = list(executor.map(task, [1, 2, 3, 4, 5]))
print("结果:", results)✅ 输出结果（3 个线程并发执行，整体运行更快）：
结果: [1, 4, 9, 16, 25]
Python 的 GIL（Global Interpreter Lock，全局解释器锁） 限制了多线程不能真正并行执行 Python 字节码。
适合 I/O 密集型任务（网络请求、文件读写）。
对于 CPU 密集型任务，推荐使用 多进程 (multiprocessing)。
threading.Thread 创建线程
守护线程 → 主线程结束时自动退出
锁 (Lock) → 避免竞态条件
线程池 → 使用 ThreadPoolExecutor 简化管理
GIL 限制 → 多线程适合 I/O 密集型任务，不适合 CPU 密集型
下一章我们将学习 异步编程 (asyncio)，它是 Python 提供的另一种高效并发模型，特别适合网络编程。