https://www.byhy.net/py/lang/extra/multi_thread/

进程和线程的概念

我们写的python程序，右键运行起来，就称之为一个进程。可以在windows任务管理器查看到

当Python解释器程序运行起来（成为一个进程）：
python解释器本身就是一个程序 python.exe, 解释执行python脚本的。
python解释器运行起来之后本身就对应一个进程（运行着的程序）。
OS就自动的创建一个线程：
让它执行python解释器本身的代码。
当解释器执行我们python程序代码的时候。 我们的代码就在这个主线程中解释执行：
即我们写的代码去运行的时候，实在python解释器的主线程中去运行的。

Python代码中创建新线程

print('主线程执行代码') 

# 从 threading 库中导入Thread类
from threading import Thread
from time import sleep

# 定义一个函数，作为新线程执行的入口函数
def threadFunc(arg1,arg2):
    print('子线程 开始')
    print(f'线程函数参数是：{arg1}, {arg2}')
    sleep(5)
    print('子线程 结束')


# 创建 Thread 类的实例对象
thread = Thread(
    # target 参数 指定 新线程要执行的函数
    # 注意，这里指定的函数对象只能写一个名字，不能后面加括号，
    # 如果加括号就是直接在当前线程调用执行，而不是在新线程中执行了
    target=threadFunc, 

    # 如果 新线程函数需要参数，在 args里面填入参数
    # 注意参数是元组， 如果只有一个参数，后面要有逗号，像这样 args=('参数1',)
    args=('参数1', '参数2')
)

# 执行start 方法，就会创建新线程，
# 并且新线程会去执行入口函数里面的代码。
# 这时候 这个进程 有两个线程了。
thread.start()
print('主线程结束')

没有join时，主线程先执行结束，然后大概5秒后子线程才结束，进程才结束。一个 Python 程序的整个进程，只有在 所有非守护线程（non-daemon thread）都结束后，才会真正退出
我们创建的 Thread 默认是 非守护线程 (daemon = False)
所以即使主线程已经执行完了 print(‘主线程结束’)，进程仍然会等子线程执行完（即 print(‘子线程 结束’) 打印出来）之后才退出【参加daemon线程章节】。

join就是 等待参数对应的线程完成，才返回

thread = Thread(target=threadFunc,
                args=('参数1', '参数2')
                )
  # target放的是函数对象，不能加括号，加括号就是执行这个函数了

共享数据的访问控制

10个线程，一开始取的初始值大概率就是0，所以即使线程2赋值为1了，但是线程3取到的不是1，而是0，再写会是1.

daemon线程

Python程序中当所有的 非daemon线程 结束了，整个程序才会结束
守护线程（daemon thread）

在 Python（以及很多语言）里，守护线程的特点是：

当进程里只剩下守护线程时，整个进程会直接退出，不会等待守护线程跑完。也就是说，守护线程是“陪跑线程”，不能阻止进程结束。
非守护线程 → 必须跑完，进程才能退出。
守护线程 → 主线程结束后不再管它，进程直接退出，子线程可能来不及执行完。

GIL = Global Interpreter Lock全局解释器锁

它主要影响的是 CPython 解释器里的多线程执行
多线程：
一个进程里多个线程，共用一个 GIL。
适合等网络、等文件、等 Redis。
多进程：
多个进程，每个进程一个 GIL。
适合 CPU 计算、模型推理、代码解析、编译、复杂任务。
即算用进程，等用线程

GIL 是什么？

简单说：

在同一个 Python 进程里，同一时刻通常只有一个线程能执行 Python 字节码

cpu密集型

Python 多线程适合 I/O 密集型任务

CPU 密集型任务为什么多线程效果差？

多进程为什么可以绕开 GIL？

因为 每个进程都有自己独立的 Python 解释器和独立的 GIL。