在日常的开发过程中，我们常常会面临是选择单线程还是多线程的执行方式的问题。为了更直观地理解这两种方式的差异，我们通过一个具体的 Python 示例程序 mtfacfib.py 来进行对比分析。该程序分别使用单线程和多线程的方式执行了三个函数：斐波那契数列计算、阶乘计算与累加求和，并通过 sleep() 函数人为延长执行时间以模拟实际工作中的耗时任务。

---

一、示例程序概述

该脚本定义了三个函数：

• fib(x)：递归计算斐波那契数列，时间复杂度较高，模拟较慢的计算任务。
• fac(x)：递归计算阶乘，模拟中等复杂度的任务。
• sum(x)：递归计算累加和，模拟简单计算任务。

为了便于演示线程的执行效果，每个函数内部都加入了 sleep() 调用，人为延长执行时间。

程序主体中，先以单线程方式依次执行这三个函数；随后使用多线程方式并发执行，以展示线程并发的优势。

---

二、单线程执行分析

执行流程

1. 顺序执行：程序依次调用 fib()、fac()、sum()。
2. 同步阻塞：每个函数必须等待前一个函数执行完毕后才能开始。
3. 结果即时输出：函数执行完成后立即打印结果。

输出示例

 SINGLE THREAD
starting fib at: Wed Nov 16 18:52:20 2011
233
fib finished at: Wed Nov 16 18:52:24 2011
starting fac at: Wed Nov 16 18:52:24 2011 
479001600
fac finished at: Wed Nov 16 18:52:26 2011
starting sum at: Wed Nov 16 18:52:26 2011
78
sum finished at: Wed Nov 16 18:52:27 2011

性能瓶颈

• 程序总执行时间为三个函数执行时间的总和。
• 在等待函数执行的过程中，CPU 处于空闲状态，资源利用率低。
• 对于耗时任务（如 fib()），会显著拖慢整体执行速度。

---

三、多线程执行分析

执行流程

1. 并发启动：三个线程几乎同时启动，分别执行 fib()、fac()、sum()。
2. 异步执行：各线程独立运行，互不干扰。
3. 统一获取结果：主线程等待所有线程结束后，统一获取并输出结果。

输出示例

 MULTIPLE THREADS
starting fib at: Wed Nov 16 18:52:27 2011
starting fac at: Wed Nov 16 18:52:27 2011
starting sum at: Wed Nov 16 18:52:27 2011
fac finished at: Wed Nov 16 18:52:28 2011
sum finished at: Wed Nov 16 18:52:28 2011
fib finished at: Wed Nov 16 18:52:31 2011
233
479001600
78 
all DONE

性能优势

• 总执行时间大致等于最慢线程的执行时间（如 fib()）。
• CPU 利用率提高，多个任务并发执行。
• 显著提升了整体执行效率，尤其是在处理耗时任务时。

---

四、线程类封装与通用性设计

该示例使用了自定义线程类 MyThread（未在代码中给出），其作用是：

• 封装线程启动与结果获取，使得主线程可以统一管理多个线程。
• 通过 start() 方法启动线程，通过 join() 方法等待线程结束。
• 提供 getResults() 方法获取线程函数的返回值，增强线程的实用性与通用性。

注：Python 标准库中 threading.Thread 并不支持直接获取线程函数的返回值，因此需要通过继承并重写相关方法，或使用 queue.Queue 等方式实现。

---

五、线程调度与 GIL 的影响

虽然示例中使用了多线程方式并发执行，但在 Python 中必须注意 全局解释器锁（GIL） 的存在：

• GIL 保证了同一时刻只有一个线程在执行 Python 字节码。
• 对于 CPU 密集型任务（如 fib()、fac()），多线程并不能真正实现并行计算，提升有限。
• 对于 I/O 密集型任务（如网络请求、文件读写），多线程依然能显著提升效率。

替代方案建议

• 多进程（multiprocessing）：适用于 CPU 密集型任务，绕过 GIL 限制。
• 异步编程（asyncio）：适用于 I/O 密集型任务，实现事件驱动的并发模型。

---

六、总结与启示

对比维度	单线程	多线程
执行方式	顺序执行	并发执行
总耗时	各任务耗时之和	最长任务耗时
CPU 利用率	低	高
结果输出	即时	统一获取
适用场景	简单任务、调试	并发任务、耗时操作
Python GIL 影响	无	限制 CPU 并行能力

开发建议

• 对于简单任务或调试目的，可使用单线程以确保程序逻辑清晰。
• 对于耗时任务或并发需求高的场景，应优先考虑多线程或异步方案。
• 若任务为CPU 密集型，建议使用多进程代替多线程。
• 合理使用线程池（如 concurrent.futures.ThreadPoolExecutor）可提升代码可维护性与性能。

---

七、结语

通过 mtfacfib.py 示例，我们不仅了解了单线程与多线程在执行效率上的差异，更深入理解了线程调度、资源竞争、GIL 限制等底层机制。作为开发者，掌握并发编程的基本原理与实践技巧，对于构建高性能、高响应的应用系统至关重要。

在今后的开发中，我们应根据任务类型选择合适的并发模型，充分发挥多线程、多进程、异步等技术的优势，提升程序性能与用户体验。

---

示例源码获取方式：关注本公众号，回复“线程示例”即可获取完整代码及运行说明。

---