Python并发和并行（7）——最后一次说线程

对于线程的讲解就要告一段落了，最后我们总结以下关于线程的一些用法以及我平常编码过程中最习惯用的多线程的结构：
threading.active_count()：获取已激活的线程数
threading.enumerate()：查看所有线程信息
threading.current_thread()：查看现在运行的线程
thread = threading.Thread(target=thread_job,args=()):常见定义线程方法
start():启动线程
join():插入线程
具体场景的常用结构：

import threading
import time

from queue import Queue

def job(l,q):
    for i in range (len(l)):
        l[i] = l[i]**2
    q.put(l)

def multithreading():
    q =Queue()
    #定义一个线程池
    threads = []
    data = [[1,2,3],[3,4,5],[4,4,4],[5,5,5]]
    for i in range(4):
        t = threading.Thread(target=job,args=(data[i],q))
        #启动线程
        t.start()
        threads.append(t)
    for thread in threads:
        #插入线程
        thread.join()
    results = []
    for _ in range(4):
        results.append(q.get())
    print(results)

if __name___=='__main__':
    multithreading()

Python多线程的一个问题：

尽管Python完全支持多线程编程， 但是解释器的C语言实现部分在完全并行执行时并不是线程安全的。 实际上，解释器被一个全局解释器锁保护着，它确保任何时候都只有一个Python线程执行。 GIL最大的问题就是Python的多线程程序并不能利用多核CPU的优势 （比如一个使用了多个线程的计算密集型程序只会在一个单CPU上面运行）。

在讨论普通的GIL之前，有一点要强调的是GIL只会影响到那些严重依赖CPU的程序（比如计算型的）。 如果你的程序大部分只会涉及到I/O，比如网络交互，那么使用多线程就很合适， 因为它们大部分时间都在等待。实际上，你完全可以放心的创建几千个Python线程， 现代操作系统运行这么多线程没有任何压力，没啥可担心的。