python的threading模块适合i/o密集型任务，如网络请求、文件读写等。1. 多线程适用于i/o密集型场景，能避免主线程卡住，但受gil限制，不适用于计算密集型任务，此时应使用multiprocessing模块。2. 创建线程常用thread类并调用start()方法启动，通过target指定函数，args传入参数元组，需调用join()让主线程等待子线程完成。3. 线程间共享数据需加锁，使用threading.lock配合with语句确保操作原子性，防止资源竞争导致错误。4. 守护线程用于后台任务，设置daemon=true后主线程结束时该线程自动终止，适合心跳检测、日志记录等无需手动干预的任务。掌握适用场景、线程创建与控制、同步机制是写出稳定多线程程序的关键。
在Python中用threading模块实现多线程并发编程，是很多初学者想掌握的内容。但实际使用中会遇到不少坑，比如GIL限制、资源共享冲突等。这篇文章就从实用角度出发，讲清楚怎么用好这个模块。
多线程适合做什么？
threading模块适用于I/O密集型任务，比如网络请求、文件读写、等待用户输入等场景。在这种情况下，多个线程可以轮流执行，避免主线程卡住。
例如，同时下载多个网页内容，或者监听多个设备的状态变化，都是多线程的典型应用场景。
但要注意，由于Python有全局解释器锁（GIL），即使是多核CPU，在计算密集型任务中也难以通过多线程提升性能。这时候应该考虑用multiprocessing模块。
怎么创建和启动一个线程？
创建线程最常用的方法是使用Thread类，然后调用它的start()方法。示例代码如下：
import threading
def say_hello(name):
print(f"Hello, {name}")
thread = threading.Thread(target=say_hello, args=("Tom",))
thread.start()关键点：
立即学习“Python免费学习笔记（深入）”；
-
target参数指定要在线程中运行的函数； -
args传入函数参数，注意要是元组形式； - 调用
start()才会真正启动线程，直接调用函数不会并发执行；
如果你希望主线程等待子线程完成再继续执行，可以用join()方法：
thread.join() # 主线程会在这里等待thread执行完毕
线程之间如何安全地共享数据？
线程共享同一进程的内存空间，所以它们可以访问相同的变量。但也正因为如此，多个线程同时修改同一个变量时容易出错。
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
举个例子：两个线程同时对一个计数器做加法操作，最终结果可能比预期少。这是因为“读取-修改-写入”不是一个原子操作，中间可能被打断。
解决办法是使用锁机制，比如threading.Lock：
lock = threading.Lock()
def safe_increment():
global counter
with lock:
temp = counter
counter = temp + 1这样就能保证同一时间只有一个线程在操作counter变量。
守护线程是什么？什么时候用？
守护线程（daemon thread）是指不阻止主线程退出的线程。设置方式很简单：
thread.daemon = True
或者在创建时指定：
threading.Thread(target=..., daemon=True)
守护线程适合做一些后台任务，比如心跳检测、日志记录等。当主线程结束时，这些线程也会自动终止，不需要手动干预。
基本上就这些。用threading实现多线程并不复杂，但要特别注意并发控制和资源竞争的问题。只要搞清楚适用场景、线程生命周期、同步机制这几个关键点，就可以写出稳定可靠的多线程程序了。
