Python多线程适合I/O密集型任务但受GIL限制无法并行CPU计算；threading模块以Thread类为核心，需用start()启动、join()同步；共享数据需Lock等同步机制保障线程安全。

Python的多线程适合I/O密集型任务，比如文件读写、网络请求、用户输入等待等；但受GIL（全局解释器锁）限制，它无法真正并行执行CPU密集型计算。理解这一点，是用好多线程的前提。

threading模块的核心对象：Thread类

相比低层的_thread（已不推荐直接使用），threading更安全、功能更全。最常用的是Thread类：

• 通过target参数传入要并发执行的函数，args或kwargs传参
• 调用start()启动线程（不是直接调用run()）
• 用join()阻塞主线程，等待子线程结束——常用于确保所有任务完成后再继续

共享数据与线程安全：别忘了Lock

多个线程读写同一变量（如全局计数器）时，可能因执行时序交错导致结果错误。例如两个线程同时执行count += 1，实际可能只加了一次。

Claw Code Suite (Python-Only Edition)

仅使用 Python 将 Claw Code 虚拟化框架与 OpenClaw 集成，提供 184 种工具和 200 多条命令，用于安全分析和代码质量...

下载

• 用threading.Lock()加锁：调用lock.acquire()进入临界区，lock.release()释放（推荐配合with lock:自动管理）
• 避免死锁：按固定顺序获取多个锁；尽量缩小临界区范围；不用嵌套锁除非必要

更高级的同步工具：Event、Queue、Condition

单靠Lock不够灵活，常见场景有更合适的工具：

立即学习“Python免费学习笔记（深入）”；

• threading.Event：像一个“信号开关”，set()触发，wait()阻塞等待，适合线程间简单通知
• queue.Queue：线程安全的队列，put()/get()自动加锁，特别适合生产者-消费者模型
• threading.Condition：带等待队列的锁，支持wait()和notify()，适合需要“等待某个条件成立”的协作逻辑

守护线程与资源清理

主线程退出时，默认会等待所有非守护线程结束。若希望子线程随主线程一起退出（比如后台日志监听），可设daemon=True：

• 守护线程不能做关键资源清理（如写文件、关数据库连接），因为它可能被强制终止
• 需确保清理逻辑在主线程中完成，或使用atexit注册退出回调
• 检查线程是否存活用is_alive()，获取当前线程用threading.current_thread()