Linux中Python多线程如何实现

在 Linux 环境下用 Python 写多线程，最常用的标准库就是 threading。这个模块提供了创建和管理线程所需的基本工具，上手并不复杂。咱们直接看个例子，感受一下它的工作流程：

import threading

def print_numbers():
    for i in range(1, 11):
        print(f"Number: {i}")

thread1 = threading.Thread(target=print_numbers)
thread2 = threading.Thread(target=print_numbers)

thread1.start()
thread2.start()

thread1.join()
thread2.join()

print("Finished.")

这段代码的核心逻辑很清晰：先定义一个要在新线程里执行的函数 print_numbers，然后创建两个线程对象，把函数作为 target 传进去。调用 start() 让线程跑起来，再用 join() 等待两个线程都执行完毕，最后输出 "Finished."。整个过程就像同时安排两个人去干同一件活，各自独立输出数字。

不过有一点需要特别留意——Python 的全局解释器锁（GIL）确实会对多线程的性能产生影响，尤其是在 CPU 密集型的任务中。因为 GIL 同一时刻只允许一个线程执行 Python 字节码，所以纯计算型的任务用多线程反而可能比单线程还慢。但换个角度看，对于 I/O 密集型任务（比如网络请求、文件读写），多线程依然很实用：线程在等待 I/O 操作时可以主动释放 GIL，让其他线程接着跑，整体效率就能提上去。

如果你的场景属于 CPU 密集型，那就别在 threading 上死磕了。Python 提供了 multiprocessing 模块，它的接口跟 threading 非常相似，但背后用的是多个进程而不是线程。每个进程拥有独立的 Python 解释器和内存空间，可以真正利用多核处理器的并行能力。简单说，选哪个工具，关键看瓶颈是 CPU 还是 I/O，对症下药才能写出高效的并发代码。