Python0016多线程
1.多线程简介
现代的高级编程语言中，几乎所有语言都支持多线程。多线程很实用，即便是在单核处理器上多线程仍然是实用的。
在安卓开发中，安卓系统强制一个线程处理图形界面，其他线程处理逻辑。这样的好处是用户图形界面流畅。IOS开发，C#桌面应用程序中也是如此的。曾经写安卓代码阻塞过UI线程，在手机上的效果是：系统弹出一个提示框XXXX没有响应。通常情况下，手机app出现类似的提示，都是因为开发人员在UI线程中进行了大量的运算导致的，这样做用户体验非常差。
在基于多核心多线程CPU的图像视频处理程序中，由于要进行大量的运算，通常使用多线程来处理，可以达到缩短运行时间的效果。如果在单核单线程一个处理器的机器上，多线程不能缩短执行时间，而且还能增加执行时间。
使用多线程过程中问题也很多，多个线程间是共享数据的，这时候会出现线程安全问题。假设a，b线程共同使用变量sum。a中执行的是sum=0 sum=1+2 print sum，b中执行sum=1 sum=3+4 print sum。由于a，b两个线程共同执行，那么这六条语句有多种执行顺序,下面列举两种：
（1）正常
a: sum=0
a: sum=1+2
a: print sum #输出3
b: sum=1
b: sum=3+4
b: print sum #输出7
（2）异常
b: sum=1
b: sum=3+4
a: sum=0
a: sum=1+2
b: print sum #输出3
a: print sum #输出3
出现这种问题后，就要用到线程锁，线程同步机制等。当同时使用多个线程锁时还可能出现死锁。
2.python中的多线程
在python中有两种创建线程的方式：
（1）写一个要再子线程中执行的函数，传给Thread类
import threading
import time
#把函数传给Thread
def print_number(number):
#下面一行是为了让结果看起来更自然，让线程休眠100ms，可以去掉
time.sleep(0.1)
print("thread_id:",threading.current_thread().ident," num:",number)
threads=[]
#下面创建了10个线程
for i in range(10):
#target 要执行的函数 args 要执行函数的参数 注意：(i,)最后一个参数一定要这样写，否则会有问题，具体原因还没有探究
t=threading.Thread(target=print_number,args=(i,))
threads.append(t)
#启动线程
for t in threads:
t.start()
# 某次运行结果：
# thread_id: 123145321340928 num: 0
# thread_id: 123145331851264 num: 2
# thread_id: 123145326596096 num: 1
# thread_id: 123145337106432 num: 3
# thread_id: 123145342361600 num: 4
# thread_id: 123145368637440 num: 9
# thread_id: 123145358127104 num: 7
# thread_id: 123145347616768 num: 5
# thread_id: 123145363382272 num: 8
# thread_id: 123145352871936 num: 6
（2）继承Thread类，重写run方法
import threading
import time
#继承Thread对象，重写run方法
class PrintNumThread(threading.Thread):
def __init__(self,number):
super(PrintNumThread,self).__init__()
self.number=number
def run(self):
#下面一行是为了让结果看起来更自然，让线程休眠100ms，可以去掉
time.sleep(0.1)
print("thread_id:",threading.current_thread().ident," num:",self.number)
threads=[]
#下面创建了10个线程
for i in range(10):
threads.append(PrintNumThread(i))
#启动这10个线程
for t in threads:
t.start()
# 某次运行结果：
# thread_id: 123145426317312 num: 0
# thread_id: 123145431572480 num: 1
# thread_id: 123145436827648 num: 2
# thread_id: 123145447337984 num: 4
# thread_id: 123145452593152 num: 5
# thread_id: 123145463103488 num: 7
# thread_id: 123145442082816 num: 3
# thread_id: 123145457848320 num: 6
# thread_id: 123145468358656 num: 8
# thread_id: 123145473613824 num: 9