1. 多任务可以由多进程完成，也可以由一个进程内的多线程完成
2. 一个进程至少有一个线程
3. 线程是操作系统直接支持的执行单元，因此，高级语言通常都内置多线程的支持。
4.Python的线程是真正的Posix Thread，而不是模拟出来的线程。
5.Python的标准库提供了两个模块：_thread和threading。_thread是低级模块，threading是高级模块，对_thread进行了封装。一般情况下，只需要使用threading模块
6.启动一个线程就是把一个函数传入并创建Thread实例，然后调用start()开始执行：
import time, threading
# 新线程执行的代码:
def loop():
print('thread %s is running...' % threading.current_thread().name)
n = 0
while n < 5:
n = n + 1
print('thread %s >>> %s' % (threading.current_thread().name, n))
time.sleep(1)
print('thread %s ended.' % threading.current_thread().name)
print('thread %s is running...' % threading.current_thread().name)
t = threading.Thread(target=loop, name='LoopThread')
t.start()
t.join()
print('thread %s ended.' % threading.current_thread().name)由于任何进程默认就会启动一个线程，我们把该线程称为主线程，主线程又可以启动新的线程，Python的threading模块有个current_thread()函数，它永远返回当前线程的实例。主线程实例的名字叫MainThread，子线程的名字在创建时指定，我们用LoopThread命名子线程。名字仅仅在打印时用来显示，完全没有其他意义，如果不起名字Python就自动给线程命名为Thread-1，Thread-2……
7.Lock
（1）多进程和多线程的区别：
对于多进程，每个进程都是独立的，所以变量是不共享，互不影响。而多线程由于存在一个进程之内，变量是
所有线程共享的，是会相互影响的。而线程之间共享数据最大的危险在于多个线程同时改一个变量，会把内容改乱了。
示例：多进程操作同一个变量的错误
import time, threading
# 假定这是你的银行存款:
balance = 0
def change_it(n):
# 先存后取，结果应该为0:
global balance
balance = balance + n
balance = balance - n
def run_thread(n):
for i in range(100000):
change_it(n)
t1 = threading.Thread(target=run_thread, args=(5,))
t2 = threading.Thread(target=run_thread, args=(8,))
t1.start()
t2.start()
t1.join()
t2.join()
print(balance)理论上结果永远为0，但多次执行就有可能出现错误。
（2）解决多线程的数据共享问题，就是加锁 ，也就是Lock
当一个进程获得了锁，其它进程只有等待锁的释放。而锁只有一个，无论多少线程，同一个时刻最多只有一个线程持有该锁，所以，不会造成修改的冲突，创建一个锁就是通过threading.Lock来实现
balance = 0
lock = threading.Lock()
def run_thread(n):
for i in range(100000):
# 先要获取锁:
lock.acquire()
try:
# 放心地改吧:
change_it(n)
finally:
# 改完了一定要释放锁:
lock.release()当多个线程同时执行lock.acquire()时，只有一个线程能成功地获取锁，然后继续执行代码，其他线程就继续等待直到获得锁为止。
获得锁的线程用完后一定要释放锁，否则那些苦苦等待锁的线程将永远等待下去，成为死线程。所以我们用try...finally来确保锁一定会被释放。
（3）锁的优点和缺点：
锁能保证一段代码的完整执行，坏处就是组织了多线程并发执行，因为包含锁的某段代码实际上只能以单线程模式执行，效率就大大下降了。其次，由于存在多个锁，不同的线程持有不同的锁，并试图获取对方持有的锁时，可能会造成死锁，导致多个线程全部挂起，既不能执行，也无法结束，只能靠操作系统强制终止。
8.Python的多线程在多核CPU上的表现
c，c++,java在执行多核CPU测试（死循环测试）时会把所有CPU跑满，而Python不会。
因为Python的线程虽然是真正的线程，但解释器执行代码时，有一个GIL锁：Global Interpreter Lock，任何Python线程执行前，必须先获得GIL锁，然后，每执行100条字节码，解释器就自动释放GIL锁，让别的线程有机会执行。这个GIL全局锁实际上把所有线程的执行代码都给上了锁，所以，多线程在Python中只能交替执行，即使100个线程跑在100核CPU上，也只能用到1个核。
GIL是Python解释器设计的历史遗留问题，通常我们用的解释器是官方实现的CPython，要真正利用多核，除非重写一个不带GIL的解释器。
所以，在Python中，可以使用多线程，但不要指望能有效利用多核。如果一定要通过多线程利用多核，那只能通过C扩展来实现，不过这样就失去了Python简单易用的特点。
不过，也不用过于担心，Python虽然不能利用多线程实现多核任务，但可以通过多进程实现多核任务。多个Python进程有各自独立的GIL锁，互不影响。
小结
多线程编程，模型复杂，容易发生冲突，必须用锁加以隔离，同时，又要小心死锁的发生。
Python解释器由于设计时有GIL全局锁，导致了多线程无法利用多核。多线程的并发在Python中就是一个美丽的梦。