先熟悉下相关概念

多线程是并发编程的一种方式，多线程在 CPU 密集型任务中无法充分利用多核性能，但在 I/O 操作（如文件读写、网络请求）等待期间，线程会释放 GIL，此时其他线程可以运行。GIL是Python 解释器的全局锁，同一时刻只能有一个线程执行 Python 字节码。我们先来看看如何创建和启用的

先要导入相关模块，threading

通过线程实例来模拟下，代码如下：

import threading
import time
def test(name):
    print(f"线程 {name} 开始")
    time.sleep(2)  # 模拟 I/O 操作
    print(f"线程 {name} 结束")
# 创建线程
thread1 = threading.Thread(target=test, args=("1",))#线程实例1
thread2 = threading.Thread(target=test, args=("2",))#线程实例2
# 启动线程
thread1.start()
thread2.start()
# 等待线程结束
thread1.join()
thread2.join()
print("所有开启的线程都已经结束")

运行下看看

实际使用中，多线程操作共享资源时可能引发竞态条件，我们如何保证线程安全呢？

就需要买一把锁，和我们生活中一样，锁下控制，保障安全进行使用

如何用锁呢，通过使用模块 threading中的Lock()方法，然后在运行中去使用产生它

lock = threading.Lock()

我们多线程和锁（Lock）来安全地对共享变量 counter 进行累加操作。两个线程各自执行 100,000 次累加，预期下我们的最终结果为 200,000，代码如下

import threading
counter = 0
lock = threading.Lock()#锁的对象
def test_lock():
    global counter #明确下 全局
    for _ in range(100000):
        with lock:  # 自动加锁/释放，保证独占counter,退出后允许其他线程使用
            counter += 1#假如没有锁的话，会竞争，切换时可以能被线程打断，导致少加
            #在with内，确保累计
threads = []
for _ in range(2):#创建2个
    t = threading.Thread(target=test_lock)
    threads.append(t)
    t.start()
for t in threads:
    t.join()
print(f"最后输出counter是: {counter}")  # 正确结果应为 200000

看下运行情况

但是频繁锁也不好，会影响一些性能，可以考虑线程容器，比如队列。

队列使用安全传递，代码如下：

总的来说，多线程使用场景不少，通过用线程，我们可以提示软件的响应时间、吞吐量等。但是我们要避免死锁。采用锁、队列等一些方法来保护共享资源，合理使用线程，避免过度创建，导致产生问题。

就这了，更深入的自己去深挖吧。