在Python中，线程（Thread）是实现并发执行的一种机制。它允许程序在执行过程中同时运行多个任务。虽然Python有一个全局解释器锁（GIL, Global Interpreter Lock），这限制了多线程在执行CPU密集型任务时的并行性，但在I/O密集型任务（如网络请求、文件操作等）中，多线程仍然可以显著提高程序的效率和响应速度。
个人初理解：
首先，什么是线程，线程到底有什么用呢？
在我的首次学习中，我认为，所有的东西都属于线程
线程是计算机中CPU进行任务调度的最小单位。线程属于进程的一部分，线程只能属于一个进程，而一个进程可以有多个线程，但至少有一个线程。
在下面会使用Threding模块创建出线程，当然，在python强大的库中Queru、thred等也可创建线程
线程的基本概念
- 线程：是操作系统能够进行运算调度的最小单位。它被包含在进程之中，是进程中的实际运作单位。
- 进程：是系统进行资源分配和调度的一个独立单元。每个进程都有自己的内存空间和系统资源。
Python中的线程
Python标准库提供了threading模块来支持线程的创建和管理。
1. 创建线程
使用threading.Thread类可以创建线程。你需要定义一个目标函数（即线程执行的任务），然后创建Thread类的实例，将目标函数作为参数传递给实例。
import threading def my_function(): print("Hello from my_function") # 创建线程
thread = threading.Thread(target=my_function) # 启动线程
thread.start() # 主线程继续执行，不会等待上面的线程完成
print("Main thread is continuing...")2. 线程同步
由于多线程环境下，多个线程可能同时访问共享资源，这可能导致数据竞争和不一致的状态。因此，Python提供了多种同步机制来协调线程之间的执行，比如锁（Lock）、事件（Event）、条件变量（Condition）和信号量（Semaphore）等。
import threading lock = threading.Lock() def critical_section(): global count with lock: count += 1 print(f"Count: {count}") count = 0
threads = []
for _ in range(10): t = threading.Thread(target=critical_section) threads.append(t) t.start() for t in threads: t.join() # 等待所有线程完成3. 守护线程（Daemon Threads）
守护线程是主线程结束时自动退出的线程。默认情况下，线程不是守护线程。要设置守护线程，需要在启动线程之前将线程的daemon属性设置为True。
import threading
import time def daemon_thread_function(): while True: time.sleep(1) print("Daemon thread is running") # 创建一个守护线程
daemon_thread = threading.Thread(target=daemon_thread_function)
daemon_thread.daemon = True
daemon_thread.start() print("Main thread exiting...")在上面的例子中，主线程将退出，不会等待守护线程完成。
注意事项
- 由于GIL的存在，Python中的多线程并不适合用于CPU密集型任务。对于这类任务，应该考虑使用多进程（multiprocessing）或其他并发模型。
- 对于I/O密集型任务，多线程可以显著提高程序性能。
- 线程同步是避免数据竞争和保证程序正确性的重要手段，但过度使用同步机制也可能导致性能下降。
- 守护线程在主线程退出时会自动退出，因此不能用于需要长时间运行的任务。