多執行緒概述
多執行緒使得程式內部可以分出多個執行緒來做多件事情，充分利用CPU空閒時間，提升處理效率。python提供了兩個模組來實現多執行緒thread 和threading ，thread 有一些缺點，在threading 得到了彌補。並且在Python3中廢棄了thread模組，保留了更強大的threading模組。
使用場景
在python的原始直譯器CPython中存在著GIL（Global Interpreter Lock，全域性直譯器鎖），因此在解釋執行python程式碼時，會產生互斥鎖來限制執行緒對共享資源的訪問，直到直譯器遇到I/O操作或者操作次數達到一定數目時才會釋放GIL。所以，雖然CPython的執行緒庫直接封裝了系統的原生執行緒，但CPython整體作為一個程式，同一時間只會有一個獲得GIL的執行緒在跑，其他執行緒則處於等待狀態。這就造成了即使在多核CPU中，多執行緒也只是做著分時切換而已。
如果你的程式是CPU密集型，多個執行緒的程式碼很有可能是線性執行的。所以這種情況下多執行緒是雞肋，效率可能還不如單執行緒因為有上下文切換開銷。但是如果你的程式碼是IO密集型，涉及到網路、磁碟IO的任務都是IO密集型任務，多執行緒可以明顯提高效率，例如多執行緒爬蟲，多執行緒檔案處理等等
多執行緒爬蟲
多執行緒爬蟲的程式碼例項
注： 以下程式碼在python3下執行透過， python2版本差異較大，不能執行成功，如需幫助請下方留意。
# coding=utf-8
import threading, queue, time, urllib
from urllib import request
baseUrl = 'http://www.pythontab.com/html/pythonjichu/'
urlQueue = queue.Queue()
for i in range(2, 10):
url = baseUrl + str(i) + '.html'
urlQueue.put(url)
#print(url)
def fetchUrl(urlQueue):
while True:
try:
#不阻塞的讀取佇列資料
url = urlQueue.get_nowait()
i = urlQueue.qsize()
except Exception as e:
break
print ('Current Thread Name %s, Url: %s ' % (threading.currentThread().name, url))
try:
response = urllib.request.urlopen(url)
responseCode = response.getcode()
except Exception as e:
continue
if responseCode == 200:
#抓取內容的資料處理可以放到這裡
#為了突出效果， 設定延時
time.sleep(1)
if __name__ == '__main__':
startTime = time.time()
threads = []
# 可以調節執行緒數， 進而控制抓取速度
threadNum = 4
for i in range(0, threadNum):
t = threading.Thread(target=fetchUrl, args=(urlQueue,))
threads.append(t)
for t in threads:
t.start()
for t in threads:
#多執行緒多join的情況下，依次執行各執行緒的join方法, 這樣可以確保主執行緒最後退出， 且各個執行緒間沒有阻塞
t.join()
endTime = time.time()
print ('Done, Time cost: %s ' % (endTime - startTime))執行結果：
1個執行緒時：
Current Thread Name Thread-1, Url: http://www.pythontab.com/html/pythonjichu/2.html Current Thread Name Thread-1, Url: http://www.pythontab.com/html/pythonjichu/3.html Current Thread Name Thread-1, Url: http://www.pythontab.com/html/pythonjichu/4.html Current Thread Name Thread-1, Url: http://www.pythontab.com/html/pythonjichu/5.html Current Thread Name Thread-1, Url: http://www.pythontab.com/html/pythonjichu/6.html Current Thread Name Thread-1, Url: http://www.pythontab.com/html/pythonjichu/7.html Current Thread Name Thread-1, Url: http://www.pythontab.com/html/pythonjichu/8.html Current Thread Name Thread-1, Url: http://www.pythontab.com/html/pythonjichu/9.html Done, Time cost: 8.182249069213867
2個執行緒時：
Current Thread Name Thread-1, Url: http://www.pythontab.com/html/pythonjichu/2.html Current Thread Name Thread-2, Url: http://www.pythontab.com/html/pythonjichu/3.html Current Thread Name Thread-2, Url: http://www.pythontab.com/html/pythonjichu/4.html Current Thread Name Thread-1, Url: http://www.pythontab.com/html/pythonjichu/5.html Current Thread Name Thread-2, Url: http://www.pythontab.com/html/pythonjichu/6.html Current Thread Name Thread-1, Url: http://www.pythontab.com/html/pythonjichu/7.html Current Thread Name Thread-2, Url: http://www.pythontab.com/html/pythonjichu/8.html Current Thread Name Thread-1, Url: http://www.pythontab.com/html/pythonjichu/9.html Done, Time cost: 4.0987958908081055
3個執行緒時：
Current Thread Name Thread-1, Url: http://www.pythontab.com/html/pythonjichu/2.html Current Thread Name Thread-2, Url: http://www.pythontab.com/html/pythonjichu/3.html Current Thread Name Thread-3, Url: http://www.pythontab.com/html/pythonjichu/4.html Current Thread Name Thread-4, Url: http://www.pythontab.com/html/pythonjichu/5.html Current Thread Name Thread-2, Url: http://www.pythontab.com/html/pythonjichu/6.html Current Thread Name Thread-4, Url: http://www.pythontab.com/html/pythonjichu/7.html Current Thread Name Thread-1, Url: http://www.pythontab.com/html/pythonjichu/9.html Current Thread Name Thread-3, Url: http://www.pythontab.com/html/pythonjichu/8.html Done, Time cost: 2.287320137023926
透過調節執行緒數可以看到，執行時間會隨著執行緒數的增加而縮短，抓取效率成正比增加。
總結：
Python多執行緒在IO密集型任務，多執行緒可以明顯提高效率，CPU密集型任務不適合使用多執行緒處理。