CentOS下Python多线程实现方法

要在CentOS上使用Python实现多线程，标准库中的threading模块是最直接的方式。以下通过一个简单示例，完整演示整个流程。

首先确认系统中是否已有Python环境。多数CentOS版本会预装Python，但版本可能较旧，建议直接安装Python 3：

sudo yum install python3

接着编写一个脚本，例如multithreading_example.py，核心逻辑如下：定义工人函数，让多个线程各自执行任务，然后等待所有线程结束。

import threading
import time

def worker(num):
    """线程执行的任务"""
    print(f"Worker: {num} started")
    time.sleep(2)
    print(f"Worker: {num} finished")

threads = []
num_threads = 5

# 创建并启动线程
for i in range(num_threads):
    thread = threading.Thread(target=worker, args=(i,))
    threads.append(thread)
    thread.start()

# 等待所有线程完成
for thread in threads:
    thread.join()

print("All threads have finished.")

运行脚本：

python3 multithreading_example.py

要点拆解

• threading.Thread：创建线程的类。target指定要执行的函数，args传递参数。
• start()：启动线程，使其立即开始执行target函数。
• join()：阻塞主线程，直到调用该方法的线程执行完毕。这样可以确保所有线程完成后才输出最终提示。

注意事项

• 全局解释器锁（GIL）：这是Python多线程的重要限制。GIL导致同一时刻只有一个线程能执行Python字节码，因此对于计算密集型任务（如大量数学运算），多线程反而可能降低性能。但对于I/O密集型任务（文件读写、网络请求、数据库查询等），线程在等待I/O时会释放GIL，此时多线程能显著提升效率。
• 线程安全：多个线程同时访问和修改共享数据时，容易出现数据混乱。最简单的保护方法是使用threading.Lock给临界区加锁，确保同一时间只有一个线程操作共享资源。

更高级的做法：线程池

如果手动管理线程较麻烦，concurrent.futures.ThreadPoolExecutor提供了更优雅的接口。它内置线程池，提交任务后可以异步获取结果：

import concurrent.futures
import time

def worker(num):
    print(f"Worker: {num} started")
    time.sleep(2)
    print(f"Worker: {num} finished")
    return num * num

with concurrent.futures.ThreadPoolExecutor(max_workers=5) as executor:
    futures = [executor.submit(worker, i) for i in range(5)]
    for future in concurrent.futures.as_completed(futures):
        result = future.result()
        print(f"Result: {result}")

print("All threads have finished.")

这种写法更简洁：submit提交任务，as_completed在每个任务完成后立即获取结果，无需手动join。在线程数较多或任务频繁创建销毁的场景下，线程池的性能优势更明显。

掌握了这些方法，在CentOS上使用Python多线程的基础就具备了。核心是根据任务类型（I/O密集还是CPU密集）选择合适的工具，同时注意锁和共享资源的保护，避免常见问题。