使用python启动多个线程？

我正在尝试吞咽线程，并从本周的Python模块示例开始：

根据下面的代码

import threading

def worker(arg=None):
    """thread worker function"""
    print 'Worker thread: %s\n' % arg
    return

threads = []
for i in range(5):
    t = threading.Thread(target=worker, args=str(i), name="threadingPrac")
    threads.append(t)
    t.start()

这是否意味着我开始5个线程

我刚开始学习线程，所以想更好地理解它。

是的

在print语句之后添加

import time

和

time.sleep（5）

，以便更好地查看它

import threading
import time

def worker(arg=None):
    """thread worker function"""
    print 'Worker thread: %s\n' % arg
    time.sleep(5)
    return

threads = []
for i in range(5):
    t = threading.Thread(target=worker, args=str(i), name="threadingPrac")
    threads.append(t)
    t.start()

---

是，您可以通过在代码底部添加此行来检查列表

线程的长度：

print len(threads)

输出：

5 #Number of threads

我不明白的是，这些线程并不是同时启动的，因为for循环一个接一个地执行每个线程，所以线程化有什么帮助呢？这是否意味着，当第一个线程启动，第二个线程在下一个迭代级别被调用时，第二个线程将与第一个线程并行执行，依此类推？也许您应该阅读一些关于线程的一般文本。你可以从……开始。是的，你是对的。每个后续线程将在每个循环中启动并执行其操作。Python受到吉尔的影响，因此您应该考虑仅在I/O绑定任务而不是计算任务的情况下使用线程。如果是计算任务并且想要实现并行处理，你应该使用多处理。你能给我举一个例子说明计算任务和线程失败吗？@san线程实际上并不是“失败”，而是因为全局解释器锁（GIL），大多数情况下，一次只能执行一个线程，即使您有多个CPU核。因此，在CPU受限的任务中使用线程通常不会比使用单个线程更快。它有时甚至比单个线程还要慢，因为在线程之间反复切换会产生额外的开销。当您想要并行化CPU限制的任务时，请使用
多处理
，它使用多个进程而不是线程，因此不受GIL的影响。