前言：

上vip课的时候每次讲到框架的执行，就会有好学的同学问用多线程怎么执行，然后我每次都会说在测开课程会详细讲解，这并不是套路，因为如果你不理解多线程，不清楚什么时候该用什么时候不该用，就会适得其反。今天我们就来聊一聊多线程这个烫手的山芋。

一、python执行慢的原因

1、动态类型语言，边解释边执行。

2、GIL锁无法使用多核CPU并发执行。

二、什么是GIL锁

1、全局解释器锁(Global Interpreter Lock),是计算机程序设计语言计时器用于同步线程的一种机制，它使得任何时刻仅有一个线程在执行。

即使在多核CPU上，使用GIL的解释器也只允许同一时间执行一个线程。

2、你可以理解为这是python设计上的一个Bug，但是因为重构成本太高，龟叔也没打算修复了。

3、那么多线程就没有用了吗？当然不是，多线程可以用于IO密集型任务。

三、CPU密集型

阿里云开发者社区的解释：CPU密集型（CPU-bound） CPU密集型也叫计算密集型，指的是系统的硬盘、内存性能相对CPU要好很多，此时，系统运作大部分的状况是CPU Loading 100%，CPU要读/写I/O(硬盘/内存)，I/O在很短的时间就可以完成，而CPU还有许多运算要处理，CPU Loading很高。

说人话：做某件事情的时候CPU很忙，磁盘/内存读取很闲，这个事情就叫CPU密集型任务。

四、IO密集型

阿里云开发者社区的解释：IO密集型指的是系统的CPU性能相对硬盘、内存要好很多，此时，系统运作，大部分的状况是CPU在等I/O (硬盘/内存) 的读/写操作，此时CPU Loading并不高。

说人话：做某件事情的时候磁盘/内存读取很忙，CPU很闲，这个事情就叫IO密集型任务。

五、什么是多线程

百度百科的解释：多线程（multithreading），是指从软件或者硬件上实现多个线程并发执行的技术。

六、多线程使用场景

1、用于IO密集型任务

七、进入主题上代码

import requestsimport timeimport threading#干活函数，请求测试派，其他的啥都不干def get_url(url):    requests.get(url=url)#单线程实现，访问测试派50次def single(url):    for i in range(50):        get_url(url)#多线程实现，访问测试派50次def create_multi(url):    threads = []    for i in range(50):        #创建子线程        th = threading.Thread(target=get_url,args=(url,))        threads.append(th)    #启动子线程    for val in threads:        val.start()    #主线程等待子线程执行结束再结束    for val in threads:        val.join()if __name__ == '__main__':    url = ";    #单线程执行时间统计    start = time.time()    single(url)    end=time.time()    print("单线程耗时：",end - start)    print("="*30)    #多线程执行时间统计    start = time.time()    create_multi(url)    end=time.time()    print("多线程耗时：",end - start)输出：单线程耗时：27.86112666130066==============================多线程耗时： 19.54499316215515

►►►

多线程的创建方式

上面我们讲了多线程的使用场景，通过一个简单的例子了解了多线程在IO密集型任务中确实能提高代码执行效率，接下来我们聊一聊多线程的创建。

一、实例化Thread类创建

import requestsimport threading#干活函数，请求测试派，其他的啥都不干def get_url(url):    requests.get(url=url)if __name__ == '__main__':    url = ";    threads = []    for i in range(50):        #创建子线程        th = threading.Thread(target=get_url,args=(url,))        threads.append(th)    #启动子线程    for val in threads:        val.start()    #主线程等待子线程执行结束再结束    for val in threads:        val.join()

二、继承Thread重写run方法创建

import requestsimport threadingclass TestThreading(threading.Thread):    def __init__(self):        #调用父类初始化函数进行必要的初始化        super().__init__()    #重写run方法    def run(self):        thread_name = threading.current_thread().name        thread_id = threading.current_thread().ident        print('子线程id={},子线程名称={}：'.format(thread_id, thread_name))        print("干活的函数逻辑写在这里")        res = requests.get(url=";)        print(res)if __name__ == '__main__':    #启动子线程    for i in range(3):        th = TestThreading()        th.start()