多线程只能使用一颗CPU，无法发挥多核心的优势。计算密集型用python的多线程效果不明显的，I/O密集型才能看出效果，可以发挥多核优势。
GIL是全局资源锁，所以，如果没有涉及到资源的调用，是不会体现的。另外，如果线程进行的是简单运算，由于运算速度太快，导致线程间请求和释放GIL间隔太短，所以也不能观察到多核CPU跑满的情况。
实例一：多线程ping，默认无法控制线程数量
# -*- coding: UTF-8 -*- import time,threading,datetime from time import ctime,sleep import subprocess,sys reload(sys) #定义ping函数 def fping(ip): sc = subprocess.Popen(['ping.exe',ip,'-n','2'],shell=True,stdout=subprocess.PIPE) ls=[] while sc.poll() == None: sclines = sc.stdout.readlines() for l in sclines: ls.append(l.strip().decode('GBK')+' ') #将ls转换为字符串格式，否则在输出的时候每个ping结果会串行 lss=''.join(ls) print lss #fping('192.168.200.250') stime=datetime.datetime.now() if __name__ =='__main__': ips=['www.baidu.com','www.163.com','www.sohu.com','www.cctv.com','www.xin.com','apollo.youxinpai.com'] threads=[] for ip in ips: #创建并启动进程 t = threading.Thread(target=fping,args=(ip,)) #将线程声明为守护线程，必须在start() 方法调用之前设置，如果不设置为守护线程程序会被无限挂起。子线程启动后，父线程也继续执行下去 t.setDaemon(True) t.start() threads.append(t) #等待每个线程结束 for t in threads: print t.name,t.is_alive(),ctime() t.join() etime=datetime.datetime.now() print (etime-stime).seconds,'s'
多线程数量控制（直接控制可以同时启动的线程数量，起来后同时运行，不再控制）：
#定义分段函数，变相实现控制线程数量 def lstg(num,lst): #定义每段的个数num l = len(lst) #取分成几组 g = l/num #判断是否有剩余的数 last = l%num lstn = [] if num >= l: lstn.append(lst) else: for i in range(g): i=i+1 n=i*num m=n-num lstn.append(lst[m:n]) if last <> 0: lstn.append(lst[-last:]) return lstn #定义ping函数 def fping(ip): sc = subprocess.Popen(['ping.exe',ip,'-n','2'],shell=True,stdout=subprocess.PIPE) ls=[] while sc.poll() == None: sclines = sc.stdout.readlines() for l in sclines: ls.append(l.strip().decode('GBK')+' ') #将ls转换为字符串格式，否则在输出的时候每个ping结果会串行 lss=''.join(ls) print lss #fping('192.168.200.250') stime=datetime.datetime.now() if __name__ =='__main__': #定义线程数量 tnum = 3 ips=['www.baidu.com','www.163.com','www.sohu.com','www.cctv.com','www.xin.com','apollo.youxinpai.com','www.cmr.com.cn'] for ips in lstg(tnum,ips): threads=[] for ip in ips: #创建并启动进程 t = threading.Thread(target=fping,args=(ip,)) #t.setName('th-'+ ip) t.setDaemon(True) t.start() threads.append(t) #等待每个线程结束 for t in threads: #print t.name,t.is_alive(),ctime() t.join() etime=datetime.datetime.now() print (etime-stime).seconds,'s'
多线程数量控制（同时启动N个，限制同时可运行的线程数量）：
import threading def query(tnum,mutex,fp): with tnum: #限制同时运行的线程数量 print fp,threading.currentThread() time.sleep(2) if __name__ == '__main__': threads=[] mutex=threading.Lock() tnum=threading.Semaphore(5) #定义同时可运行的线程数量为5 files = range(10) for filepath in files: t = threading.Thread(target=query,args=(tnum,mutex,filepath)) t.setDaemon(True) t.start() #同时启动线程数量不限 #print t.name threads.append(t) for t in threads: t.join()
线程未加锁：
# -*- coding: UTF-8 -*- from time import ctime,sleep import threading,datetime def fun(mutex,arg1,ts): global a1 a1=0 a1=arg1+a1 print str(a1)+ ' ' + ctime() sleep(ts) if __name__ == '__main__': arg1=2 ts=1 print datetime.datetime.now() mutex = threading.Lock() threads = [] for arg1 in range(5): t = threading.Thread(target=fun,args=(mutex,arg1,ts)) t.setDaemon(True) t.start() threads.append(t) for t in threads: t.join() print a1 a1返回结果为：4
线程加锁：
# -*- coding: UTF-8 -*- from time import ctime,sleep import threading,datetime def fun(mutex,arg1,ts): global a1 a1=0 if mutex.acquire(1): #加锁。锁定方法acquire可以有一个超时时间的可选参数timeout。如果设定了timeout，则在超时后通过返回值可以判断是否得到了锁，从而可以进行一些其他的处理 a1=arg1+a1 print str(a1)+ ' ' + ctime() sleep(ts) mutex.release() #释放锁 #print mutex.locked() #判断锁是否还在 if __name__ == '__main__': arg1=2 ts=1 print datetime.datetime.now() mutex = threading.Lock() #创建锁 threads = [] for arg1 in range(5): t = threading.Thread(target=fun,args=(mutex,arg1,ts)) t.setDaemon(True) t.start() threads.append(t) for t in threads: t.join() print a1 a1返回结果为10
线程锁：http://www.cnblogs.com/tqsummer/archive/2011/01/25/1944771.html
threading.Thread类
这个类表示在单独的控制线程中运行的活动。有两种方法可以指定这种活动，给构造函数传递回调对象，或者在子类中重写run() 方法。其他方法（除了构造函数)都不应在子类中被重写。换句话说，在子类中只有__init__()和run()方法被重写。
一旦线程对象被创建，它的活动需要通过调用线程的start()方法来启动。这方法再调用控制线程中的run方法。
一旦线程被激活，则这线程被认为是'alive'(活动)。当它的run()方法终止时-正常退出或抛出未处理的异常，则活动状态停止。isAlive()方法测试线程是否是活动的。
一个线程能调用别的线程的join()方法。这将阻塞调用线程，直到拥有join()方法的线程的调用终止。
线程有名字。名字能传给构造函数，通过setName()方法设置，用getName()方法获取。
线程能被标识为'daemon thread'(守护线程).这标志的特点是当剩下的全是守护线程时，则Python程序退出。它的初始值继承于创建线程。这标志用setDaemon()方法设置，用isDaemon()获取。
存在'main thread'(主线程),它对应于Python程序的初始控制线程。它不是后台线程。
有可能存在'dummy thread objects'(哑线程对象)被创建。这些线程对应于'alien threads'(外部线程),它们在Python的线程模型之外被启动，像直接从C语言代码中启动。哑线程对象只有有限的功能，它们总是被认为是活动的，守护线程，不能使用join()方法。它们从不能被删除，既然它无法监测到外部线程的中止。
- class Thread(group=None, target=None, name=None, args=(), kwargs={})
-
构造函数能带有关键字参数被调用。这些参数是:
group 应当为 None，为将来实现ThreadGroup类的扩展而保留。
target 是被 run()方法调用的回调对象. 默认应为None, 意味着没有对象被调用。
name 为线程名字。默认，形式为'Thread-N'的唯一的名字被创建，其中N 是比较小的十进制数。
args是目标调用参数的tuple，默认为()。
kwargs是目标调用的参数的关键字dictionary，默认为{}。
如果子线程重写了构造函数，它应保证调用基类的构造函数(Thread.__init__())，在线程中进行其他工作之前。
- start()
- 启动线程活动。
在每个线程对象中最多被调用一次。它安排对象的run() 被调用在一单独的控制线程中。
run()
- 用以表示线程活动的方法。
-
你可能在子类重写这方法。标准的 run()方法调用作为target传递给对象构造函数的回调对象。如果存在参数，一系列关键字参数从args和kwargs参数相应地起作用。
- join([timeout])
- 等待至线程中止。这阻塞调用线程直至线程的join() 方法被调用中止-正常退出或者抛出未处理的异常-或者是可选的超时发生。
-
当timeout参数未被设置或者不是
None,它应当是浮点数指明以秒计的操作超时值。因为join()总是返回None，你必须调用isAlive()来判别超时是否发生。 -
当timeout 参数没有被指定或者是
None时，操作将被阻塞直至线程中止。 -
线程能被join()许多次。
-
线程不能调用自身的join()，因为这将会引起死锁。
-
在线程启动之前尝试调用join()会发生错误。
- getName()
- 返回线程名。
- setName(name)
- 设置线程名。
-
这名字是只用来进行标识目的的字符串。它没有其他作用。多个线程可以取同一名字。最初的名字通过构造函数设置。
- isAlive()
- 返回线程是否活动的。
-
大致上，线程从 start()调用开始那点至它的run()方法中止返回时，都被认为是活动的。模块函数enumerate()返回活动线程的列表。
- isDaemon()
- 返回线程的守护线程标志。
- setDaemon(daemonic)
- 设置守护线程标志为布尔值daemonic。它必须在start()调用之前被调用。
-
初始值继承至创建线程。
-
当没有活动的非守护线程时，整个Python程序退出