python线程间怎么通信

Python 线程间通信(Inter-Thread Communication, ITC) 是理解并发编程的核心之一。

由于同一进程内的所有线程 共享内存空间,它比进程间通信(IPC)更高效,但也更危险 ------ 稍不注意就会出现数据竞争、死锁等问题。

🧠 一、线程之间为什么要通信?

多线程的目的是让多个任务并行执行(例如 I/O 并发、后台计算、异步日志等)。

但这些线程往往需要共享数据或协调动作,比如:

• 一个线程生产数据,另一个线程消费;

• 主线程通知子线程停止;

• 多线程同时写日志;

• 多线程之间需要同步状态。

因此,需要安全的通信机制来传递数据、协调执行。

⸻

🧩 二、线程间通信的基本特征

⸻

⚙️ 三、常见的通信与同步机制

Python 提供了多种线程间通信方式,主要有以下几类:

⸻

🔹 1. Queue --- 最推荐的通信方式

queue.Queue 是线程安全的 FIFO 队列(内部用锁同步),适合"生产者-消费者"模型。

📘 示例:生产者与消费者

bash 复制代码
import threading, queue, time

q = queue.Queue(maxsize=5)

def producer():
    for i in range(10):
        item = f"任务-{i}"
        q.put(item)      # 自动加锁
        print(f"生产:{item}")
        time.sleep(0.5)

def consumer():
    while True:
        item = q.get()   # 自动等待可用
        print(f"消费:{item}")
        time.sleep(1)
        q.task_done()

threading.Thread(target=producer).start()
threading.Thread(target=consumer, daemon=True).start()

q.join() # 等所有任务完成

✅ 优点:

• 自动线程安全;

• 支持阻塞/非阻塞;

• 自带 join / task_done 协调机制;

• 可实现多生产者、多消费者模型。

⸻

🔹 2. Event --- 信号通知机制

Event 是一种线程间事件信号:

一个线程等待事件,另一个线程触发事件。

📘 示例

bash 复制代码
import threading, time

event = threading.Event()

def worker():
    print("子线程等待信号...")
    event.wait()          # 阻塞,直到被 set()
    print("收到信号,继续执行!")

t = threading.Thread(target=worker)
t.start()

time.sleep(2)
print("主线程发信号")
event.set()               # 唤醒 worker
t.join()

✅ 优点:

• 实现线程之间的同步信号;

• 适合"启动/暂停/终止"等场景;

• 不需要共享数据。

⸻

🔹 3. Condition --- 条件变量(适合复杂等待)

用于复杂的同步条件,比如:等待"队列非空"或"资源可用"。

📘 示例

bash 复制代码
import threading, time

cond = threading.Condition()
data = []

def producer():
    with cond:
        print("生产者:准备数据")
        data.append("任务数据")
        cond.notify()  # 唤醒等待的消费者

def consumer():
    with cond:
        print("消费者:等待数据")
        cond.wait()    # 等待 notify()
        print("消费者:获取数据", data.pop())

threading.Thread(target=consumer).start()
time.sleep(1)
threading.Thread(target=producer).start()

✅ 特点:

• 可精确控制等待条件;

• 可配合多个线程使用;

• 是更底层的同步机制。

⸻

🔹 4. Lock / RLock --- 最基础的同步方式

用于保护共享资源,防止并发修改冲突。

📘 示例

bash 复制代码
import threading, time

lock = threading.Lock()
counter = 0

def worker():
    global counter
    for _ in range(100000):
        with lock:
            counter += 1

threads = [threading.Thread(target=worker) for _ in range(5)]
[t.start() for t in threads]
[t.join() for t in threads]
print("最终结果:", counter)

如果没有锁保护,多线程同时修改 counter,结果会错误。

✅ 区别:

• Lock:普通互斥锁;

• RLock:可重入锁(允许同一线程重复获得)。

⸻

🔹 5. Semaphore --- 控制并发数量

类似计数锁,可用于限制并发资源访问数量。

📘 示例

bash 复制代码
import threading, time

sem = threading.Semaphore(3)  # 最多允许3个线程同时执行

def worker(i):
    with sem:
        print(f"线程 {i} 开始")
        time.sleep(2)
        print(f"线程 {i} 结束")

for i in range(8):
    threading.Thread(target=worker, args=(i,)).start()

✅ 应用:

• 限制数据库连接数;

• 控制文件下载并发数。

⸻

🔹 6. 全局变量(不推荐直接用)

线程共享全局变量,但需要 锁保护。

📘 示例

bash 复制代码
import threading

shared_data = 0
lock = threading.Lock()

def add():
    global shared_data
    for _ in range(100000):
        with lock:
            shared_data += 1

threads = [threading.Thread(target=add) for _ in range(5)]
[t.start() for t in threads]
[t.join() for t in threads]
print("结果:", shared_data)

⸻

🔹 7. Future / ThreadPoolExecutor(现代线程通信)

Python 的 concurrent.futures 封装了线程池和异步返回结果机制(Future 对象)。

📘 示例

from concurrent.futures import ThreadPoolExecutor, as_completed

import time

def task(x):

time.sleep(1)

return x * x

with ThreadPoolExecutor(max_workers=4) as executor:

futures = executor.submit(task, i) for i in range(6)

for f in as_completed(futures):

print("结果:", f.result())

✅ 优点:

• 自带队列与锁;

• 线程安全;

• 结果异步返回(Future.result())。

⸻

🧮 四、性能与适用场景对比

⸻

🧭 五、线程间通信的设计建议

  1. ✅ 优先使用 Queue:最稳定、线程安全、简单。

  2. ⚠️ 全局变量必须加锁:否则容易出现竞争条件。

  3. 🧱 不要过度使用锁:过多锁会导致死锁、性能下降。

  4. 🚀 I/O 密集用多线程,CPU 密集用多进程。

  5. 🧰 复杂同步逻辑用 Event / Condition 实现。

  6. 🧮 任务分发场景可用 ThreadPoolExecutor。

⸻

✅ 六、总结对比表

相关推荐
Wellijohn9 小时前
一个 Android 老兵的十年开源路:从 167 star 的滑动控件,到本地优先的 AI Agent
android·人工智能·开源
Wellijohn10 小时前
我把公司内部的 12 个 CRUD 接口交给了 AI Agent,然后省出了两周
人工智能·python·mcp
宝哥网络砖家10 小时前
软路由品牌推荐先看设备站在哪一层
网络·软路由·routeros
时间的拾荒人10 小时前
Linux 系统命令与网络、磁盘、日志监控(下篇):性能原理与优化
linux·运维·网络
2601_9679801111 小时前
python pytest怎样测试代码
python·pytest·测试·文档·断言
伞伞悦读12 小时前
【第92期】逻辑回归的分数概率与阈值的实验与排查
人工智能·python·深度学习·机器学习
ch62312 小时前
🚀 从零构建本地文档智能审查 Agent:Vibe Coding 实战指南
python
摇滚侠13 小时前
《On Java 中文版 基础卷》阅读笔记 接口 18
java·笔记·python
Thanks_ks13 小时前
AI Agent 开发入门:用 Function Calling 让大模型学会 “动手干活”,附订单查询机器人实战
python·ai·大模型·openai·agent·通义千问·mcp
nice_lcj52014 小时前
【从零理解计算机网络 · 13】DNS 解析全流程:域名怎么变成 IP,慢在哪
网络·计算机网络·面试·dns·域名解析·cname·ttl