Python并发编程入门指南（从多线程到异步编程的完整教程）

什么是并发编程？

并发编程是指程序能够同时处理多个任务的能力。注意，并发不等于并行——并发是“看起来同时进行”，而并行是“真正同时执行”。Python 提供了多种实现并发的方式，主要包括：

• 多线程（Threading）
• 多进程（Multiprocessing）
• 异步编程（Asyncio）

1. 多线程（Threading）

Python 的 threading 模块允许你创建多个线程。但由于全局解释器锁（GIL）的存在，多线程在 CPU 密集型任务中并不能真正并行，但在 I/O 密集型任务（如文件读写、网络请求）中非常有效。

import threadingimport timedef task(name):    print(f"线程 {name} 开始")    time.sleep(2)    print(f"线程 {name} 结束")# 创建两个线程thread1 = threading.Thread(target=task, args=("A",))thread2 = threading.Thread(target=task, args=("B",))# 启动线程thread1.start()thread2.start()# 等待线程完成thread1.join()thread2.join()print("所有线程已完成")

2. 多进程（Multiprocessing）

为绕过 GIL 限制，Python 提供了 multiprocessing 模块。每个进程拥有独立的内存空间，适合 CPU 密集型任务。

import multiprocessingimport timedef cpu_task(n):    total = 0    for i in range(n):        total += i * i    return totalif __name__ == "__main__":    start = time.time()        # 创建进程池    with multiprocessing.Pool(processes=2) as pool:        results = pool.map(cpu_task, [1000000, 1000000])        end = time.time()    print(f"结果: {results}")    print(f"耗时: {end - start:.2f} 秒")

3. 异步编程（Asyncio）

对于高并发 I/O 操作（如 Web 请求、数据库查询），asyncio 是更高效的选择。它使用单线程事件循环，通过协程（coroutine）实现非阻塞操作。

import asyncioasync def fetch_data(delay, name):    print(f"开始获取 {name} 的数据...")    await asyncio.sleep(delay)  # 模拟网络延迟    print(f"{name} 的数据已获取")    return f"Data from {name}"async def main():    # 并发执行多个异步任务    tasks = [        fetch_data(2, "API-1"),        fetch_data(1, "API-2"),        fetch_data(3, "API-3")    ]    results = await asyncio.gather(*tasks)    print("所有数据获取完成:", results)# 运行异步主函数asyncio.run(main())

如何选择合适的并发模型？

总结

掌握 Python并发编程 是提升程序性能的重要一步。通过合理使用 多线程、多进程 和 异步编程，你可以显著优化应用的响应速度和资源利用率。初学者建议从简单的多线程示例入手，逐步过渡到更复杂的异步模型。

记住：没有“最好”的并发模型，只有“最适合”当前任务的模型。多实践、多测试，才能写出高效可靠的并发程序！