5.0 KiB

Raw Blame History Unescape Escape

多线程与异步编程

对于 I/O 密集型任务，异步编程 通常比 多线程 是更好的选择。异步编程特别适合高并发的 I/O 密集型任务（如 Web 服务器、爬虫、实时通信）, 特别是大量并发连接的任务。

多线程比相对编程简单。

场景：GUI 应用程序

在 GUI（图形用户界面）应用程序中，主线程负责处理用户交互，而其他任务（如文件读写、网络请求）需要在后台运行，以避免阻塞主线程导致界面卡顿。多线程可以与 GUI 主线程共享内存，方便更新界面状态。线程间通信简单，适合处理后台任务。GUI 框架（如 PyQt、Tkinter）通常有自己的事件循环，与异步编程的事件循环冲突。

import sys import requests from PyQt5.QtWidgets import QApplication, QWidget, QVBoxLayout, QPushButton, QLabel from PyQt5.QtCore import QThread, pyqtSignal

工作线程：负责下载文件

class DownloadThread(QThread): # 自定义信号，用于通知主线程下载进度 progress_signal = pyqtSignal(str)

def __init__(self, url):
    super().__init__()
    self.url = url

def run(self):
    self.progress_signal.emit("开始下载...")
    try:
        response = requests.get(self.url, stream=True)
        total_size = int(response.headers.get("content-length", 0))
        downloaded_size = 0
        with open("downloaded_file", "wb") as file:
            for chunk in response.iter_content(chunk_size=1024):
                file.write(chunk)
                downloaded_size += len(chunk)
                progress = f"已下载: {downloaded_size / 1024:.2f} KB / {total_size / 1024:.2f} KB"
                self.progress_signal.emit(progress)
        self.progress_signal.emit("下载完成！")
    except Exception as e:
        self.progress_signal.emit(f"下载失败: {str(e)}")

主窗口

class MainWindow(QWidget): def init(self): super().init() self.init_ui()

def init_ui(self):
    self.setWindowTitle("多线程下载示例")
    self.setGeometry(100, 100, 300, 150)

    # 布局
    layout = QVBoxLayout()

    # 下载按钮
    self.download_button = QPushButton("开始下载", self)
    self.download_button.clicked.connect(self.start_download)
    layout.addWidget(self.download_button)

    # 状态标签
    self.status_label = QLabel("点击按钮开始下载", self)
    layout.addWidget(self.status_label)

    self.setLayout(layout)

def start_download(self):
    # 禁用按钮，防止重复点击
    self.download_button.setEnabled(False)
    self.status_label.setText("准备下载...")

    # 创建工作线程
    self.download_thread = DownloadThread("https://example.com/large_file.zip")
    self.download_thread.progress_signal.connect(self.update_status)
    self.download_thread.finished.connect(self.on_download_finished)
    self.download_thread.start()

def update_status(self, message):
    # 更新状态标签
    self.status_label.setText(message)

def on_download_finished(self):
    # 下载完成后启用按钮
    self.download_button.setEnabled(True)

运行应用程序

if name == "main": app = QApplication(sys.argv) window = MainWindow() window.show() sys.exit(app.exec_())

</python code>

以下场景更适合使用多线程：

与阻塞式 API 交互。某些库或 API 是阻塞式的（如某些数据库驱动、硬件接口库），无法直接使用异步编程。在这种情况下，多线程可以避免阻塞主线程。 import threading import time import sqlite3


def query_database():
# 模拟阻塞式数据库查询
conn = sqlite3.connect("example.db")
cursor = conn.cursor()
cursor.execute("SELECT * FROM users")
results = cursor.fetchall()
print("查询完成，结果:", results)
conn.close()
def main():
print("主线程开始")
# 创建线程执行数据库查询
thread = threading.Thread(target=query_database)
thread.start()
# 主线程继续执行其他任务
for i in range(5):
print(f"主线程运行中... {i}")
time.sleep(1)
thread.join()
print("主线程结束")

main()

实时数据处理。在实时数据处理场景中（如音频处理、视频流处理），需要快速响应并处理数据，同时保持主线程的响应性。
任务队列与线程池。在需要处理大量短期任务的场景中（如 Web 服务器的请求处理），使用线程池可以高效地管理任务。
与 C/C++ 扩展交互。某些 Python 库是基于 C/C++ 扩展实现的（如 numpy、pandas），这些扩展可能释放了 GIL，允许在多线程中并行运行。
需要共享状态的场景。在某些场景中，多个任务需要频繁共享和修改状态（如缓存、计数器），使用多线程可以方便地共享内存。

5.0 KiB Raw Blame History Unescape Escape