线程基本使用
单线程
def main():
print("在扔一个苹果")
if __name__ == "__main__":
main()
多线程
Python提供了thread、threading等模块来进行线程的创建与管理，后者在线程管理能力上更进一步，因此我们通常使用threading模块。创建一个线程需要指定该线程执行的任务（函数名）、以及该函数需要的参数，
import threading
import time
def apple_1():
print("苹果1")
time.sleep(1)
def apple_2():
print("苹果2")
time.sleep(1)
def main():
thread = threading.Thread(target=apple_1)
thread2 = threading.Thread(target=apple_2)
thread.start()
thread2.start()
print("苹果3")
print("有多少小小丑？ ", threading.active_count())
print("这些小丑是谁呢？", threading.enumerate())
if __name__ == "__main__":
main()
守护线程
线程是程序执行的最小单位，Python在进程启动起来后，会自动创建一个主线程，之后使用多线程机制可以在此基础上进行分支，产生新的子线程。子线程启动起来后，主线程默认会等待所有线程执行完成之后再退出。但是我们可以将子线程设置为守护线程，此时主线程任务一旦完成，所有子线程将会和主线程一起结束（就算子线程没有执行完也会退出）。
守护线程可以在线程启动之前，通过setDaemon(True)的形式进行设置，或者在创建子线程对象时，以参数的形式指定：
thread01 = Thread(target=target01, args=“”, name=“线程1”, daemon=True)
但是需要注意，如果希望主程序不等待任何线程直接退出，只有所有的线程都被设置为守护线程才有用。
设置线程阻塞
我们可以用join()方法使主线程陷入阻塞，以等待某个线程执行完毕。因此这也是实现线程同步的一种方式。参数timeout 可以用来设置主线程陷入阻塞的时间，如果线程不是守护线程，即没有设置daemon为True，那么参数timeout 是无效的，主线程会一直阻塞，直到子线程执行结束。
线程池的使用
在程序运行过程之中，临时创建一个线程需要耗费不小的代价（包括与操作系统的交互部分），尤其是我们只对一个线程分配一个简短的任务，此时，频繁的线程创建将会严重拖垮程序的执行的效率。
因此，在这种情形下，我们可以选择采用线程池技术，即通过预先创建几个空闲线程，在需要多线程来处理任务时，将任务分配给一个处于空闲状态的线程，该线程在执行完成后，将会回归空闲状态，而不是直接销毁；而如果申请从线程池中分配一个空闲线程时，遇到所有线程均处于运行状态，则当前线程可以选择阻塞来等待线程资源的空闲。如此一来，程序对于线程的管理将会更加灵活。
Python从3.2开始，就将线程池作为内置模块包含了进来，可以通过concurrent.futures.ThreadPoolExecutor来调用，使用方法也很简单。
GIL 全局解释器锁
GIL（GlobalInterpreterLock，全局解释器锁）是CPython中采用的一种机制，它确保同一时刻只有一个线程在执行Python字节码。给整个解释器加锁使得解释器多线程运行更方便，而且开发的CPython也更易于维护，但是代价是牺牲了在多处理器上的并行性。因此，在相当多的场景中，CPython解释器下的多线程机制的性能都不尽如人意
import threading
import time
def task():
a = 0
while a < 9999*9999:
a += 1
def main():
start_time = time.time()
thread = threading.Thread(target=task)
thread2 = threading.Thread(target=task)
thread2.start()
thread.start()
thread.join()
thread2.join()
task()
print("all time: ", time.time() - start_time)