Python多线程：并发执行任务，避免死锁等问题案例

原创 ╰半橙微兮° 2025-03-10 11:45 37阅读 0赞

在Python中，我们可以使用`threading`模块来创建和管理多线程。以下是一些关于多线程的案例：

1. **并行计算**：
   当面对大量数据处理时，可以创建多个线程，每个线程负责一部分数据处理。例如：

```python
   import threading

def process_data(data_chunk):
       # 处理数据逻辑
       return processed_data

data = ...  # 大量数据

threads = []
   for i in range(len(data) // chunk_size + 1):  # 划分线程数量
       thread = threading.Thread(target=process_data, args=(data[i * chunk_size]: data[(i * chunk_size) + chunk_size - 1]],))
       threads.append(thread)
       thread.start()
   ```

2. **协程**：
   Python 3.7及更高版本引入了`asyncio`模块，支持异步编程。通过创建协程，可以实现多个任务的并发执行。

3. **避免死锁**：
   确保在多线程环境里不会出现资源竞争导致的死锁问题。比如：

```python
   import threading

# 模拟资源
   resources = ['resource1', 'resource2']

class ResourceMutex(threading.Lock):
       def acquire(self, *args, **kwargs):
           if self.is_owned():
               raise threading.ThreadError("Lock already held")
           super().acquire(*args, **kwargs)

def resource_consumer(resource_name):
       mutex = ResourceMutex()
       mutex.acquire()

print(f"Consuming {resource_name}..."))

mutex.release()

threads = []
   for resource in resources:
       thread = threading.Thread(target=resource_consumer, args=(resource,),)))
       threads.append(thread)
       thread.start()
   ```

以上案例展示了如何使用Python的多线程来并发执行任务，以及如何处理可能导致死锁的问题。