為了增加複雜度：
使用穿線模組
優點：在自己的執行緒中執行任何函式(實際上是任何可呼叫的)真的很容易。
共享資料不是一件容易的事(鎖從來都不是一件容易的事：)，至少很簡單。
缺點：正如juergen所提到的， python執行緒實際上不能併發訪問直譯器中的狀態(有乙個大鎖，臭名昭著的global interpreter lock。)實際上，這意味著執行緒對於i / o繫結任務(網路，寫入磁碟，等等)，但對於併發計算根本沒有用。
使用多重處理模組
在簡單的用例中，threading除了每個任務都是在自己的程序而不是自己的執行緒中執行之外，這與使用完全一樣。(幾乎從字面上看：如果以eli的示例為例，並threading用multiprocessing，，替換thread為process，然後將queue(模組)替換為multiprocessing.queue，它應該可以正常執行。)
優點：所有任務的實際併發(無全域性直譯器鎖定)。
可以擴充套件到多個處理器，甚至可以擴充套件到多台計算機。
缺點：程序比執行緒慢。
程序之間的資料共享比執行緒複雜。
記憶體不是隱式共享的。您要麼必須明確共享它，要麼必須醃製變數並將其來回傳送。這更安全，但更困難。(如果越來越重要，python開發人員似乎正在朝這個方向努力。)
使用事件模型，例如twisted
優點：您可以很好地控制優先順序，執行時間。
缺點：即使有了乙個好的庫，非同步程式設計通常也比執行緒程式設計難，無論是在理解應該發生的事情還是在除錯實際發生的事情上，都很難。
在所有情況下，我假設您已經了解了多工處理中的許多問題，尤其是如何在任務之間共享資料的棘手問題。如果由於某種原因您不知道何時以及如何使用鎖和條件，則必須從這些開始。多工**充滿了微妙之處和技巧，在開始之前最好對概念有乙個很好的理解。
python多執行緒 python多執行緒
通常來說，多程序適用於計算密集型任務，多執行緒適用於io密集型任務，如網路爬蟲。關於多執行緒和多程序的區別，請參考這個 下面將使用python標準庫的multiprocessing包來嘗試多執行緒的操作，在python中呼叫多執行緒要使用multiprocessing.dummy，如果是多程序則去掉...
python多執行緒詳解 Python多執行緒詳解
前言 由於最近的工作中一直需要用到python去處理資料，而在面對大量的資料時，python多執行緒的優勢就展現出來了。因而藉此機會，盡可能詳盡地來闡述python多執行緒。但對於其更底層的實現機制，在此不做深究，僅是對於之前的一知半解做個補充，也希望初學者能夠通過這篇文章，即便是照葫蘆畫瓢，也能夠...
python程式多執行緒 PYTHON多執行緒
在單執行緒的情況下，程式是逐條指令順序執行的。同一時間只做乙個任務，完成了乙個任務再進行下乙個任務。比如有5個人吃飯，單執行緒一次只允許乙個人吃，乙個人吃完了另乙個人才能接著吃，假如每個人吃飯都需要1分鐘，5個人就需要5分鐘。多執行緒的情況下，程式就會同時進行多個任務，雖然在同一時刻也只能執行某個任...