优缺点：
多线程类似于同时执行多个不同程序，多线程运行有如下优点：
- 使用线程可以把占据长时间的程序中的任务放到后台去处理。
- 用户界面可以更加吸引人，这样比如用户点击了一个按钮去触发某些事件的处理，可以弹出一个进度条来显示处理的进度
- 程序的运行速度可能加快
- 在一些等待的任务实现上如用户输入、文件读写和网络收发数据等，线程就比较有用了。在这种情况下我们可以释放一些珍贵的资源如内存占用等等。
线程在执行过程中与进程还是有区别的。每个独立的线程有一个程序运行的入口、顺序执行序列和程序的出口。但是线程不能够独立执行，必须依存在应用程序中，由应用程序提供多个线程执行控制。
每个线程都有他自己的一组CPU寄存器，称为线程的上下文，该上下文反映了线程上次运行该线程的CPU寄存器的状态。
指令指针和堆栈指针寄存器是线程上下文中两个最重要的寄存器，线程总是在进程得到上下文中运行的，这些地址都用于标志拥有线程的进程地址空间中的内存。
- 线程可以被抢占（中断）。
- 在其他线程正在运行时，线程可以暂时搁置（也称为睡眠） -- 这就是线程的退让。
一、Python线程
Python中使用线程有两种方式：函数或者用类来包装线程对象。
函数式：调用thread模块中的start_new_thread()函数来产生新线程。语法如下:
thread.start_new_thread ( function, args[, kwargs] )
参数说明:
- function - 线程函数。
- args - 传递给线程函数的参数,他必须是个tuple类型。
- kwargs - 可选参数
二、线程模块
Python通过两个标准库thread和threading提供对线程的支持。thread提供了低级别的、原始的线程以及一个简单的锁。
thread 模块提供的其他方法：
- threading.currentThread(): 返回当前的线程变量。
- threading.enumerate(): 返回一个包含正在运行的线程的list。正在运行指线程启动后、结束前，不包括启动前和终止后的线程。
- threading.activeCount(): 返回正在运行的线程数量，与len(threading.enumerate())有相同的结果。
除了使用方法外，线程模块同样提供了Thread类来处理线程，Thread类提供了以下方法:
- run(): 用以表示线程活动的方法。
- start():启动线程活动。
- join([time]): 等待至线程中止。这阻塞调用线程直至线程的join() 方法被调用中止-正常退出或者抛出未处理的异常-或者是可选的超时发生。
- isAlive(): 返回线程是否活动的。
- getName(): 返回线程名。
- setName(): 设置线程名。
三、使用Threading模块创建线程
使用Threading模块创建线程，直接从threading.Thread继承，然后重写__init__方法和run方法
1.线程同步
如果多个线程共同对某个数据修改，则可能出现不可预料的结果，为了保证数据的正确性，需要对多个线程进行同步。
使用Thread对象的Lock和Rlock可以实现简单的线程同步，这两个对象都有acquire方法和release方法，对于那些需要每次只允许一个线程操作的数据，可以将其操作放到acquire和release方法之间。如下：
多线程的优势在于可以同时运行多个任务（至少感觉起来是这样）。但是当线程需要共享数据时，可能存在数据不同步的问题。
考虑这样一种情况：一个列表里所有元素都是0，线程"set"从后向前把所有元素改成1，而线程"print"负责从前往后读取列表并打印。
那么，可能线程"set"开始改的时候，线程"print"便来打印列表了，输出就成了一半0一半1，这就是数据的不同步。为了避免这种情况，引入了锁的概念。
锁有两种状态——锁定和未锁定。每当一个线程比如"set"要访问共享数据时，必须先获得锁定；如果已经有别的线程比如"print"获得锁定了，那么就让线程"set"暂停，也就是同步阻塞；等到线程"print"访问完毕，释放锁以后，再让线程"set"继续。
经过这样的处理，打印列表时要么全部输出0，要么全部输出1，不会再出现一半0一半1的尴尬场面。
2.线程优先级队列（ Queue）
Python的Queue模块中提供了同步的、线程安全的队列类，包括FIFO（先入先出)队列Queue，LIFO（后入先出）队列LifoQueue，和优先级队列PriorityQueue。这些队列都实现了锁原语，能够在多线程中直接使用。可以使用队列来实现线程间的同步。
Queue模块中的常用方法:
- Queue.qsize() 返回队列的大小
- Queue.empty() 如果队列为空，返回True,反之False
- Queue.full() 如果队列满了，返回True,反之False
- Queue.full 与 maxsize 大小对应
- Queue.get([block[, timeout]])获取队列，timeout等待时间
- Queue.get_nowait() 相当Queue.get(False)
- Queue.put(item) 写入队列，timeout等待时间
- Queue.put_nowait(item) 相当Queue.put(item, False)
- Queue.task_done() 在完成一项工作之后，Queue.task_done()函数向任务已经完成的队列发送一个信号
- Queue.join() 实际上意味着等到队列为空，再执行别的操作
python支持多进程编程，标准库模块threading使得python的多线程编程变得容易，支持很多功能，在python2.6后，python新添加了多进程的标准库模块multiprocessing，功能非常类似threading。
下面介绍multiprocessing模块的一些常用类和方法。
1、multiprocessing.Process
该类原型如下：
class multiprocessing.Process(group=None, target=None, name=None, args=(), kwargs={})
group参数通常为None，仅仅是为兼容threading.Thread。
target为可调用对象，被run()函数调用，一般用法就是将函数传给该参数，交给子进程运行。
name为进程名，如不指定，默认为Process-1，Process-2....这样的名字，数字随自己查数量依次递增。
args为target调用的参数元祖。
kwargs为target调用的关键字参数字典。
Process类生成一个process对象，并运行在一个新的单独的进程内。
一个简单的使用例子：
1 from multiprocessing import Process 2 import time 3 4 def timetask(times): 5 time.sleep(times) 6 print time.localtime() 7 8 if __name__ == '__main__': 9 arg = 5 10 p = Process(target = timetask, args = (arg,)) 11 p.start() 12 p.join()
每个process对象最多只能调用一次start()方法，join([timeout])方法会阻塞调用process对象的进程，直到timeout时间超时，或者process进程退出。如果timeout设置为None，则无超时时间。对于linux操作系统的进程管理，父进程会等待子进程退出，并收回子进程的资源，然后父进程再退出。如果父进程先于子进程退出，则子进程会被init进程接管。如果父进程没有退出也没有回收子进程资源，则子进程会一直停留在僵死状态。这里join方法就是阻塞父进程，等待子进程执行完毕。
如果在子进程里面要接受标准输入(如调用raw_input函数)，这时候会有问题。因为标准输入是被父进程占用，因此这里子进程无法从标准输入读取数据。
一个解决办法是将标准输入描述符，传入子进程函数：
1 from multiprocessing import Process 2 import sys, os 3 import time 4 5 def intask(x, fileno): 6 sys.stdin = os.fdopen(fileno) 7 while True: 8 in_char = raw_input("Enter to continue, Q to quit: ") 9 if in_char.upper() == 'Q': 10 break 11 print x * x 12 13 if __name__ == '__main__': 14 fn = sys.stdin.fileno() 15 arg = 5 16 p = Process(target = intask, args = (arg, fn)) 17 p.start() 18 p.join()
开启多个进程并行执行：
1 from multiprocessing import Process 2 import sys, os 3 import time 4 5 def timetask(times): 6 time.sleep(times) 7 print time.localtime() 8 9 10 def works(func, arg, worknum): 11 proc_record = [] 12 for i in range(worknum): 13 p = Process(target = func, args = (arg,)) 14 p.start() 15 proc_record.append(p) 16 for p in proc_record: 17 p.join() 18 19 20 if __name__ == '__main__': 21 arg = 5 22 procs = 4 23 works(timetask, arg, procs)
程序同时开启4个进程并行执行timetask函数，这里需要注意的是先把所有的进程对象执行了start()方法后，再执行join()，如果对每个进程对象一起执行start()和join()，那么单个进程对象start()后，会马上阻塞父进程，导致无法马上对下一个进程对象执行start()。结果就是子进程并不是并行运行，而是依次运行。
有时间再更新multiprocessing模块的其他类和方法