同一个回调，多线程

Question

如果我创建多个线程并将相同的回调传递给所有线程，这些线程是否会同时执行 memory 的同一块（相同的函数/回调）？ 线程回调是按值传递还是按引用传递？ 这是一个依赖于语言的功能吗？ 由于全局解释器锁定与诸如 C# 之类的语言，这将如何在 Python 中工作？

下面的代码显示了正在打印的不同线程 ID，但是 function 位置呢？ 是否有 LongOperation 的副本，或者每个线程在每次运行其代码时都访问相同的 memory 位置？

python 中的示例代码：

def LongOperation():
    print( "Spinning up a thread with this ID: " + str(threading.get_ident()))
    print("Finishing up thread ID: " + str(threading.get_ident()))

i = 0
while i < 10:
    threading.Thread(target=LongOperation).start()
    i = i + 1

谢谢阅读。

Answer 1

函数被编译成代码对象。 LongOperation是一个引用这些代码块之一的变量。 每次调用LongOperation时，python 都会创建一个框架 object，该框架将保存对该单个调用唯一的局部变量。 尽管框架 object 将被视为“通过引用调用”，因为每次调用都会创建一个唯一的框架，但没有其他 function 会引用它。 例外情况是，如果您的 function 有yield 。 然后你有一个可以传递给许多其他函数的生成器。

在您的情况下，每个线程访问相同的 function object 的代码，但单独的框架对象的数据。 这与 C 非常相似，其中许多调用者将获得相同的代码但不同的数据堆栈帧。

CPython 仅在线程获取 GIL 时执行字节码。 它将定期释放 GIL 以让线程交错，但一次只能执行一个。 Python 扩展（在 python 的标准库中 - 例如，正则表达式，或外部，例如，numpy）如果愿意，可以自由释放 GIL。 它不是必需的，何时发布 GIL 是一种个人意见。 CPython 在执行诸如读取文件之类的阻塞操作时也会释放 GIL。

如果你有纯 python 不使用释放 GIL 的扩展并且不做 I/O，多线程并不比顺序做事快。 但是，如果您的代码执行这些操作，多线程可能会有所帮助。

Python 的异步支持非常适合处理文件系统或网络访问等阻塞问题。 它自然地扩展到完全将 1 个 cpu 提交给您的程序，而无需在更传统的程序中管理多个线程的复杂性。

如果您使用释放 GIL 的 package 进行大型数值处理，那么多线程会再次变得有趣，因为您的程序可以消耗多个 CPU。

Answer 2

• 如果我创建多个线程并将相同的回调传递给所有线程，这些线程是否会同时执行 memory 的同一块（相同的函数/回调）？

  是的，它们使用相同的程序代码

• 线程回调是按值传递还是按引用传递？

  每个线程都可以有它的局部变量

• 这是一个依赖于语言的功能吗？

  不确定，但我认为是的。

• 由于全局解释器锁定与诸如 C# 之类的语言，这将如何在 Python 中工作？

  我认为它与 GIL 无关，您仍然可以使用多线程 Python 进行高度 IO（不是 CPU）工作。

对于您的代码，我对此进行了测试：

import threading
import time

def LongOperation(i):
    print("Spinning up a thread with this ID: " + str(threading.currentThread()))
    print("Finishing up thread ID: " + str(threading.currentThread().ident))
    print("Input data_index: " + str(i))

i = 0
while i < 5:
    threading.Thread(target=LongOperation, args=(i,)).start()
    i = i + 1

Output：

Spinning up a thread with this ID: <Thread(Thread-1, started 123145548488704)>
Finishing up thread ID: 123145548488704
Spinning up a thread with this ID: <Thread(Thread-2, started 123145552695296)>
Finishing up thread ID: 123145552695296Input data_index: 0

Input data_index: 1
Spinning up a thread with this ID: <Thread(Thread-3, started 123145548488704)>
Finishing up thread ID: 123145548488704
Input data_index: 2
Spinning up a thread with this ID: <Thread(Thread-4, started 123145552695296)>
Finishing up thread ID: 123145552695296
Input data_index: 3

Spinning up a thread with this ID: <Thread(Thread-5, started 123145556901888)>
Finishing up thread ID: 123145556901888
Input data_index: 4