同一個回調，多線程

Question

如果我創建多個線程並將相同的回調傳遞給所有線程，這些線程是否會同時執行 memory 的同一塊（相同的函數/回調）？ 線程回調是按值傳遞還是按引用傳遞？ 這是一個依賴於語言的功能嗎？ 由於全局解釋器鎖定與諸如 C# 之類的語言，這將如何在 Python 中工作？

下面的代碼顯示了正在打印的不同線程 ID，但是 function 位置呢？ 是否有 LongOperation 的副本，或者每個線程在每次運行其代碼時都訪問相同的 memory 位置？

python 中的示例代碼：

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

謝謝閱讀。

Answer 1

函數被編譯成代碼對象。 LongOperation是一個引用這些代碼塊之一的變量。 每次調用LongOperation時，python 都會創建一個框架 object，該框架將保存對該單個調用唯一的局部變量。 盡管框架 object 將被視為“通過引用調用”，因為每次調用都會創建一個唯一的框架，但沒有其他 function 會引用它。 例外情況是，如果您的 function 有yield 。 然后你有一個可以傳遞給許多其他函數的生成器。

在您的情況下，每個線程訪問相同的 function object 的代碼，但單獨的框架對象的數據。 這與 C 非常相似，其中許多調用者將獲得相同的代碼但不同的數據堆棧幀。

CPython 僅在線程獲取 GIL 時執行字節碼。 它將定期釋放 GIL 以讓線程交錯，但一次只能執行一個。 Python 擴展（在 python 的標准庫中 - 例如，正則表達式，或外部，例如，numpy）如果願意，可以自由釋放 GIL。 它不是必需的，何時發布 GIL 是一種個人意見。 CPython 在執行諸如讀取文件之類的阻塞操作時也會釋放 GIL。

如果你有純 python 不使用釋放 GIL 的擴展並且不做 I/O，多線程並不比順序做事快。 但是，如果您的代碼執行這些操作，多線程可能會有所幫助。

Python 的異步支持非常適合處理文件系統或網絡訪問等阻塞問題。 它自然地擴展到完全將 1 個 cpu 提交給您的程序，而無需在更傳統的程序中管理多個線程的復雜性。

如果您使用釋放 GIL 的 package 進行大型數值處理，那么多線程會再次變得有趣，因為您的程序可以消耗多個 CPU。

Answer 2

• 如果我創建多個線程並將相同的回調傳遞給所有線程，這些線程是否會同時執行 memory 的同一塊（相同的函數/回調）？

  是的，它們使用相同的程序代碼

• 線程回調是按值傳遞還是按引用傳遞？

  每個線程都可以有它的局部變量

• 這是一個依賴於語言的功能嗎？

  不確定，但我認為是的。

• 由於全局解釋器鎖定與諸如 C# 之類的語言，這將如何在 Python 中工作？

  我認為它與 GIL 無關，您仍然可以使用多線程 Python 進行高度 IO（不是 CPU）工作。

對於您的代碼，我對此進行了測試：

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