快捷導(dǎo)航

Python文件多線程/多進(jìn)程機(jī)制詳解

更新時(shí)間：2026年01月17日 14:58:35 作者：年六季

文章主要介紹了Python程序在運(yùn)行時(shí)可能會(huì)自動(dòng)創(chuàng)建多個(gè)線程的情況,包括Python內(nèi)部的線程池、異步庫、第三方庫以及調(diào)試器自身的線程,文章還提供了判斷線程來源的方法,并總結(jié)了手動(dòng)創(chuàng)建線程的常見方式

一、正常情況下（沒有主動(dòng)開線程）

def foo():
    print("hello")

foo()

或者即使是比較復(fù)雜的邏輯，比如深度學(xué)習(xí)推理、圖像處理、文件讀寫，

只要沒有顯式地使用線程或異步，

程序只運(yùn)行在一個(gè)主線程（MainThread）里。

此時(shí) VS Code 的調(diào)用堆棧中只會(huì)看到：

MainThread

二、為什么很多程序會(huì)“自動(dòng)”出現(xiàn)多個(gè)線程

很多人第一次調(diào)試時(shí)會(huì)驚訝地看到幾十個(gè)線程，其實(shí)大多數(shù)不是顯式創(chuàng)建的，而是：

來源	舉例	說明
Python 內(nèi)部運(yùn)行時(shí)	ThreadPoolExecutor, asyncio, multiprocessing	例如 ThreadPoolExecutor(max_workers=4) 會(huì)開 4 個(gè)線程去執(zhí)行任務(wù)。
第三方庫自動(dòng)創(chuàng)建	OpenCV, PyTorch, TensorFlow, NumPy, requests 等	為了提升性能，這些庫常在底層開線程。例如 PyTorch 的算子調(diào)用 BLAS/OpenMP 會(huì)自動(dòng)并行計(jì)算。
Jupyter / VSCode 調(diào)試器自身	調(diào)試器、控制臺(tái) I/O	VS Code 在調(diào)試時(shí)也會(huì)創(chuàng)建輔助線程用于通信、變量同步、斷點(diǎn)管理。
GPU 或底層加速庫	cuDNN、MKL、OpenBLAS	這些都是多線程實(shí)現(xiàn)的，Python 只是在上層調(diào)用它們。

所以：寫的 Python 文件是“單線程邏輯”，

但執(zhí)行時(shí) Python 解釋器 + 底層庫會(huì)自動(dòng)生成多個(gè)輔助線程。

三、怎么判斷線程是誰創(chuàng)建的？

在調(diào)試器中點(diǎn)開線程名稱可以看到調(diào)用堆棧。

比如：

ThreadPoolExecutor-1_0
  -> torch/threadpool.py
  -> ...

或

Thread-208679
  -> site-packages/opencv/...

從路徑就能看出是哪個(gè)庫開的線程。

四、手動(dòng)創(chuàng)建線程的常見方式

如果自己在代碼里寫了這些，那是主動(dòng)多線程：

import threading

def worker(i):
    print(f"thread {i} running")

for i in range(5):
    t = threading.Thread(target=worker, args=(i,))
    t.start()

這時(shí)會(huì)在 VS Code 調(diào)試器里看到：

MainThread
Thread-1
Thread-2
Thread-3
...

五、總結(jié)

情況	是否會(huì)自動(dòng)創(chuàng)建多線程	說明
普通 Python 腳本	? 否	只有主線程
使用線程池、異步庫	? 會(huì)	用戶代碼開線程
使用深度學(xué)習(xí) / OpenCV / NumPy 等庫	? 會(huì)	底層自動(dòng)并行
VS Code 調(diào)試模式	? 會(huì)	調(diào)試器自己也會(huì)開輔助線程