Thread e GIL
Comprendere i limiti del threading in Python
Thread e GIL è una lezione Python Academy gratuita su CoddyKit. Questa è la lezione 1 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento Python Academy, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso Python Academy include 4 lezioni in totale.
Che cos'è un thread?
Un thread è un flusso di esecuzione separato all'interno di un processo. Il modulo threading di Python permette di eseguire funzioni in concorrenza all'interno di un singolo programma.
import threading
def worker():
print('hello from thread')
t = threading.Thread(target=worker)
t.start()
t.join()
print('main done')Avviare più thread
Può avviare diversi thread. Ognuno esegue la propria funzione obiettivo. join() fa attendere il thread principale fino al termine di un thread.
import threading
def task(name):
print('task', name)
threads = [threading.Thread(target=task, args=(i,)) for i in range(3)]
for t in threads:
t.start()
for t in threads:
t.join()
print('all finished')Il Global Interpreter Lock
CPython ha un Global Interpreter Lock (GIL): alla volta, un solo thread esegue bytecode Python. Questo significa che i thread non garantiscono un vero aumento delle prestazioni in parallelo per il lavoro CPU scritto in puro Python.
import sys
print('Running on:', sys.implementation.name)
print('Only one thread runs Python bytecode at a time due to the GIL')Quando i thread sono comunque utili
I thread sono ideali per il lavoro I/O-bound: richieste di rete, letture da disco e attese. Mentre un thread è in attesa, il GIL viene rilasciato e un altro può essere eseguito.
import threading, time
def fake_io(name):
time.sleep(0.1)
print('done', name)
start = time.perf_counter()
ts = [threading.Thread(target=fake_io, args=(i,)) for i in range(3)]
for t in ts: t.start()
for t in ts: t.join()
print('elapsed about 0.1s, not 0.3s')Il lavoro CPU-bound non diventa più veloce
Per i calcoli pesanti, aggiungere thread non rende l'esecuzione più veloce, perché il GIL li serializza. Per il lavoro CPU-bound, usi invece multiprocessing.
import threading
def burn():
total = 0
for i in range(1000000):
total += i
return total
t = threading.Thread(target=burn)
t.start()
t.join()
print('CPU-bound: threads share one core under the GIL')Thread daemon
Un thread daemon viene terminato automaticamente quando il programma principale esce. Lo usi per attività ausiliarie in background per le quali non deve attendere la conclusione.
import threading, time
def background():
time.sleep(0.05)
print('background tick')
t = threading.Thread(target=background, daemon=True)
t.start()
t.join()
print('main exits')Dare un nome e identificare i thread
Ogni thread ha un nome e un ID. threading.current_thread() restituisce l'oggetto del thread in esecuzione, utile per il logging.
import threading
def show():
t = threading.current_thread()
print('running in', t.name)
t = threading.Thread(target=show, name='Worker-1')
t.start()
t.join()
print('main thread:', threading.current_thread().name)Estendere Thread
Invece di passare una funzione obiettivo, può estendere Thread e sovrascrivere run(). È utile quando un thread deve avere uno stato proprio.
import threading
class Greeter(threading.Thread):
def __init__(self, name):
super().__init__()
self.who = name
def run(self):
print('hi', self.who)
g = Greeter('Sam')
g.start()
g.join()Restituire risultati dai thread
Il valore restituito dalla funzione obiettivo viene scartato. Per raccogliere i risultati, li scriva in una struttura condivisa (più avanti vedrà strumenti più sicuri, come le code).
import threading
results = {}
def compute(key):
results[key] = key * key
ts = [threading.Thread(target=compute, args=(i,)) for i in range(4)]
for t in ts: t.start()
for t in ts: t.join()
print(results)Contare i thread attivi
threading.active_count() indica quanti thread sono attualmente attivi, incluso il thread principale.
import threading, time
def wait():
time.sleep(0.05)
ts = [threading.Thread(target=wait) for _ in range(2)]
for t in ts: t.start()
print('active now:', threading.active_count())
for t in ts: t.join()
print('active after join:', threading.active_count())Scegliere tra thread e processi
Regola generale: usi i thread per la concorrenza I/O-bound e i processi per il parallelismo CPU-bound. Il motivo è il GIL.
tasks = {'download files': 'threads', 'crunch numbers': 'processes', 'call APIs': 'threads'}
for task, choice in tasks.items():
print(task, '->', choice)Verifica rapida
Verifichi la Sua comprensione dei thread e del GIL.
Riepilogo
Ha imparato a conoscere i thread e il GIL:
- I thread vengono eseguiti in concorrenza all'interno di un processo tramite
threading.Thread. - Il GIL serializza l'esecuzione del bytecode Python.
- I thread sono utili per il lavoro I/O-bound; i processi per quello CPU-bound.
- Usi
start(),join(), i thread daemon e l'ereditarietà.
Prossimo argomento: gestire i thread in modo ordinato con ThreadPoolExecutor.
Domande Frequenti
La lezione «Thread e GIL» è gratuita?
Sì — il testo completo di «Thread e GIL» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso Python Academy, passa a CoddyKit PRO. Il corso Python Academy include 4 lezioni in totale.
Cosa imparerò in «Thread e GIL»?
Comprendere i limiti del threading in Python Eserciti Python Academy con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare Python Academy?
Non è richiesta alcuna esperienza precedente. Python Academy su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 1 di 4.
Quanto tempo richiede la lezione «Thread e GIL»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione Python Academy?
Sì. Ogni lezione Python Academy include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.