综述
    多线程是程序设计中的一个重要方面，尤其是在服务器Deamon程序方面。无论何种系统，线程调度的开销都比传统的进程要快得多。
  Python可以方便地支持多线程。可以快速创建线程、互斥锁、信号量等等元素，支持线程读写同步互斥。美中不足的是，Python的运行在Python 虚拟机上，创建的多线程可能是虚拟的线程，需要由Python虚拟机来轮询调度，这大大降低了Python多线程的可用性。希望高版本的Python可以 解决这个问题，发挥多CPU的最大效率。
  网上有些朋友说要获得真正多CPU的好处，有两种方法：
  1.可以创建多个进程而不是线程，进程数和cpu一样多。
  2.使用Jython 或 IronPython，可以得到真正的多线程。
  闲话少说，下面看看Python如何建立线程
  Python线程创建
  使用threading模块的 Thread类
  类接口如下

复制代码 代码如下:class  Thread( group=None, target=None, name=None, args=(), kwargs={})
 需要关注的参数是target和args. target 是需要子线程运行的目标函数，args是函数的参数，以tuple的形式传递。
  以下代码创建一个指向函数worker 的子线程
复制代码 代码如下:def worker(a_tid,a_account):
     …
th = threading.Thread(target=worker,args=(i,acc) ) ;

启动这个线程

复制代码 代码如下:th.start()
等待线程返回
复制代码 代码如下:threading.Thread.join(th)
或者th.join()
如果你可以对要处理的数据进行很好的划分，而且线程之间无须通信，那么你可以使用：创建=》运行=》回收的方式编写你的多线程程序。但是如果线程之间需要访问共同的对象，则需要引入互斥锁或者信号量对资源进行互斥访问。
 下面讲讲如何创建互斥锁
创建锁
复制代码 代码如下:g_mutex = threading.Lock()
  ….
使用锁 
    复制代码 代码如下: for  … :
        #锁定，从下一句代码到释放前互斥访问
        g_mutex.acquire()
        a_account.deposite(1)
        #释放
        g_mutex.release()
最后，模拟一个公交地铁IC卡缴车费的多线程程序
  有10个读卡器，每个读卡器收费器每次扣除用户一块钱进入总账中，每读卡器每天一共被刷10000000次。账户原有100块。所以最后的总账应该为10000100。先不使用互斥锁来进行锁定（注释掉了锁定代码），看看后果如何。

import time,datetime
import threading
 
def worker(a_tid,a_account):
 global g_mutex
 print(\"Str \" , a_tid, datetime.datetime.now() )
 for i in range(1000000):
  #g_mutex.acquire()
  a_account.deposite(1)
  #g_mutex.release()
 print(\"End \" , a_tid , datetime.datetime.now() )
  
class Account:
 def __init__ (self, a_base ):
  self.m_amount=a_base
 def deposite(self,a_amount):
  self.m_amount+=a_amount
 def withdraw(self,a_amount):
  self.m_amount-=a_amount 
 
if __name__ == \"__main__\":
 global g_mutex
 count = 0
 dstart = datetime.datetime.now()
 print(\"Main Thread Start At: \", dstart)
 #init thread_pool
 thread_pool = []
 #init mutex
 g_mutex = threading.Lock()
 # init thread items
 acc = Account(100)
 for i in range(10):
  th = threading.Thread(target=worker,args=(i,acc) ) ;
  thread_pool.append(th)
   
 # start threads one by one  
 for i in range(10):
  thread_pool[i].start()
  
 #collect all threads
 for i in range(10):
  threading.Thread.join(thread_pool[i])
 dend = datetime.datetime.now()
 print(\"count=\", acc.m_amount)
 print(\"Main Thread End at: \", dend, \" time span \", dend-dstart)

注意，先不用互斥锁进行临界段访问控制，运行结果如下：

从结果看到，程序确实是多线程运行的。但是由于没有对对象Account进行互斥访问，所以结果是错误的，只有3434612，比原预计少了很多。

打开锁后：

这次可以看到，结果正确了。运行时间比不进行互斥多了很多,不过这也是同步的代价。
同时发现，写多线程，多进程类的程序，不能用自带的idle来运行。会有错误。