Python文件多线程/多进程机制详解
作者：年六季
文章主要介绍了Python程序在运行时可能会自动创建多个线程的情况,包括Python内部的线程池、异步库、第三方库以及调试器自身的线程,文章还提供了判断线程来源的方法,并总结了手动创建线程的常见方式
Python 文件本身不会自动创建多个线程，
但如果代码或依赖的库用了多线程/多进程机制，它就会在运行时自动创建多个线程。
一、正常情况下（没有主动开线程）
def foo():
print("hello")
foo()
或者即使是比较复杂的逻辑，比如深度学习推理、图像处理、文件读写，
只要没有显式地使用线程或异步，
程序只运行在一个主线程（MainThread）里。
此时 VS Code 的调用堆栈中只会看到：
MainThread
二、为什么很多程序会“自动”出现多个线程
很多人第一次调试时会惊讶地看到几十个线程，其实大多数不是显式创建的，而是：
| 来源 | 举例 | 说明 |
|---|---|---|
| Python 内部运行时 | ThreadPoolExecutor, asyncio, multiprocessing | 例如 ThreadPoolExecutor(max_workers=4) 会开 4 个线程去执行任务。 |
| 第三方库自动创建 | OpenCV, PyTorch, TensorFlow, NumPy, requests 等 | 为了提升性能，这些库常在底层开线程。例如 PyTorch 的算子调用 BLAS/OpenMP 会自动并行计算。 |
| Jupyter / VSCode 调试器自身 | 调试器、控制台 I/O | VS Code 在调试时也会创建辅助线程用于通信、变量同步、断点管理。 |
| GPU 或底层加速库 | cuDNN、MKL、OpenBLAS | 这些都是多线程实现的，Python 只是在上层调用它们。 |
所以：写的 Python 文件是“单线程逻辑”，
但执行时 Python 解释器 + 底层库 会自动生成多个辅助线程。
三、怎么判断线程是谁创建的？
在调试器中点开线程名称可以看到调用堆栈。
比如：
ThreadPoolExecutor-1_0 -> torch/threadpool.py -> ...
或
Thread-208679 -> site-packages/opencv/...
从路径就能看出是哪个库开的线程。
四、手动创建线程的常见方式
如果自己在代码里写了这些，那是主动多线程：
import threading
def worker(i):
print(f"thread {i} running")
for i in range(5):
t = threading.Thread(target=worker, args=(i,))
t.start()
这时会在 VS Code 调试器里看到：
MainThread Thread-1 Thread-2 Thread-3 ...
五、总结
| 情况 | 是否会自动创建多线程 | 说明 |
|---|---|---|
| 普通 Python 脚本 | ❌ 否 | 只有主线程 |
| 使用线程池、异步库 | ✅ 会 | 用户代码开线程 |
| 使用深度学习 / OpenCV / NumPy 等库 | ✅ 会 | 底层自动并行 |
| VS Code 调试模式 | ✅ 会 | 调试器自己也会开辅助线程 |
以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。