在 Python 中，实现不阻塞主进程的程序执行通常涉及使用多进程（`multiprocessing`）或多线程（`threading`）模块。这两种方法允许你将耗时操作或独立任务放在后台运行，而不会影响主程序的执行流程。 ### 使用 `multiprocessing` 模块实现非阻塞执行 Python 的 `multiprocessing` 模块提供了跨平台的多进程支持，并且每个子进程是独立运行的，不会直接阻塞主进程。要确保主进程不被阻塞，可以使用 `Process` 类并避免调用 `join()` 方法，或者使用 `Pool` 和 `apply_async()` 来异步启动进程。 #### 示例：使用 `multiprocessing.Process` ```python from multiprocessing import Process import time def worker(): print("子进程开始执行") time.sleep(3) # 模拟耗时操作 print("子进程执行完毕") if __name__ == "__main__": p = Process(target=worker) p.start() # 启动子进程 print("主进程继续执行") # 主进程不会被阻塞 ``` 在此示例中，`p.start()` 启动了一个新的子进程来执行 `worker` 函数，而主进程继续执行后续代码，不会等待子进程完成[^3]。 #### 示例：使用 `multiprocessing.Pool` 异步执行 如果你需要管理多个任务，可以使用 `Pool` 并结合 `apply_async()` 方法来异步执行任务： ```python from multiprocessing import Pool import time import os def worker(msg): print(f"{msg} 开始执行，进程ID: {os.getpid()}") time.sleep(2) print(f"{msg} 执行完毕") if __name__ == "__main__": pool = Pool(processes=3) # 创建包含3个进程的进程池 for i in range(5): pool.apply_async(worker, (f"任务{i}",)) # 异步提交任务 pool.close() # 关闭进程池，不再接受新任务 print("主进程继续执行") # 主进程不会被阻塞 ``` 此示例中，`apply_async()` 会立即返回，主进程不会被阻塞，任务会在子进程中异步执行[^5]。 --- ### 使用 `threading` 模块实现非阻塞执行 对于 I/O 密集型任务，可以使用 `threading` 模块来创建线程。由于 Python 的全局解释器锁（GIL）限制了同一时刻只有一个线程执行 Python 字节码，因此多线程更适合处理 I/O 操作而不是 CPU 密集型任务。 #### 示例：使用 `threading.Thread` ```python import threading import time def worker(): print("线程开始执行") time.sleep(2) print("线程执行完毕") if __name__ == "__main__": t = threading.Thread(target=worker) t.start() # 启动线程 print("主线程继续执行") # 主线程不会被阻塞 ``` 在这个例子中，`t.start()` 启动了一个新线程，主线程不会等待该线程完成，而是继续执行后续代码[^2]。 #### 避免使用 `join()` 防止阻塞 如果使用 `join()` 方法，主线程将会等待指定线程完成后再继续执行。为了避免阻塞，不要调用 `join()`： ```python # 不推荐（会导致阻塞） t.join() print("主线程执行完毕") ``` --- ### 总结与选择建议 - **CPU 密集型任务**：使用 `multiprocessing` 模块，利用多核优势提升性能。 - **I/O 密集型任务**：使用 `threading` 模块，适合网络请求、文件读写等场景。 - **并发控制**：使用 `Pool` 管理多个异步任务，适用于批量处理任务的场景。 - **避免阻塞**：不调用 `join()` 或使用 `apply_async()` 来保证主进程/线程不被阻塞。 通过合理选择和使用这些模块，可以在 Python 中轻松实现不影响主进程执行的异步任务处理机制。 ---