常用语言的线程模型（Java、go、C++、python3） | 京东云技术团队
背景知识
软件是如何驱动硬件的？
硬件是需要相关的驱动程序才能执行，而驱动程序是安装在操作系统内核中。如果写了一个程序 A，A 程序想操作硬件工作，首先需要进行系统调用，由内核去找对应的驱动程序驱使硬件工作。而驱动程序怎么让硬件工作的呢？驱动程序作为硬件和操作系统之间的媒介，可以把操作系统中相关的指令翻译成硬件能够识别的电信号，同时，驱动程序也可以将硬件的电信号转为操作系统能够识别的指令。
进程、轻量级进程、线程关系
一个进程由于所运行的空间不同，被分为内核线程和用户进程，之所有称之为内核线程，是因为其不拥有虚拟地址空间。如果创建一个新的用户进程，会分配一个新的虚拟地址空间，不同用户进程之间资源是隔离的。由于创建一个新的进程需要消耗很多的资源，并且在进程之间切换的代价也很昂贵，因此引入了轻量级进程。轻量级进行本质上也是对内核线程的高层抽象，虽然不同的轻量级进程之间可以共享某些资源，但由于轻量级进程本质上还是内核线程，如果进行轻量级线程之间的切换，需要进行系统调用，代价也是比较昂贵的。内核本质上只能感知到进程的存在，像不同语言的多线程技术，是在用户进程的基础上创建的线程库，线程本身不参与处理器竞争，而是由其所属的用户进程参与处理器的竞争。
如何理解用户态和内核态
首先我们需要理解到计算机资源是有限的，不管是 CPU 资源、内存资源、IO 资源、网络资源，为了保证这些资源的合理利用，需要有一个管控机制，而这个管控机制都是交于操作系统来处理的。用户态和内核态是操作系统的一种逻辑划分，本质上是进行权限控制，处于用户态的进程可以直接使用分配给其的内存空间，但如果想使用 CPU 等稀缺资源，处于用户态的进程就没有这个权限了，必须通过系统调用，让当前进程进入内核态，这样可以有更大的权限去申请 CPU 资源、内存资源、IO 资源等；
操作系统线程模型
java 语言
线程模型
在 Java 诞生之初，在 Java 中就引入了线程，最初称之为 “绿色线程”，完全由 JVM 进行管理，这和操作系统用户线程是多对一的实现，但随着操作系统对线程支持越来越强大，java 中的线程实现采用了一对一的实现，即一个 java 线程对应于一个操作系统用户线程，但是这个线程的堆栈大小是固定的，随着线程数量创建过多，可能导致内存溢出。在 java19 版本中引入了虚拟线程的概念，虚拟线程有一个动态的堆栈，可以增大和缩小，这和操作系统用户线程之间是一个多对多的关系，随着后面的发展，java 中的线程模型会变得越来越强大。
优缺点
作为一对一的线程模型维护起来比较简单，但是由于每一个线程栈信息是固定的，不利于创建大量的线程，并且多线程操作时可能涉及频繁的系统调用，上下文切换代价高。
使用方式 (以生产者消费者模型来说明)
public class ThreadTest {
public static final Object P = new Object;
static ListInteger list = new ArrayList;
@Test
public void test throws Exception {
Thread thread1 = new Thread(- {
while(true) {
try {
product;
}catch (Exception e) {
e.printStackTrace;
Thread thread2 = new Thread( - {
while(true) {
try {
consume;
}catch (Exception e) {
e.printStackTrace;
thread1.start;
thread2.start;
thread1.join;
thread2.join;
private static void product throws Exception {
synchronized (P) {
if(list.size == 1) {
// 让出锁
P.wait;
list.add(1);
System.out.println("produce");
P.notify;
private static void consume throws Exception {
synchronized (P) {
if(list.size == 0) {
P.wait;
list.remove(list.size - 1);
System.out.println("consume");
P.notify;
go 语言
go 语言线程模型
在 go 语言中，线程模型就是比较强大了，包含了三个概念：内核线程（M）、goroutine (G)、G 的上下文环境（P）。其中 G 表示基于协程创建的用户线程，M 直接关联一个内核线程，P 里面一般存放正在运行的 goroutine 的上下文环境（函数指针、堆栈地址和地址边界等）。
优缺点
go 语言中的线程模型算是很强大了，引用了协程，线程栈大小可以动态调整，很好地避免了 java 中目前的线程模型缺点。
使用方式 (以生产者消费者模型来说明)
package main
import (
"fmt"
type ThreadTest struct {
lock chan int
func (t *ThreadTest) produce {
for {
t.lock - 10
fmt.Println("produce:", 10)
func (t *ThreadTest) consume {
for {
v := -t.lock
fmt.Println("consume:", v)
func main {
maxLen := 10
t := ThreadTest{
make(chan int, maxLen),
// 重点在这里，开启新的协程，配合通道，让go的多线程变成非常优雅
go t.consume
go t.produce
select {}
c++ 语言
c++ 语言线程模型
在 c++11 中增加了操作 thread 库，提供对线程操作的进一步封装，而这个库底层是使用了 pthread 库，这个库底层采用了 1:1 线程模型，跟 java 中的线程模型类似。
优缺点
作为一对一的线程模型维护起来比较简单，但是由于每一个线程栈信息是固定的，不利于创建大量的线程，并且多线程操作时可能涉及频繁的系统调用，上下文切换代价高。
使用方式 (以生产者消费者模型来说明)
#include
#include
#include
#include
static const int SIZE = 10;
static const int ITEM_SIZE = 30;
std::mutex mtx;
std::condition_variable not_full;
std::condition_variable not_empty;
int items[SIZE];
static std::size_t r_idx = 0;
static std::size_t w_idx = 0;
void produce(int i) {
std::unique_lock lck(mtx);
while((w_idx+ 1) % SIZE == r_idx) {
std::cout "队列满了" std::endl;
not_full.wait(lck);
items[w_idx] = i;
w_idx = (w_idx+ 1) % SIZE;
not_empty.notify_all;
lck.unlock;
int consume {
int data;
std::unique_lock lck(mtx);
while(w_idx == r_idx) {
std::cout "队列为空" std::endl;
not_empty.wait(lck);
data = items[r_idx];
r_idx = (r_idx + 1) % SIZE;
not_full.notify_all;
lck.unlock;
return data;
void p_t {
for(int i = 0; i ITEM_SIZE; i++) {
produce(i);
void c_t {
static int cnt = 0;
while(1) {
int item = consume;
std::cout "消费第" item "个商品" std::endl;
if(++cnt == ITEM_SIZE) {
break;
int main {
std::thread producer(p_t);
std::thread consumer(c_t);
producer.join;
consumer.join;
python 语言
python 线程模型
python 中的线程使用了操作系统的原生线程，python 虚拟机使用了一个全局互斥锁（GIL）来互斥线程对 Python 虚拟机的使用，当一个线程获取 GIL 的权限之后，其他的线程必须等待这个线程释放 GIL 锁，索引再多核 CPU 上，python 多线程也会退化为单线程，无法利用多核的优势。
优缺点
python 语言多线程由于 GIL 的存在，在计算密集型场景上，很难体现到优势，并且由于涉及线程切换的代码，反而可能性能还不如单线程好。
使用方式 (以生产者消费者模型来说明)
#! /usr/bin/python3
import threading
import random
import time
total = 100
lock = threading.Lock
totalTime = 10
gTime = 0
class Consumer(threading.Thread):
def run(self):
global total
global gTime
while True:
cur = random.randint(10, 100)
lock.acquire
if total = cur:
total -= cur
print("{}使用了{}, 当前剩余{}".format(threading.current_thread, cur, total))
else:
print("{}准备使用{}，当前剩余{}，不足，不能消费".format(threading.current_thread, cur, total))
if gTime == totalTime:
lock.release
break
lock.release
time.sleep(0.7)
class Producer(threading.Thread):
def run(self):
global total
global gTime
while True:
cur = random.randint(10, 100)
lock.acquire
if gTime == totalTime:
lock.release
break
total += cur
print("{}生产了{}, 剩余{}".format(threading.current_thread, cur, total))
gTime+= 1
lock.release
time.sleep(0.5)
if __name__ == '__main__':
t1 = Producer(name="生产者")
t1.start
t2 = Consumer(name="消费者")
t2.start
总结
在目前的线程模型中，有 1:1、M:1、M:N 多种线程模型，具体采用哪种线程模型也和硬件和操作系统的支持程度有关，像诞生比较早的语言，普通采用 M:1、1:1 线程模型，像 c++、java。而新诞生不久的 go 语言，采用的是 M:N 线程模型，在多线程的支持上更加强大。
感觉了解一下线程模型还是很有必要的，如果不清楚语言层面上的线程在操作系统层面怎么映射使用，在使用过程中就会不清不楚，可能会踩一些坑，我们都知道在 java 中不同无限的创建线程，这会导致内存溢出，go 语言中对多线程支持更加强大，很多事情不需要我们再去关注了，在语言底层已经帮助我们做了。
每种语言的底层细节太多了，如果想深入研究某一个技术，还是得花精力去研究。
作者：京东零售 姜昌伟
来源：京东云开发者社区
我来说两句