python多线程编程中的join函数使用心得
今天去辛集买箱包，下午挺晚才回来，又是恶心又是头痛。恶心是因为早上吃坏东西+晕车+回来时看到车祸现场，头痛大概是烈日和空调混合刺激而成。没有时间没有精神没有力气学习了，这篇博客就说说python中一个小小函数。
由于坑爹的学校坑爷的专业，多线程编程老师从来没教过，多线程的概念也是教的稀里糊涂，本人python也是菜鸟级别，所以遇到多线程的编程就傻眼了，别人用的顺手的join函数我却偏偏理解不来。早上在去辛集的路上想这个问题想到恶心，回来后继续写代码测试，终于有些理解了（python官方的英文解释理解不了，网友的解释也不够详细，只能自己钻）。
测试用的代码如下：
# 测试多线程中join的功能
import threading, time
def doWaiting():
print 'start waiting1: ' + time.strftime('%H:%M:%S') + "\n"
time.sleep(3)
print 'stop waiting1: ' + time.strftime('%H:%M:%S') + "\n"
def doWaiting1():
print 'start waiting2: ' + time.strftime('%H:%M:%S') + "\n"
time.sleep(8)
print 'stop waiting2: ', time.strftime('%H:%M:%S') + "\n"
tsk = []
thread1 = threading.Thread(target = doWaiting)
thread1.start()
tsk.append(thread1)
thread2 = threading.Thread(target = doWaiting1)
thread2.start()
tsk.append(thread2)
print 'start join: ' + time.strftime('%H:%M:%S') + "\n"
for tt in tsk:
tt.join()
print 'end join: ' + time.strftime('%H:%M:%S') + "\n"
这个小程序使用了两个线程thread1和thread2，线程执行的动作分别是doWaiting()和doWaiting1()，函数体就是打印「开始」+休眠3秒+打印「结束」，分别附加上时间用来查看程序执行的过程。后面用start()方法同步开始执行两个线程。然后开始循环调用两个线程的join()方法，在此之前和之后都会用print函数做好开始结束的标记。我们主要观察for tt in tsk: tt.join()。
join()不带参数的情况下，执行如下：
可以看到，两个线程并行执行，进程1在3s后结束，进程2在8s后结束，然后回到主进程，执行打印「end join」。
下面把参数设置成超时2s，即tt.join(2)，执行如下：
两个线程开始并发执行，然后执行线程1的join(2)，等线程1执行2s后就不管它了，执行线程2的join(2)，等线程2执行2s后也不管它了（在此过程中线程1执行结束，打印线程1的结束信息），开始执行主进程，打印「end join」。4s之后线程2执行结束。
总结一下：
1.join方法的作用是阻塞主进程（挡住，无法执行join以后的语句），专注执行多线程。
2.多线程多join的情况下，依次执行各线程的join方法，前头一个结束了才能执行后面一个。
3.无参数，则等待到该线程结束，才开始执行下一个线程的join。
4.设置参数后，则等待该线程这么长时间就不管它了（而该线程并没有结束）。不管的意思就是可以执行后面的主进程了。
最后附上参数为2时的程序执行流程表，自己画的orz，这样看起来更好理解。
数据分析咨询请扫描二维码
若不方便扫码，搜微信号：CDAshujufenxi
近日，由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》，被中国教育科学研究院官方账号正式收录， ...
2026-04-22在数字化时代，客户每一次点击、浏览、下单、咨询等行为，都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹，构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石，而“数据清洗”作为数据预处理的核心环节，是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看，但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中，数据并非静止不变的数值，而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域，当研究涉及多个自变量与多个因变量之间的复杂关联时，多变量一般线性分析（Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计，能熟练计算均值、中位数、标准差，但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中，日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪，还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中，特征工程是连接原始数据与模型效果的关键环节，而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法，却忽略了数据分析最基础也最核心的能力——描述性统计。事实上，80%的商业分析问题， ...
2026-04-20在数字化时代，数据已成为企业决策的核心驱动力，数据分析与数据挖掘作为解锁数据价值的关键手段，广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中，将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表，要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作，80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告，表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域，Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势，成为数据聚类任务中的主流算法，广泛应用于用 ...
2026-04-16在机器学习建模实践中，特征工程是决定模型性能的核心环节之一。面对高维数据集，冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代，用户是产品的核心资产，用户运营的本质的是通过科学的指标监测、分析与优化，实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中，数据模型、本体模型、业务模型是三大核心基础模型，三者相互支撑、各 ...
2026-04-15数据分析师的一天，80%的时间花在表格数据上，但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别，不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中，模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型，还是推荐、预测类模型， ...
2026-04-14
京公网安备 11010802034615号
经营许可证编号：京B2-20210330
