例如，如果您有一个线程工作池，并且每个线程都需要访问其自己的资源（例如网络或数据库连接），则线程本地存储很有用。请注意，该
threading模块使用常规的线程概念（可以访问进程全局数据），但是由于全局解释器锁定，它们并不是太有用。不同的
multiprocessing模块会为每个模块创建一个新的子流程，因此任何全局变量都将是线程局部的。
穿线模块
这是一个简单的示例：
import threadingfrom threading import current_threadthreadLocal = threading.local()def hi(): initialized = getattr(threadLocal, 'initialized', None) if initialized is None: print("Nice to meet you", current_thread().name) threadLocal.initialized = True else: print("Welcome back", current_thread().name)hi(); hi()这将打印出：
Nice to meet you MainThreadWelcome back MainThread
一件很容易被忽略的重要事情：一个
threading.local()对象只需要创建一次，而不是每个线程一次或每个函数调用一次。的
global或
class水平的理想地点。
这就是为什么：
threading.local()每次调用它时都会实际上创建一个新实例（就像任何工厂或类调用一样），因此
threading.local()多次调用会不断覆盖原始对象，这很可能不是您想要的。当任何线程访问现有
threadLocal变量（或任何被调用的变量）时，它将获得该变量的私有视图。
这将无法正常工作：
import threadingfrom threading import current_threaddef wont_work(): threadLocal = threading.local() #oops, this creates a new dict each time! initialized = getattr(threadLocal, 'initialized', None) if initialized is None: print("First time for", current_thread().name) threadLocal.initialized = True else: print("Welcome back", current_thread().name)wont_work(); wont_work()将产生以下输出：
First time for MainThreadFirst time for MainThread
多处理模块
因为
multiprocessing模块为每个线程创建一个新进程，所以所有全局变量都是线程局部的。
考虑以下示例，其中
processed计数器是线程本地存储的示例：
from multiprocessing import Poolfrom random import randomfrom time import sleepimport osprocessed=0def f(x): sleep(random()) global processed processed += 1 print("Processed by %s: %s" % (os.getpid(), processed)) return x*xif __name__ == '__main__': pool = Pool(processes=4) print(pool.map(f, range(10)))它将输出如下内容：
Processed by 7636: 1Processed by 9144: 1Processed by 5252: 1Processed by 7636: 2Processed by 6248: 1Processed by 5252: 2Processed by 6248: 2Processed by 9144: 2Processed by 7636: 3Processed by 5252: 3[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
…当然，线程ID以及每个线程ID和每个命令的计数会因运行而异。
