Python中如何实现非阻塞函数调用，避免主程序等待执行完成？

1. 用法错误说明 #

你写的threading和async代码用法都存在错误，才会出现阻塞的情况：

• threading用法错误：你给Thread的target参数传的是run()，加了括号会立即同步执行run函数，把返回值（这里是None）传给target，相当于你根本没用到多线程，直接在主线程跑了run的逻辑，自然会阻塞。正确的写法是传函数对象本身，不加括号。
• async用法错误：首先asyncio.run()本身就是阻塞调用，会等待传入的协程执行完成再返回；其次async适用于IO密集型任务，你的run是纯CPU密集计算，全程没有await语句让出事件循环的执行权，协程会一直占用执行资源直到跑完，自然也会阻塞主线程。

2. Python实现非阻塞调用的方案 #

完全可以实现，根据任务类型选择不同方案：

针对你当前的CPU密集型场景（chunk可见性判断、顶点计算等） #

Python的GIL会导致多线程无法并行CPU密集任务，更推荐用多进程或者修正后的多线程（如果计算量不大也可以凑合用）：

正确的多线程示例

import threading

def run():
    n=1
    for i in range(10000000):
       n += 1
    print(n)

print("Start")
# 传函数对象，不加括号
threading.Thread(target=run).start()
print("End")

执行输出顺序会是：

Start
End
10000001

不会阻塞主线程的执行。

更适合CPU密集场景的多进程示例

多进程可以避开GIL限制，真正并行执行CPU任务，不会挤占主线程的执行资源：

from multiprocessing import Process

def run():
    n=1
    for i in range(10000000):
       n += 1
    print(n)

if __name__ == "__main__":
    print("Start")
    p = Process(target=run)
    p.start()
    print("End")
    # 不需要等待的话不用调用p.join()，后续可以在合适的时机回收进程资源

额外优化建议 #

• 不要每次渲染chunk都新建线程/进程，用concurrent.futures.ThreadPoolExecutor或者ProcessPoolExecutor复用资源，减少创建销毁的开销。
• 子任务计算完的chunk顶点数据用队列传给主线程，主线程每帧从队列取1-2个结果上传到GPU渲染，避免一次性处理大量结果导致帧卡顿。
• 注意主流图形API的上下文只能在创建它的线程使用，不要在子线程里直接调用渲染指令，子线程只做CPU端的计算工作，把结果给主线程提交渲染即可。

内容的提问来源于stack exchange，提问作者Ath.Bar.