[[273511]]

引言

涉及并發的場景，大家想到使用多線程或多進程解決并發問題;

一般情況下，解決多并發場景問題，多數語言采用多線程編程模式(線程是輕量級的進程，共用一份進程空間)。

也同樣適用于Python多并發處理嗎?

答：不是的，針對并發處理，Python多線程和多進程是有很大差異的!

Python多線程和多進程差異

Python多線程不能使用CPU多核資源，即同一時刻，只有一個線程使用CPU資源，所以使用Python多線程不能算是并發。

如果想要充分利用CPU多核資源，做到多并發，這就需要Python多進程的了!

也就是說：只有Python多進程才能利用CPU多核資源，做到真正的多并發!

Python多線程和多進程應用場景

既然Python多線程不能并發，那存在還有什么意義呢?

其實Python多線程和多進程有自己的應用場景：

• Python多線程適用于I/O密集型場景，如解決網絡IO、磁盤IO阻塞問題，例如文件讀寫、網絡數據傳輸等;
• 而Python多進程更適用于計算密集型場景，多并發，大量計算任務等。

注意：Python多線程和多進程在平時開發過程中，需要注意使用，如果使用Python多線程方式處理計算密集型任務，它比實際單進程處理性能還要慢!所以要注意，看場景類型。

再談Python多線程，全局解釋器鎖(GIL)

為什么Python多線程不能使用CPU多核資源?

為什么Python多線程在同一時刻，只有一個線程使用CPU資源?

正是因為Python有一個全局解釋器鎖(GIL，全稱Global Interpreter Lock)，它使得Python多線程無法使用CPU多核資源，保證同一時刻只有一個線程在使用CPU資源;當出現IO阻塞時，解鎖，釋放CPU資源，其他線程才能申請到鎖，使用CPU資源。

Python并發編程

Python多進程編程使用的模塊庫：multiprocessing模塊，是Python內置的多進程處理庫，使用與線程庫threading.Thread類似。

Python多線程編程使用的模塊庫：

• thread模塊 Python內置，比較底層，不推薦使用
• threading模塊 Python內置
• multiprocessing.dummy模塊 Python內置

補充：

multiprocessing模塊 和 multiprocessing.dummy模塊

兩者的區別在于：前者是多進程，后者是多線程;但是他們編程接口完全一致;

所以很方便的將代碼在多線程和多進程進行切換!

由于篇幅有限，暫不介紹編程模塊具體使用，以后會開專題補上!

之前整理的Python多線程和多進程思維導圖供大家參考：

Python多進程編程

Python多線程編程