引言

涉及并發(fā)的場景，大家想到使用多線程或多進(jìn)程解決并發(fā)問題；

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

也同樣適用于Python多并發(fā)處理嗎？

答：不是的，針對并發(fā)處理，Python多線程和多進(jìn)程是有很大差異的！

Python多線程和多進(jìn)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(fā)。

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

也就是說：只有Python多進(jìn)程才能利用CPU多核資源，做到真正的多并發(fā)！

Python多線程和多進(jìn)程應(yīng)用場景

既然Python多線程不能并發(fā)，那存在還有什么意義呢？

其實Python多線程和多進(jìn)程有自己的應(yīng)用場景：

• Python多線程適用于I/O密集型場景，如解決網(wǎng)絡(luò)IO、磁盤IO阻塞問題，例如文件讀寫、網(wǎng)絡(luò)數(shù)據(jù)傳輸?shù)龋?/li>
• 而Python多進(jìn)程更適用于計算密集型場景，多并發(fā)，大量計算任務(wù)等。

注意：Python多線程和多進(jìn)程在平時開發(fā)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(wù)，它比實際單進(jìn)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(dāng)出現(xiàn)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(fā)編程

Python多進(jìn)程編程使用的模塊庫：multiprocessing模塊，是Python內(nèi)置的多進(jìn)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(nèi)置，比較底層，不推薦使用
• threading模塊 Python內(nèi)置
• multiprocessing.dummy模塊 Python內(nèi)置

補充：

multiprocessing模塊 和 multiprocessing.dummy模塊

兩者的區(qū)別在于：前者是多進(jìn)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(jìn)程進(jìn)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(jìn)程思維導(dǎo)圖供大家參考：

• Python多進(jìn)程編程

• Python多線程編程

最后

接下來會有更加精彩的內(nèi)容，不想錯過的話，可以關(guān)注我，第一時間獲取更新！

最后，投幣收藏轉(zhuǎn)發(fā)來一波，我們下期不見不散~