Python 多线程与多进程详解

多线程与多进程简介

在Python中，并发编程是提升程序性能的重要手段。它主要通过多线程（Multithreading）和多进程（Multiprocessing）实现。两者的核心区别在于内存管理：线程共享同一内存空间，而进程拥有独立的内存。这种差异决定了它们在数据共享和通信方式上的不同。

例如，使用threading模块创建线程：

import threading

def task():
    print("Thread running")

thread = threading.Thread(target=task)
thread.start()

而使用multiprocessing创建进程：

from multiprocessing import Process

def task():
    print("Process running")

process = Process(target=task)
process.start()

当任务涉及大量计算时，建议使用多进程；对于I/O密集型任务，多线程可能更高效。选择时需考虑内存隔离、数据共享需求及GIL（全局解释器锁）的影响。

理解线程与共享内存

在Python中，线程是轻量级的并发执行单元，它们共享同一个进程的内存空间。这意味着多个线程可以访问和修改同一块内存数据。然而，由于**全局解释器锁（GIL）**的存在，Python的多线程并不能真正实现并行计算。

GIL是一个互斥锁，确保同一时间只有一个线程执行Python字节码。这使得多线程在CPU密集型任务中表现不佳，因为线程会轮流运行，无法真正并行处理任务。但对于I/O密集型任务（如网络请求、文件读写），多线程依然有效，因为这些操作常会释放GIL，允许其他线程运行。

以下是一个简单的线程示例：

import threading

def task(name):
    print(f"任务 {
     
     name} 正在运行")

thread1 = threading.Thread(target=task, args=("A",))
thread2 = threading.Thread(target=task, args=("B",))

thread1.start()
thread2.start()

thread1.join()
thread2.join()

此代码创建了两个线程，分别执行task函数。虽然它们共享内存，但由于GIL限制，实际运行可能并非并行。对于CPU密集型任务，建议使用multiprocessing模块来绕过GIL限制。

进程与隔离内存的基本概念

在Python中，进程是独立运行的程序实例，每个进程拥有自己的内存空间。这意味着不同进程之间无法直接共享变量或数据，这种隔离机制有助于避免数据竞争等常见错误，但也要求我们在需要通信时使用特定的工具。例如，在阿里云或腾讯云环境中，若多个进程同时写入同一文件，必须通过同步机制确保操作顺序。

相比线程，进程更适合CPU密集型任务。由于Python的全局解释器锁（GIL）限制了多线程的并行性，而进程则不受此限制，可真正利用多核CPU。因此，对于计算密集型任务（如图像处理、大规模数据计算），使用multiprocessing模块能显著提升性能。

进程与线程的对比

线程共享同一内存空间，适合I/O密集型任务；而进程彼此隔离，适合CPU密集型任务。例如，在微博或知乎的后台服务中，处理大量用户请求时，使用多进程可以更高效地分配计算资源。

使用multiprocessing创建进程

以下是一个简单的多进程示例：

import multiprocessing

def worker(num):
    print(