零基础学习什么是 I/O 密集型和什么是 CPU 密集型

零基础学 I/O 与 CPU 密集型区别及策略

最新推荐文章于 2025-09-18 15:33:29 发布

娱乐--至死

最新推荐文章于 2025-09-18 15:33:29 发布

阅读量372

点赞数 4

CC 4.0 BY-SA版权

文章标签：学习深度学习机器学习人工智能算法

本文链接：https://blog.csdn.net/epiphany_www/article/details/149963016

下面从“什么是 I/O 密集型”和“什么是 CPU 密集型”两个角度，带你零基础理解它们的本质区别、典型场景、以及在开发中常见的应对策略。

一、基本定义

I/O 密集型（I/O-bound）
程序的大部分时间花在与外部设备交互（Input/Output）上，比如：
- 读写磁盘文件
- 网络请求 / 响应
- 数据库查询
- 用户输入 / 输出
这些操作往往要等硬件或网络完成数据传输，CPU 绝大多数时间处于“等待”状态。
CPU 密集型（CPU-bound）
程序的大部分时间用来执行计算任务，比如：
- 数值计算（矩阵乘法、图像处理）
- 加密/解密算法
- 大规模数据排序／聚合
- 科学仿真
这些操作对 CPU 运算能力要求高，基本不会因为 I/O 而阻塞。

二、典型场景与示例

类型	场景示例	特点
I/O 密集	- 从网络下载图片 - 从数据库批量读取记录 - 将日志写入磁盘	- CPU 闲置，等待响应或数据传输 - 延迟主要由外部操作决定
CPU 密集	- 对大数组做 FFT - 训练深度学习模型 - 运行物理引擎模拟	- 几乎持续占用 CPU - 性能瓶颈在于运算速度

示例对比

任务 A：下载 1000 张网络图片并保存到本地
  - 大部分时间是在下载（网络 I/O）和写文件（磁盘 I/O）
  - 这就是一个典型的 I/O 密集型任务

任务 B：对一张 4K 分辨率图片做高斯模糊 50 次
  - 大部分时间都在进行像素计算
  - 这是一个典型的 CPU 密集型任务

三、如何识别

监控工具
- I/O 密集：CPU 利用率较低（如 10%~30%），磁盘/网络带宽占用高
- CPU 密集：CPU 利用率持续接近或达到 100%，I/O 带宽占用低
分析代码
- 有大量 read(), write(), send(), recv(), 数据库访问接口等，属于 I/O 密集
- 有大量数学运算、循环、递归、矩阵操作等，属于 CPU 密集

四、常见优化策略

1. 针对 I/O 密集型

多线程 / 异步编程
- 线程在等待 I/O 时释放 GIL，其他线程可利用 CPU
- Python 中：threading、concurrent.futures.ThreadPoolExecutor、asyncio
批量 I/O
- 一次性读取／写入更多数据，减少系统调用次数
缓存
- 将热点数据缓存在内存、Redis 等，以减少重复 I/O