多进程与多线程及python编程选择

在对python的多线程与多进程讨论之前，我先提出一个论点，即一个矛盾点，使用python编程，不论你选择多线程还是多进程都是不合适的，当然，此处的“不合适”也公限于相对而言

因为本文有多处引用这位老兄的文档，所以我在这先把他的文章链接给出： https://blog.csdn.net/youanyyou/article/details/78990156   而且先明白一个真理，也是一个常识，CPU的处理速度比I/O的处理速度快的多的多，不是同一个数量级的

1、什么是CPU密集型？多进程为什么适合于用于CPU密集型程序？python的多进程局限性？

    先来回答第一个问题：

           我觉得这是很通俗易懂了  “CPU密集型也叫计算密集型，指的是系统的硬盘、内存性能相对CPU要好很多，此时，系统运作大部分的状况是CPU Loading 100%，CPU要读/写I/O(硬盘/内存)，I/O在很短的时间就可以完成，而CPU还有许多运算要处理，CPU Loading很高。”

        我再稍作重点解释，1）CPU 负载达到 100%，2）I/O操作时间短，

       有的人会问  CPU负载到 100%是不是就是满载了，不能再高了，答案：不是， 其实这个负载100%其实也是相对的，在1分钟内是100%，在2分钟内可能就不是100%了，后面的计算程序还可以排队，这里的就是CPU没有空闲的意思

       I/O操作时间短，打一个比喻，一个文件出数据库取出，非常快，但是这些数据要计算啊！到了CPU这儿，就卡住了，因为一看，前面还有文件在排队，还是排着吧！

    第二个问题：

        经过前面的解释，我相信你看到这儿已经明白为什么多进程适合于CPU密集型，当然如果你还不明白，可能需要一个提示，什么是进程，什么是多进程，计算机资源分配就是以进程为单元，如果单个数据计算都完不成，那还需要任务干吗？再多的任务也要等待

    第三个问题：

     python 多进程的局限性，作为一个以python为主要工作语言的我不得不承认，也正是由于这个特点，导致了这个局限性，python 慢，本来就是为了处理一个计算性的程序，要求的就是快，但使用这么慢的语言，确实是一个鸡肋，为什么是鸡肋呢，python编程快啊！

 

2、什么是i/o密集型？多线程为什么适合于用于i/o密集型程序？python的多线程局限性？

      如果一个程序执行主要是依靠网络、磁盘开销，而没有过多的计算，则是I/O密集型，

     由于CPU的速度远大于i/o操作的速度，线程的操作实际是一个计算过程，即同一个CPU中进行的，所以这个操作适合于线程，

    python的多线程由于GIL(全局解释性锁）的存在，其实是在一个线程中执行的，只不过是CPU的切换速度非常快，所以可默认为是多线程