python中任务执行的几种简单模型

在python任务中，我们考虑两个因素，进程数和任务数，通过这两个因素来总结当前任务执行过程中的几种常用解决方案

	单任务t	多任务nt
单进程p	pt	pnt
多进程np	npt	npnt

在上述模型当中，单任务单进程，对于开发者而言，是最简单的模型，无论是出于什么样的选择，在当前只能是顺序执行，对于效率而言，只能是通过对任务本身进行调整。

单进程多任务，顺序执行其实也是唯一的选择，由于这里我们只考虑进程和任务本身，对于其他的因素未做别的考虑，所以顺序执行就变成了唯一的选择，而且在执行过程中，由于模型简单的原因，导致问题不会太多，但其实在运行的过程中，如果我们去考虑其他更多的因素，就会发现会有许多值得去讨论的问题，如多个任务是顺序执行还是交替执行？以及交替的策略。再仔细考虑一下就会发现所有的变化其实都发生在任务端，变化都是由于任务的变化而引起，所以对于任务的调整至关重要。任务其实有多种形式，在当前的开发模式下，也有几种，一种是长任务，如web服务，一种是任务切片，如处理从kafka过来的消息（任务切片模式）等

多进程单任务，这个模型中的难点就是任务的拆分，一个任务分给多个进程执行，最难的点就在于任务的拆分，如何把一个任务分配给多个进程去执行。如一个大文件内容操作，常规我们操作是先把数据读取到内存中，然后再进行相关操作。读——》操作。如果我们采用多进程去操作，那就是先把数据读取到内存中，然后再对数据进行切片，然后分配到不同的进程去操作。读——》切片——》操作。增加了切片时间，减少了操作时间。当然，在这里其实就可以有许多不同的方案了，比如读数据的时候就可以启动多个进程去读，在这里其实还有一个需要确认的地方，多个进程读出来的数据对象，是一个数据对象还是变为多个数据对象了，这个是比较关键的。这里其实已经是涉及到分布式处理了。

多进程多任务，处理难度更高，但整体方案和多进程单任务其实差不太多，但是需要再添加一层去处理，就像是我们处理数据库一样，刚开始处理单表，后来需要处理一个schema，一个schema下对应有多张表，再后来就需要处理一个库，一个库下有多个schema，类似于这种层级结构。

这里先做简单的模型总结，后续出对应的详细解决方案。