python 进程、线程、协程的差别

一：什么是cPu密集型计算，IO密集型计算

• cpu密集型(cpu-bound)

  cpu密集型也叫计算密集型,是指I/O在很短得时间就可以完成,cpu需要大量得计算和处理,特点是CPU占用率相当高。

   例如：压缩解压缩,加密解密,正则表达式搜索
  

• I/O密集型(I/O bound)

  I/O密集型指得是系统运作大部分得状况是CPU在等I/O(硬盘/内存)的读/写操作，CPU占用率仍然较低、

   例如：文件处理程序，网络爬虫程序，读写数据库程序
  

二:多线程、多进程、多协程的对比

进程包含线程

线程包含协程

• 多进程Process(multiprocessing)

  优点：可以利用多核CPU并行运算

  缺点：占用资源最多，可启动数目比线程少

  适用于：CPU密集型计算

• 多线程Thread(threading)

  优点：相比进程，更轻量级，占用资源少

  缺点：

  ​ 相比进程：多线程只能并发执行，不能利用多CPU(CIL)

  ​ 相比协程：启动数目有限制，占用内存资源，有线程切换开销

  适用于：IO密集型计算同时运行的任务数据要求不多

• 多协程Coroutine(asycio)

  优点：内存开销最少，启动协程数量最多

  缺点：支持的库有限制(aiohttp vs requests),代码实现复杂

  适用于：IO密集型计算，需要超多任务运行，但有现成库支持的场景

  三.GIL(全局解释器)

是计算机程序设计语言解释器用于同步线程的一种机制，它使得任何时刻仅有一个线程在执行

即便在多核处理器上，使用GIL的解释器也只允许同一时间执行一个线程

所以他会让你的多线程成为假的多线程

• 为什么会有GIL

python设计初期，为了规避并发问题引入GIL，但后面发现GIL严重的影响了程序执行效率，现在想去除缺去不掉了！算是一种缺陷吧.

• 怎样规避GIL带来的限制

  1.在多线程中机制中依然是有用的，用于IO密集型计算

  因为I/O期间，线程会释放GIL，实现CPU和IO的并行

  因此多线程用于CPU密集型计算时，只会更加拖慢速度。

  2.使用multiprocessing的多进程机制实现并行计算、利用多核CPU优势，为了应对GIL，python提供了multiprocessing

  四.怎样根据任务选择对应技术

     拿别人现成的图，这个图能很清晰的让你知道在面对进程，线程和协程时该如何选择