Python高级语法（11）多线程、多进程、协程简介与选择

Python高级语法（1）抽象类

Python高级语法（2）多继承和MRO继承机制

Python高级语法（3）global和nolocal关键字使用详解

Python高级语法（4）魔法函数__init__/__del__/__new__

Python高级语法（5）魔法函数__str__/__repr__即str和repr的联系与区别的本质

Python高级语法（6）魔法函数__len__和__contains__即in和len()的本质

Python高级语法（7）魔法函数__getitem__/__setitem__/__delitem__即字典通过key取值赋值等本质

Python高级语法（8）魔法函数__enter__/__exit__即with上下文管理器的本质

Python高级语法（9）魔法函数__call__让对象像函数一样调用

Python高级语法（10）魔法函数__getattr__/__setattr__/__delattr__/__getattribute__对属性设置查询等的底层拦截处理

Python高级语法（11）多线程、多进程、协程简介与选择

Python高级语法（12）编码规范即pep8详解

Python高级语法（13）python中的一切皆对象

Python高级语法（14）type、object和class的关系

Python高级语法（15）装饰器

Python高级语法（16）迭代器

Python高级语法（17）map,filter,reduce,zip,lambda的应用

1、python实现并发并行编程的方式有三种：多线程、多进程、多协程

• CPU密集型计算（CPU-bound）；
  CPU密集型也叫计算密集型，是指I/O在很短的时间内完成，CPU需要大量的计算和处理，特点就是CPU占用率相当高
  如：压缩解压缩，加密解密，正则表达式搜索

• I/O密集型计算（I/O-bound）：
  IO密集型是指系统运作大部分的状况是CPU在等IO（硬盘和内存）的读写操作，CPU占用率仍然很低
  例如：文件处理程序，网络爬虫程序，读写数据库程序等

• 多进程（Process）

  • 优点：可以利用多核CPU并行运算
  • 缺点：占用资源最多，可启动数据比线程少
  • 适用场景：CPU密集型计算

• 多线程

  • 优点：相比进程，更轻量级，占用资源小
  • 缺点：
    • 相比进程：多线程只能并发，不能利用多CPU(GIL)
    • 相比协程：启动数据有限制，占用内存资源，有线程切换开
  • 适用场景：IO密集型计算，同时运行的任务数据要求不多

• 多协程

  • 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，代码实现复杂
  • 适用于：IO密集型计算，需要超过任务运行，但有现成库支持的场景

2、三种方式的选择

• 1、首先判断是CPU密集型还是IO密集型，如果是CPU密集型，就选择多进程
• 2、如果是IO密集型，再看是否有超多任务要执行，是否有现成的协程库支持，如果是，就选择多协程，否则就选择多线程