大家在学习一门计算机语言，不可避免的要考虑到运行效率问题，例如爬取多个网页时，是否可以利用计算机多核，实现程序并发运行，再比如内存数据交换、文件的读写、或者网络通信，总会出现阻塞IO，是否可以通过增加进程，将阻塞状态变成非阻塞状态。
此时，多任务编程重要性就显现出来了，多任务编程就是充分利用计算机资源，同时运行多个任务，提高程序整体的运行效率，实现手段就是大家熟知的多进程和多线程操作，也就是所谓的并行和并发，并行就是多个计算机核心在同时处理多个任务，这时多个任务之间是并行关系，所占资源会比较多；而并发是指同时运行多个任务，一个内核在多个任务间不断切换，达到多个任务都会被执行的处理效果，此时多个任务间是并发关系。
解释了并行和并发，就不难理解进程和线程了，进程是计算机中的程序关于某数据集合上的一次运行活动，是系统进行资源分配和调度的基本单位，是操作系统结构的基础，而一个进程包含多个线程，线程也是一种多任务编程方式，可以使用计算机的多核资源，是计算机内核使用的最小单位，那python中的多进程和多线程谁的效率更高呢？小编用IO密集和CPU密集两种状态对单进程、多进程、多线程进行比较测试，下面直接撂代码。
首先是测试对象：IO密集和CPU密集实例，这里以200万次的“hello world”读写操作作为IO密集测试样例，以700万次累加操作作为CPU密集测试样例：
IO密集和CPU密集测试样例
下面先进行单进程操作：
单进程操作（IO密集和CPU密集）
然后是多进程操作：
多进程操作（IO密集）
多进程操作（CPU密集）
最后是多线程操作：
多线程操作（IO密集）
多线程操作（CPU密集）
运行结果汇总如下：
单进程、多进程、多线程运行结果
根据结果可以看出，分别测试单进程、多进程、多线程执行相同的IO操作和cpu操作的时间，cpu消耗中：单进程为7.44s，多进程为4.04s，多线程为7.90s；在io消耗中，单进程为6.19s，多进程为2.94s，多线程为5.74s。无论是CPU（计算）密集型程序或是IO密集型程序，多进程并发优于多线程并发，并且在CPU（计算）密集型程序中，多线程比单进程效率还慢，在IO密集型程序中，多线程优势也不是很明显，究其原因，都绕不开Python的全局解释器锁的问题，即GIL问题。
但python的多线程并不是一无是处，对于高延迟和多阻塞的IO事件，可以像非阻塞IO一样，通过属性和超时检测发送错误，再通过捕捉错误跳过该阻塞IO，先并发其他IO事件，可以节省效率，在这方面python多线程的创建删除消耗的资源远小于多进程，大概是进程的1/20，因此到底选用多进程还是多线程时，小编为大家总结了以下经验：如果一个进程中并发任务比较多，比较简单，适合使用多线程；如果数据程序比较复杂，特别是可能多个任务通信比较多的时候，要考虑到使用线程同步互斥的复杂性；如果多个任务存在明显差异，和功能分离的时候，可以考虑使用多进程。
受制于水平的有限，这里只从IO密集和CPU密集两个方面对单进程、多进程和多线程进行了对比。需要交流和切磋的读者朋友，请在评论区积极留言，欢迎关注头条号：杜哥说python。
閱讀更多 杜哥說python 的文章
