多线程 和 多进程
理解线程、进程的区别与 Python GIL 锁的影响
掌握
threading多线程和multiprocessing多进程的基础写法掌握线程池 / 进程池的使用，能根据场景选择正确的并发方案
核心讲解
（1）核心概念
进程：操作系统分配资源的最小单位，每个进程有独立的内存空间，进程间数据隔离
线程：CPU 调度的最小单位，线程属于进程，同一个进程的线程共享内存
GIL 锁（全局解释器锁）：CPython 的机制，同一时刻只有一个线程执行 Python 字节码。所以 Python 多线程无法利用多核 CPU 并行计算，适合 IO 密集型任务；计算密集型任务要用多进程。
（2）适用场景
多线程：IO 密集型任务（网络请求、文件读写、数据库操作），线程切换快、开销小
多进程：CPU 密集型任务（大量计算、图像处理、数据处理），利用多核 CPU 并行
（3）threading 多线程
创建线程：
threading.Thread(target=函数, args=参数)启动：
start()等待结束：
join()守护线程：
daemon=True，主线程结束时守护线程自动结束
（4）multiprocessing 多进程
API 和 threading 高度相似，Process 类对应 Thread，用法基本一致，但每个进程有独立内存。
（5）线程池 / 进程池（推荐）
频繁创建销毁线程 / 进程开销大，用池化技术复用，批量提交任务。
concurrent.futures.ThreadPoolExecutor线程池concurrent.futures.ProcessPoolExecutor进程池统一 API：
submit()提交任务、result()获取结果、map()批量执行
代码示例
import time
import threading
import multiprocessing
from concurrent.futures import ThreadPoolExecutor, ProcessPoolExecutor
# ===== 1. 多线程示例 =====
def task(name, seconds):
print(f"线程 {name} 开始，休眠{seconds}秒")
time.sleep(seconds)
print(f"线程 {name} 结束")
# 创建线程
t1 = threading.Thread(target=task, args=("A", 2))
t2 = threading.Thread(target=task, args=("B", 3))
start = time.time()
# 启动线程
t1.start()
t2.start()
# 等待线程结束
t1.join()
t2.join()
print(f"多线程总耗时：{time.time() - start:.2f}秒")
# 输出约3秒，说明并行执行
# ===== 2. 线程池示例（推荐） =====
def download(url):
print(f"下载：{url}")
time.sleep(1) # 模拟IO
return f"{url} 下载完成"
urls = ["url1", "url2", "url3", "url4", "url5"]
print("\n线程池执行：")
start = time.time()
with ThreadPoolExecutor(max_workers=3) as executor:
# 提交所有任务
futures = [executor.submit(download, url) for url in urls]
# 获取结果
for future in futures:
print(future.result())
print(f"线程池总耗时：{time.time() - start:.2f}秒")
# ===== 3. 多进程示例（计算密集型） =====
def cpu_task(n):
# 模拟计算密集型任务
total = 0
for i in range(n):
total += i * i
return total
if __name__ == "__main__": # Windows多进程必须加这句
print("\n多进程执行：")
start = time.time()
with ProcessPoolExecutor(max_workers=4) as executor:
results = list(executor.map(cpu_task, [10_000_000]*4))
print("计算结果：", results)
print(f"多进程总耗时：{time.time() - start:.2f}秒")
常见误区
GIL 认知错误：以为多线程能利用多核加速计算，计算密集型用多线程反而更慢
共享数据线程安全：多线程共享全局变量，同时修改会导致数据错乱，需要加锁（
threading.Lock）Windows 多进程报错：多进程代码必须放在
if __name__ == "__main__":里，否则会无限递归创建进程线程数越多越好：线程太多会导致频繁切换，反而降低性能，IO 密集型一般设为 CPU 核心数的 2~4 倍
进程间通信复杂：多进程内存隔离，不能直接共享变量，需要用队列、管道等方式通信
课后练习
用多线程实现：同时下载 3 个网页（模拟用 time.sleep），计算总耗时
用线程池批量处理 10 个任务，设置最大线程数为 3
编写一个计算密集型函数，对比单线程和多进程的耗时差异
思考：为什么爬虫程序一般用多线程而不是多进程？
