进程和线程
进程
- 程序由指令和数据组成，但这些指令要运行，数据要读写，就必须将指令加载至 CPU，数据加载至内存。在指令运行过程中还需要用到磁盘、网络等设备。进程就是用来加载指令、管理内存、管理 IO 的。
- 当一个程序被运行，从磁盘加载这个程序的代码至内存，这时就开启了一个进程。
- 进程就可以视为程序的一个实例。大部分程序可以同时运行多个实例进程（例如记事本、画图、浏览器等），也有的程序只能启动一个实例进程（例如网易云音乐、360 安全卫士等）。
线程
- 一个进程之内可以分为一到多个线程。
- 一个线程就是一个指令流，将指令流中的一条条指令以一定的顺序交给 CPU 执行。
- Java 中，线程作为最小调度单位，进程作为资源分配的最小单位。 在 windows 中进程是不活动的，只是作为线程的容器。
二者对比
- 进程基本上相互独立的，而线程存在于进程内，是进程的一个子集
- 进程拥有共享的资源，如内存空间等，供其内部的线程共享
- 进程间通信较为复杂
1.同一台计算机的进程通信称为 IPC（Inter-process communication）
2.不同计算机之间的进程通信，需要通过网络，并遵守共同的协议，例如 HTTP
- 线程通信相对简单，因为它们共享进程内的内存，一个例子是多个线程可以访问同一个共享变量
- 线程更轻量，线程上下文切换成本一般上要比进程上下文切换低
并行与并发
单核 cpu 下，线程实际还是 串行执行 的。操作系统中有一个组件叫做任务调度器，将 cpu 的时间片（windows下时间片最小约为 15 毫秒）分给不同的程序使用，只是由于 cpu 在线程间（时间片很短）的切换非常快，人类感觉是 同时运行的 。总结为一句话就是： 微观串行，宏观并行
多核 cpu下，每个 核（core） 都可以调度运行线程，这时候线程可以是并行的。
但是一般来说，如果核数小于线程数，那么其实还是 并行 和 串行共存的。
引用 Rob Pike 的一段描述：
并发（concurrent）是同一时间应对（dealing with）多件事情的能力
并行（parallel）是同一时间动手做（doing）多件事情的能力
应用
以调度方角度来讲，如果
需要等待结果返回，才能继续运行就是同步
不需要等待结果返回，就能继续运行就是异步
// 同步 FileReader.read(Constants.MP4_FULL_PATH); log.debug("do other things ..."); // 异步 new Thread(() -> FileReader.read(Constants.MP4_FULL_PATH)).start(); log.debug("do other things ...");
多线程可以让方法执行变为异步的（即不要巴巴干等着）比如说读取磁盘文件时，假设读取操作花费了 5 秒钟，如果没有线程调度机制，这 5 秒 cpu 什么都做不了，其它代码都得暂停…
实际应用
- 比如在项目中，视频文件需要转换格式等操作比较费时，这时开一个新线程处理视频转换，避免阻塞主线程
- tomcat 的异步 servlet 也是类似的目的，让用户线程处理耗时较长的操作，避免阻塞 tomcat 的工作线程
- ui 程序中，开线程进行其他操作，避免阻塞 ui 线程
并行计算
充分利用多核 cpu 的优势，提高运行效率。想象下面的场景，执行 3 个计算，最后将计算结果汇总。
计算 1 花费 10 ms 计算 2 花费 11 ms 计算 3 花费 9 ms 汇总需要 1 ms
- 如果是串行执行，那么总共花费的时间是 10 + 11 + 9 + 1 = 31ms
- 但如果是四核 cpu，各个核心分别使用线程 1 执行计算 1，线程 2 执行计算 2，线程 3 执行计算 3，那么 3 个线程是并行的，花费时间只取决于最长的那个线程运行的时间，即 11ms 最后加上汇总时间只会花费 12ms
但是其实还有有前提的，需要在多核cpu才能够提升效率，单核仍然是轮流时间片轮转执行。
代码实现
// 多线程 FutureTask<Integer> t1 = new FutureTask<>(()->{ int sum = 0; for(int i = 0; i < 250_000_00;i++) { sum += array[0+i]; } return sum; }); FutureTask<Integer> t2 = new FutureTask<>(()->{ int sum = 0; for(int i = 0; i < 250_000_00;i++) { sum += array[250_000_00+i]; } return sum; }); FutureTask<Integer> t3 = new FutureTask<>(()->{ int sum = 0; for(int i = 0; i < 250_000_00;i++) { sum += array[500_000_00+i]; } return sum; }); FutureTask<Integer> t4 = new FutureTask<>(()->{ int sum = 0; for(int i = 0; i < 250_000_00;i++) { sum += array[750_000_00+i]; } return sum; }); new Thread(t1).start(); new Thread(t2).start(); new Thread(t3).start(); new Thread(t4).start(); return t1.get() + t2.get() + t3.get()+ t4.get(); // 单线程 int[] array = ARRAY; FutureTask<Integer> t1 = new FutureTask<>(()->{ int sum = 0; for(int i = 0; i < 1000_000_00;i++) { sum += array[0+i]; } return sum; }); new Thread(t1).start(); return t1.get();
如果在多核cpu下执行：
多线程 0.02s 单线程 0.043s
如果在单核cpu下执行
多线程 0.061s 单线程 0.058s
通过分析以上的时间性能，其实能说明很多的原因，比如说多核cpu情况下，多线程执行速度比单线程执行要快，而如果是单核，反而慢了，其实是因为多线程在单核下要进行时间片轮转，会产生一定的性能消耗。
结论
- 单核 cpu 下，多线程不能实际提高程序运行效率，只是为了能够在不同的任务之间切换，不同线程轮流使用cpu ，不至于一个线程总占用 cpu，别的线程没法干活
- 多核 cpu 可以并行跑多个线程，但能否提高程序运行效率还是要分情况的
1.有些任务，经过精心设计，将任务拆分，并行执行，当然可以提高程序的运行效率。但不是所有计算任务都能拆分
2.也不是所有任务都需要拆分，比如任务二需要任务一的结果，任务的目的如果不同，谈拆分和效率没啥意思
IO 操作不占用 cpu，只是我们一般拷贝文件使用的是【阻塞 IO】，这时相当于线程虽然不用 cpu，但需要一直等待 IO 结束，没能充分利用线程。所以才有后面的【非阻塞 IO】和【异步 IO】优化
