Python中的多线程与多进程

在现代软件开发中，处理并发任务是一项重要的技能。Python作为一种高级编程语言，提供了多种方式来实现并发编程，其中最常见的就是多线程和多进程。本文将详细介绍这两种技术的原理、使用方法以及适用场景。

一、多线程

多线程是指在一个程序中同时运行多个线程，每个线程都可以执行不同的任务。在Python中，我们可以使用threading模块来实现多线程。下面是一个简单的例子：

import threading
import time

def worker(num):
    """线程要执行的函数"""
    print('Worker:', num)
    time.sleep(1)
    print('Worker:', num, 'done')

threads = []
for i in range(5):
    t = threading.Thread(target=worker, args=(i,))
    threads.append(t)
    t.start()

for t in threads:
    t.join()

在这个例子中，我们创建了5个线程，每个线程都会调用worker函数并传递一个唯一的参数。然后我们启动所有线程，并使用join方法等待它们完成。

二、多进程

多进程是指在一个程序中同时运行多个进程，每个进程都有自己独立的内存空间。在Python中，我们可以使用multiprocessing模块来实现多进程。下面是一个简单的例子：

import multiprocessing
import time

def worker(num):
    """进程要执行的函数"""
    print('Worker:', num)
    time.sleep(1)
    print('Worker:', num, 'done')

if __name__ == '__main__':
    processes = []
    for i in range(5):
        p = multiprocessing.Process(target=worker, args=(i,))
        processes.append(p)
        p.start()

    for p in processes:
        p.join()

在这个例子中，我们创建了5个进程，每个进程都会调用worker函数并传递一个唯一的参数。然后我们启动所有进程，并使用join方法等待它们完成。

三、多线程与多进程的比较

虽然多线程和多进程都可以实现并发编程，但它们之间有一些关键的区别：

1. 内存共享：多线程共享同一个进程的内存空间，而多进程则有自己独立的内存空间。这意味着多线程之间的通信更加简单，但也可能引发竞争条件等问题；而多进程则可以避免这些问题，但通信相对复杂。

2. 开销：创建和销毁线程的开销较小，而创建和销毁进程的开销较大。因此，在需要频繁创建和销毁任务的情况下，使用多线程可能更合适；而在需要隔离不同任务的情况下，使用多进程可能更合适。

3. GIL限制：Python的全局解释器锁（GIL）会导致在同一时间只有一个线程在执行Python字节码。这意味着在CPU密集型任务中，多线程并不能提高性能；而在I/O密集型任务中，多线程仍然可以提高效率。相比之下，多进程不受GIL限制，因此在CPU密集型任务中可能更具优势。