python：多任务（线程、进程、协程）

一、线程

1、创建线程

# 创建线程
import threading,time

def task1():
    for i in range(5):
        print('task1 -- 任务：%s' % i)
        time.sleep(1)

def task2():
    for j in range(10):
        print('task2 -- 任务：%s' % j)
        time.sleep(1)

def main():
    # 创建线程
    t1 = threading.Thread(target=task1)
    t2 = threading.Thread(target=task2)

    # 执行线程
    t1.start()
    t2.start()

if __name__ == '__main__':
    main()

 

2、查看线程数量

import threading,time

# 创建线程
import threading,time

def task1():
    for i in range(5):
        print('task1 -- 任务：%s' % i)
        time.sleep(1)

def task2():
    for j in range(5):
        print('task2 -- 任务：%s' % j)
        time.sleep(1)

def main():
    # 创建线程
    t1 = threading.Thread(target=task1)
    t2 = threading.Thread(target=task2)

    # 执行线程
    t1.start()
    t2.start()

    while True:
        # 打印当前线程情况
        thread_num = len(threading.enumerate())
        print("当前线程的数量为：" + str(thread_num))
        print('线程详情：')
        print(threading.enumerate())
        if thread_num <= 1:
            # 当剩下一个线程的情况下（也就是只剩下主线程的情况下，退出）
            break
        time.sleep(0.5)

if __name__ == '__main__':
    main()

 

3、通过继承Thread来创建线程

import threading,time

class MyThread(threading.Thread):

    # 当线程对象调用start()方法的时候，就会自动调用run()方法
    def run(self):
        for i in range(5):
            # self.name：当前线程的名字
            print("I'm " + self.name + ' @ ' + str(i))
            time.sleep(1)

if __name__ == '__main__':
    # 创建线程
    t1 = MyThread()
    t2 = MyThread()

    # 运行线程
    t1.start()
    t2.start()

 

4、多线程共享全局变量

import threading,time

# 定义全局变量
g_num = 100

def task1():
    global g_num
    g_num += 1
    print("---- in task1: g_num = %d" % g_num)


def task2():
    print("---- in task2: g_num = %d" % g_num)

def main():
    t1 = threading.Thread(target=task1)
    t2 = threading.Thread(target=task2)

    t1.start()
    time.sleep(1)

    t2.start()
    time.sleep(1)

    print("---- in main: g_num = %d" % g_num)

if __name__ == '__main__':
    main()

 

5、args 参数

import threading,time

# 定义全局变量
g_nums = [10, 20]

def task1(temp):
    temp.append(30)
    print("---- in task1: temp = %s" % str(temp))


def task2(temp):
    print("---- in task1: temp = %s" % str(temp))

def main():
    # args 参数：指定调用函数的时候，传递什么参数过去（args 是元组类型）
    t1 = threading.Thread(target=task1, args=(g_nums,))
    t2 = threading.Thread(target=task2, args=(g_nums,))

    t1.start()
    time.sleep(1)

    t2.start()
    time.sleep(1)

    print("---- in task1: g_nums = %s" % str(g_nums))

if __name__ == '__main__':
    main()

 

6、互斥锁解决资源竞争

import threading,time

# 定义一个全局变量
g_num = 0
# 创建一个互斥锁
mutex = threading.Lock()

def task1(num):
    global g_num
    for i in range(num):
        # 上锁
        mutex.acquire()
        g_num += 1
        # 解锁
        mutex.release()

    print('---- in stak1: g_num = %d' % g_num)

def task2(num):
    global g_num
    for i in range(num):
        # 上锁
        mutex.acquire()
        g_num += 1
        # 解锁
        mutex.release()

    print('---- in stak2: g_num = %d' % g_num)


if __name__ == '__main__':
    # 创建线程
    t1 = threading.Thread(target=task1, args=(1000000,))
    t2 = threading.Thread(target=task2, args=(1000000,))
    # 执行线程
    t1.start()
    t2.start()

    time.sleep(2)
    print('---- in main: g_num = %d' % g_num)

 

7、多线程udp 聊天器

import threading,socket

def recv_msg(udp_socket):
    # 接收数据
    while True:
        recv_data = udp_socket.recvfrom(1024)
        print('接收到的数据为：%s' % str(recv_data))

def send_msg(udp_socket, dest_ip, dest_port):
    while True:
        send_data = input('请输入你要发送的数据：')
        udp_socket.sendto(send_data.encode('utf-8'), (dest_ip, dest_port))

def main():
    # 创建套接字
    udp_socket = socket.socket(socket.AF_INET, socket.SOCK_DGRAM)

    # 绑定本地信息
    udp_socket.bind(("", 8899))

    # 发送数据
    dest_ip = "192.168.1.9"
    dest_port = 8899

    # 创建线程
    t_recv = threading.Thread(target=recv_msg, args=(udp_socket,))
    t_send = threading.Thread(target=send_msg, args=(udp_socket,dest_ip,dest_port))

    t_recv.start()
    t_send.start()

if __name__ == '__main__':
    main()

 

8、总结

"""
1、什么是线程？
线程操作系统能够进行运算调度的最小单位。它被包含在进程之中，是进程中的实际运作单位。
一条线程指的是进程中一个单一顺序的控制流，一个进程中可以并发多个线程，每条线程并行执行不同的任务。

2、线程运行：
通过 t = threading.Thread(target=xxx) 来创建线程。
通过 t.start() 来运行线程。如果没有调用 start() 方法，线程是不会执行的。

3、查看线程数量
可通过 threading.enumerate() 来查看线程数量

4、通过继承Thread来创建线程时，需要重写run()方法。子线程对象在调用start()方法的时候，run()方法就会自动调用。

5、共享全局变量：
1）在一个进程内的所有线程共享全局变量，很方便在多个线程间共享数据
2）缺点就是，线程是对全局变量随意遂改可能造成多线程之间对全局变量的混乱（即线程非安全）

6、传递参数：
创建线程的时候，可以设置参数 args，来指定调用函数的时候，需要传递什么参数。args 的数据类型是元组。

7、互斥锁
某个线程要更改共享数据时，先将其锁定，此时资源的状态为“锁定”，其他线程不能更改；直到该线程释放资源，将资源的状态变成“非锁定”，其他的线程才能再次锁定该资源。
互斥锁保证了每次只有一个线程进行写入操作，从而保证了多线程情况下数据的正确性。

8、死锁
在线程间共享多个资源的时候，如果两个线程分别占有一部分资源并且同时等待对方的资源，就会造成死锁。

避免死锁：
1）程序设计时要尽量避免（银行家算法）
2）添加超时时间等

"""

 

 

二、进程

1、创建进程

import multiprocessing,time

def task1():
    while True:
        print('---- task1 ----')
        time.sleep(1)

def task2():
    while True:
        print('---- task2 ----')
        time.sleep(1)

def main():
    # 创建进程对象
    p1 = multiprocessing.Process(target=task1)
    p2 = multiprocessing.Process(target=task2)
    # 开启进程
    p1.start()
    p2.start()

if __name__ == '__main__':
    main()

 

2、通过队列完成进程间通信

import multiprocessing

def download_data(q):
    """模拟下载数据"""
    data = [11, 22, 33, 44]

    # 向队列中写入数据
    for temp in data:
        print('写入数据到队列：' + str(temp))
        q.put(temp)
    
    print('------下载器已下载完并写入到队列当中了------')

def analysis_data(q):
    """模拟数据处理"""
    waiting_data = list()
    while True:
        # 从队列中获取数据
        temp = q.get()
        print('从队列中获取数据：' + str(temp))
        waiting_data.append(temp)

        # 判断队列是否为空
        if q.empty():
            break
    print('----数据已经分析完毕----')
    print(waiting_data)

def main():
    # 创建队列
    q = multiprocessing.Queue()

    # 创建进程
    p1 = multiprocessing.Process(target=download_data, args=(q,))
    p2 = multiprocessing.Process(target=analysis_data, args=(q,))

    # 开启进程
    p1.start()
    p2.start()

if __name__ == '__main__':
    main()

 

3、进程池

import multiprocessing
import os,time,random

def worker(index):
    t_start = time.time()
    print("{}开始执行，进程号为：{}".format(index, os.getpid()))
    time.sleep(random.random()*2)
    t_stop = time.time()
    print("{} 执行完毕，耗时{}".format(index, round(t_stop-t_start, 2)))

def main():
    # 定义一个进程池，最大进程数量为 3
    po = multiprocessing.Pool(3)
    for i in range(10):
        # Pool().apply_async(要调用的目标,(传递给目标的参数元祖,))
        # 每次循环将会用空闲出来的子进程去调用目标
        po.apply_async(func=worker, args=(i,))

    print('-'*10 + 'start' + '-'*10)
    # 关闭进程池，关闭后po不再接收新的请求
    po.close()
    # 等待po中所有子进程执行完成，必须放在close语句之后
    po.join() # 保证进程池中的所有进程都执行完毕后，主进程才会结束
    print('-'*10 + 'end' + '-'*10)

if __name__ == '__main__':
    main()

 

4、多任务拷贝文件夹

import multiprocessing,os

# 拷贝文件函数
def copy_file(q, file_name, old_folder_name, new_folder_name):
    old_file = os.path.join(old_folder_name, file_name)
    new_file = os.path.join(new_folder_name, file_name)
    with open(old_file, 'rb') as f:
        while True:
            # 最多一次取出1024个字节
            content = f.read(1024)
            if content:
                with open(new_file, 'ab') as f2:
                    f2.write(content)
            else:
                break
    # 如果拷贝完了文件，那么就放入队列中，表示文件已拷贝完成
    q.put(file_name)

def main():
    # 1、获取用户要拷贝的文件夹名称
    old_folder_name = input("请输入你要拷贝的文件夹名称：")

    # 2、创建一个新的文件夹
    new_folder_name = "[复制]" + old_folder_name;
    try:
        os.mkdir(new_folder_name)
    except FileExistsError:
        pass

    # 3、获取文件夹中所有的文件名称
    file_names = os.listdir(old_folder_name)

    # 4、创建进程池
    po = multiprocessing.Pool(5)

    # 5、创建进程池队列，通过队列来计算进度（进程间通信）
    q = multiprocessing.Manager().Queue()

    # 6、向进程池中添加复制文件的任务
    for file_name in file_names:
        po.apply_async(func=copy_file, args=(q, file_name, old_folder_name, new_folder_name))

    po.close()
    # po.join()

    # 7、获取队列中的内容，计算已经完成拷贝的文件数量
    all_file_num = len(file_names)
    copy_file_num = 0
    while True:
        file_name = q.get()
        copy_file_num += 1
        print("\r当前拷贝文件夹的进度为：%.2f %%"%(copy_file_num*100/all_file_num), end='')
        if copy_file_num >= all_file_num:
            print()
            break
    print('Done.')

if __name__ == '__main__':
    main()

 

总结：

"""
1、什么是进程
程序：例如xxx.py这是程序，是一个静态的
进程：一个程序运行起来后，代码+用到的资源 称之为进程，它是操作系统分配资源的基本单元。

不仅可以通过线程完成多任务，进程也是可以的

2、进程的状态：
就绪、执行、等待

3、如何创建
需使用multiprocessing模块来创建，创建的时候，和线程一样，需要指定要执行的任务是什么，例如：
p1 = multiprocessing.Process(target=task1)

4、进程间如何通信？
进程间可通过队列Queue 来进行通信。

5、进程池
当需要创建的子进程数量不多时，可以直接利用multiprocessing中的Process动态成生多个进程。
但如果是上百甚至上千个目标，手动的去创建进程的工作量巨大，此时就可以用到multiprocessing模块提供的Pool方法。

6、进程和线程的对比
进程，能够完成多任务，比如 在一台电脑上能够同时运行多个QQ
线程，能够完成多任务，比如 一个QQ中的多个聊天窗口

进程是系统进行资源分配和调度的一个独立单位。

线程是进程的一个实体，是CPU调度和分派的基本单位，它是比进程更小的能独立运行的基本单位。
线程自己基本上不拥有系统资源，只拥有一点在运行中必不可少的资源(如程序计数器,一组寄存器和栈)，但是它可与同属一个进程的其他的线程共享进程所拥有的全部资源。

区别：
1）一个程序至少有一个进程,一个进程至少有一个线程。
2）线程的划分尺度小于进程(资源比进程少)，使得多线程程序的并发性高
3）进程在执行过程中拥有独立的内存单元，而多个线程共享内存，从而极大地提高了程序的运行效率
4）线线程不能够独立执行，必须依存在进程中
5）线程和进程在使用上各有优缺点：线程执行开销小，但不利于资源的管理和保护；而进程正相反。

"""

 

 

三、协程 

 1、迭代器

"""
迭代是访问集合元素的一种方式。
迭代器是一个可以记住遍历的位置的对象。
迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。迭代器只能往前不会后退。

总结：
    1、如果想要一个对象成为 一个可迭代的对象，即可以使用for循环，那么必须实现 __iter__ 方法
    2、要构造一个迭代器，就必须实现 __iter__ 方法和 __next__ 方法
    3、迭代器抛出 StopIteration 异常，for 循环就会自动停止
"""

from collections.abc import Iterable,Iterator
import time

class Classmate(object):
    def __init__(self):
        self.names = list()
        self.current_index = 0

    def add(self, name):
        self.names.append(name)

    def __iter__(self):
        # 如果想要一个对象成为 一个可迭代的对象，即可以使用for循环，那么必须实现 __iter__ 方法
        return self

    def __next__(self):
        # 迭代器：要构造一个迭代器，就必须实现 __iter__ 方法和 __next__ 方法

        if self.current_index < len(self.names):
            result = self.names[self.current_index]
            self.current_index += 1
            return result
        else:
            # 抛出 StopIteration 异常，for 循环就会自动停止
            raise StopIteration


classmate = Classmate()

# 判断对象是否可迭代
print('对象是否可迭代：', isinstance(classmate, Iterable))
# 获取对象的迭代器
classmate_iter = iter(classmate)
print('对象是否是迭代器：', isinstance(classmate_iter, Iterator))

classmate.add('张三')
classmate.add('李四')
classmate.add('王五')
classmate.add('赵六')

for name in classmate:
    # classmate：可迭代，并且迭代器就是本身
    # name：打印name，其实质是调用迭代器的 __next__ 方法
    print(name)
    time.sleep(1)

 

2、迭代器应用——斐波那契数列

# 斐波那契数列：0,1,1,2,3,5,....,a,b,a+b

class Fibonacci(object):
    def __init__(self, count):
        self.count = count
        self.index =  0
        self.a = 0
        self.b = 1

    def __iter__(self):
        return self

    def __next__(self):
        if self.index < self.count:
            result = self.a
            self.a, self.b = self.b, self.a + self.b
            self.index += 1
            return result
        else:
            raise StopIteration

fibo = Fibonacci(10)

for num in fibo:
    print(num)

 

3、迭代器的其他应用

"""
list、tuple 也可接收可迭代的对象
比如：list(a)：先生成一个空的列表，然后根据a获取 a 的迭代器，再通过next方法获取各个值，最后返回列表
"""

class Fibonacci(object):
    def __init__(self, count):
        self.count = count
        self.index =  0
        self.a = 0
        self.b = 1

    def __iter__(self):
        return self

    def __next__(self):
        if self.index < self.count:
            result = self.a
            self.a, self.b = self.b, self.a + self.b
            self.index += 1
            return result
        else:
            raise StopIteration

fibo = Fibonacci(10)
list1 = list(fibo)
print(list1)

tuple1 = (1,2,3,4)
list2 = list(tuple1)
print(list2)

list3 = [1,2,3,4]
tuple2 = tuple(list3)
print(tuple2)

 

4、生成器——创建方式 1

"""
生成器是一种特殊的迭代器

创建方式一：只要把一个列表生成式的 [ ] 改成 ( )
"""

list1 = [x*2 for x in range(10)]
print(list1) # [0, 2, 4, 6, 8, 10, 12, 14, 16, 18]

list2 = (x*2 for x in range(10))
print(list2) # <generator object <genexpr> at 0x101bafad0>
for num in list2:
    print(num) # 0 / 2 / 4 / 6 / 8 / 10 / 12 / 14 / 16 / 18

 

5、生成器——创建方式 2

"""
生成器创建方式二：使用 yield

如果一个函数中有yield 语句，那么这个就不再是一个函数，而是一个生成器。
执行的程序遇到yield：
    1）保存当前运行状态（断点），然后暂停执行，即将生成器（函数）挂起
    2）将yield关键字后面表达式的值作为返回值返回，此时可以理解为起到了return的作用
下次再执行的时候，就会从yield 语句挂起那开始执行，不再是在函数的最开始位置执行。

可以使用next()函数让生成器从断点处继续执行，即唤醒生成器（函数）。

"""

# 打印斐波那契数列
def create_fibonacci(count):
    a, b = 0, 1
    index = 0
    while index < count:
        # 如果一个函数中有yield 语句，那么这个就不再是一个函数，而是一个生成器

        # 执行的程序遇到yield，则会在 yield 语句中暂停，并且把这个值返回。
        # 下次再执行的时候，就会从yield 语句后面开始执行，不再是在函数的最开始位置执行。
        yield a
        a, b = b, a+b
        index += 1
    return "ok."

obj = create_fibonacci(10)
print(obj) # <generator object create_fibonacci at 0x108ffaa50>
print(type(obj)) # <class 'generator'>：类型是生成器，生成器是一个特殊的迭代器，那么，就可以通过for 循环来获取值

for num in obj:
    print(num) # 0 / 1 / 1 / 2 / 3 / 5 / 8 / 13 / 21 / 34

print('='*40)

obj2 = create_fibonacci(2)
while True:
    try:
        num = next(obj2)
        print(num)
    except Exception as ex:
        # ex.value：获取生成器上的"ok."字符串
        print(ex.value)
        break

# print(next(obj))
# print(next(obj))
# print(next(obj))
# print('='*40)
# obj2 = create_fibonacci(2)
# print(next(obj2))
# print(next(obj2))

 

6、使用send()方法来唤醒生成器

"""
我们除了可以使用next()函数来唤醒生成器继续执行外，还可以使用send()函数来唤醒执行。
使用send()函数的一个好处是可以在唤醒的同时向断点处传入一个附加数据。

"""

# 打印斐波那契数列
def create_fibonacci(count):
    a, b = 0, 1
    index = 0
    while index < count:
        ret2 = yield a
        print(">>>ret>>>", ret2)
        a, b = b, a+b
        index += 1

obj = create_fibonacci(10)

# 第一次运行，执行到 yield 的时候，将 yield 后面的表达式返回，即将 a 返回。
# 所以就打印出：0
ret = next(obj)
print(ret) # 0

# 通过 send 方法传递参数来唤醒 yield 时，程序将在上次断点的位置开始执行，即：ret2 = yield a。
# 这个时候，传递过来的参数，将会将 yield a 替换成传递过来的参数 'hello world!'，然后返回给 ret2。
# 所以就接着打印出：>>>ret>>> hello world!
# 然后程序会再次循环到 yield，将 yield 后面的表达式返回，即将 a 返回。所以得到的结果是：1
# 所以就打印出：1
ret = obj.send('hello world!')
print(ret)

 

7、使用 yield 实现多任务

"""
了解
"""

import time

def task1():
    while True:
        print('-'*10 + '1' + '-'*10)
        time.sleep(0.5)
        # 使用yield，此时这个函数已经不再是函数，而是一个生成器
        yield

def task2():
    while True:
        print('-'*15 + '2' + '-'*15)
        time.sleep(0.5)
        yield

def main():
    count = 0
    t1 = task1()
    t2 = task2()
    while True:
        count += 1
        # 这是一个假的多任务
        # 实现了 2 个任务交替执行，也就是并发执行的。
        next(t1)
        next(t2)

        if count > 5:
            break

if __name__ == '__main__':
    main()

 

8、使用 greenlet 实现多任务

"""
了解：greenlet相当于对 yield 进行了封装，不再需要使用 yield 来创建生成器
"""

from greenlet import greenlet
import time

def task1():
    while True:
        print('-'*10 + '1' + '-'*10)
        # 切换到gr2中运行
        gr2.switch()
        time.sleep(0.5)

def task2():
    while True:
        print('-'*15 + '2' + '-'*15)
        # 切换到gr1中运行
        gr1.switch()
        time.sleep(0.5)

gr1 = greenlet(task1)
gr2 = greenlet(task2)

# 切换到gr1中运行
gr1.switch()

 

9、使用gevent协程完成多任务

"""
gevent 相当于是对 greenlet 再次进行了封装，即：greenlet 对yield 进行了封装，gevent 对 greenlet 进行了封装
"""

import gevent,time
from gevent import monkey

# 1、将程序中耗时的代码，换为 gevent中自己实现的代码
monkey.patch_all()

def work(current_name):
    for i in range(5):
        print(current_name, i)
        time.sleep(0.5)

# 2.等待gevent.joinall这个方法里面的所有协程列表都执行完毕，程序才会到 joinall后面的方法
gevent.joinall([
    # 创建协程
    gevent.spawn(work, 'work1'),
    gevent.spawn(work, 'work2'),
])

print('Done.')

 

10、案例：通过gevent实现图片下载器

import gevent
from gevent import monkey
import uuid, hashlib

# 1、将程序中耗时的代码，换为 gevent中自己实现的代码
monkey.patch_all()

# import requests需放在key.patch_all()之后，不然会有警告！
import requests

# 不重复名称的文件名
def get_unique_str():
    uuid_str = str(uuid.uuid4())
    md5 = hashlib.md5()
    md5.update(uuid_str.encode('utf-8'))
    return md5.hexdigest()

# 下载图片
def download_image(image_url):
    print('准备请求图片：' + image_url)
    
    # 图片名称
    imagename = get_unique_str() + "." + image_url.split('.')[-1]
    res = requests.get(image_url)
    if res.status_code == 200:
        content = res.content
        # 保存图片
        with open('./images/' + imagename, 'wb') as f:
            f.write(content)
        print('图片已下载到本地：' + imagename)
    else:
        print('图片请求失败：' + image_url)

def main():
    imgurls = [
        "https://ss1.bdstatic.com/70cFuXSh_Q1YnxGkpoWK1HF6hhy/it/u=3865738611,3013226268&fm=26&gp=0.jpg",
        "https://ss0.bdstatic.com/70cFvHSh_Q1YnxGkpoWK1HF6hhy/it/u=3057356668,282499874&fm=26&gp=0.jpg"
    ]
    tasks = []
    for imgur in imgurls:
        # 添加协程
        tasks.append(gevent.spawn(download_image, imgur))

    # 执行任务
    gevent.joinall(tasks)

    print('Done.')

if __name__ == '__main__':
    main()

 

11、案例：爬取百度图片

from gevent import monkey
# 将程序中耗时的代码，换为 gevent中自己实现的代码
monkey.patch_all()

from gevent.queue import Queue
import gevent
import requests
import re
import uuid, hashlib
import os

# 图片列表队列
works = Queue()

def get_unique_str():
    """不重复名称的文件名"""

    uuid_str = str(uuid.uuid4())
    md5 = hashlib.md5()
    md5.update(uuid_str.encode('utf-8'))
    return md5.hexdigest()

def download_image():
    """下载图片"""
    while not works.empty():

        image_url = works.get_nowait()

        print('准备请求图片：' + image_url)

        # 图片名称
        imagename = get_unique_str() + "." + image_url.split('.')[-1]
        res = requests.get(image_url)
        if res.status_code == 200:
            content = res.content
            image_folder = "./images/"
            if not os.path.isdir(image_folder):
                os.makedirs(image_folder)

            # 保存图片
            with open('./images/' + imagename, 'ab') as f:
                f.write(content)

            print('图片已下载到本地：' + imagename)
        else:
            print('图片请求失败：' + image_url)

def main():
    # 1.获取图片地址
    word = "美女"
    url = "http://image.baidu.com/search/flip?tn=baiduimage&ie=utf-8&word={}&pn=0".format(word)
    print('正请求图片地址...')
    res = requests.get(url)
    if res.status_code == 200:
        html = res.text
        # 利用正则表达式找到图片url
        pattern = '"objURL":"([^\s]*?(jpge|jpg|png|PNG|JPG))"'
        pic_urls = re.findall(pattern, html, re.S)
        for pic_url in pic_urls:
            # print(pic_url)
            works.put_nowait(pic_url[0])
    else:
        print('图片列表访问失败！')

    # 设置协程去下载图片
    tasks = list()
    for i in range(5):
        tasks.append(gevent.spawn(download_image))

    # 执行任务
    gevent.joinall(tasks)

    print('Done.')

if __name__ == '__main__':
    main()

 

12、总结

"""
协程：在处理等待某些资源的同时，去做其他的任务。


进程、线程、协程对比：

进程是资源分配的单位
线程是操作系统调度的单位
进程切换需要的资源很最大，效率很低
线程切换需要的资源一般，效率一般（当然了在不考虑GIL的情况下）
协程切换任务资源很小，效率高
多进程、多线程根据cpu核数不一样可能是并行的，但是协程是在一个线程中 所以是并发
"""