实现并行计算有三种方式，多线程，多进程，多进程+多线程。
多内核（multicore chips）是指在一枚处理器（chip）中集成两个或多个完整的计算引擎(内核)，
计算机的cpu物理核数是同时可以并行的线程数量(cpu只能看到线程，线程是cpu调度分配的最小单位)，
一个核只能运行一个线程。
进程是操作系统资源分配（内存，显卡，磁盘）的最小单位，
线程是执行调度（即cpu调度）的最小单位（cpu看到的都是线程而不是进程），
一个进程可以有一个或多个线程，线程之间共享进程的资源，
通过这样的范式，就可以减少进程的创建和销毁带来的代价，可以让进程少一点，保持相对稳定，不断去调度线程就好。
多线程指的是，在一个进程中开启多个线程，
简单的讲：如果多个任务共用一块地址空间，那么必须在一个进程内开启多个线程。详细的讲分为4点：
1. 多线程共享一个进程的地址空间（数据），一个进程内的多个线程的pid一样
2. 线程比进程更轻量级，线程比进程更容易创建可撤销，在许多操作系统中，创建一个线程比创建
一个进程要快10-100倍，在有大量线程需要动态和快速修改时，这一特性很有用
3. 若多个线程都是cpu密集型的，那么并不能获得性能上的增强，但是如果存在大量I/O处理，
拥有多个线程允许这些活动彼此重叠运行，从而会加快程序执行的速度。
4. 在多cpu系统中，为了最大限度的利用多核，可以开启多个线程，比开进程开销要小的多。
（这一条并不适用于python）
1.单核多线程，并发，不是并行
1.多核多线程，线程数<核数，并行
1.多核多线程，线程数>核数，并发，（其中有些线程就会不断切换，并发执行，但实际上最大的并行数量还是当前这个进程中的核的数量，
所以盲目增加线程数不仅不会让你的程序更快，反而会给你的程序增加额外的开销。）
关于效率：
任务可以分为计算密集型和IO密集型：
io密集型：有阻塞的状态，就是一直会执行CPU（中间就一个等待状态，这个就叫做IO密集型）。例如：sleep状态
计算密集型任务：没有等待的状态就是计算密集型，从上到下执行没有等待。
在Python中没法同时使用多个CPU，在同一时刻，多个线程是互相抢占资源的，在cpython运行中加了一把锁（GIL）。
如果任务是IO密集型的可以使用多线程（阻塞等待时，就是放GIL，给另一个线程执行的机会，并发）
如果是计算密集型任务时，无法使用多线程（如果遇到CPU密集型的线程，一只占用CPU，不会被I/O阻塞）
计算密集型：多进程效率高，如金融分析
IO密集型：多线程效率高，如socket，爬虫，web
性能测试
# 计算密集型
from multiprocessing import Process
from threading import Thread
import time, os
def task():
res = 1
for i in range(100000000):
res *= i
if __name__ == '__main__':
start_time = time.time()
print(os.cpu_count()) #本机为4核
l = []
for i in range(4):
# p = Process(target=task) #spend_time: 16.10278034210205,计算密集型，多进程效率高
p = Thread(target=task) #spend_time: 26.059650897979736
l.append(p)
p.start()
for p in l:
p.join()
end_time = time.time()
print('spend_time:',end_time-start_time)
# I/O密集型
from multiprocessing import Process
from threading import Thread
import time, os
def task():
time.sleep(2)
print('------->')
if __name__ == '__main__':
start_time = time.time()
print(os.cpu_count()) #本机为4核
l = []
for i in range(400):
# p = Process(target=task) #spend_time: 30.915207862854004
p = Thread(target=task) #spend_time: 2.059750556945801,I/O密集型，多线程效率高
l.append(p)
p.start()
for p in l:
p.join()
end_time = time.time()
print('spend_time:',end_time-start_time)
