Python并发编程学习 day1

Day 1：Python 并发编程基础

一、并发 vs 并行

• 并发（Concurrency）：代表多个任务、线程、进程在“同一时段”处理，从低层级看，在抢占式多任务处理系统中，处理器上多个操作指令会快速的轮流切换，看似同时处理
• 并行（Parallelism）：代表多个任务、线程、进程在同时处理，这里的同时是真正意义上的同时，主要体现在多核处理器上

并发指多个任务能够以重叠的方式运行，并行是指同时执行多个操作，可以说并发包含了并行

举例说明：

• 并发示例：多个线程在1s内并发处理了100个网络请求
• 并行示例：多个进程在多核处理器上并行计算数学公式

二、同步 vs 异步

• 同步（Synchronous）：工作流有多个操作时，上一个操作完成后需要等待响应结束，才进行下一个操作
• 异步（Asynchronous）：工作流有多个操作时，上一个操作完成后，在等待响应的时间间隔中，主动切换到下一个操作

三、线程 / 进程 / 协程 概念对比

对比维度	线程 (Thread)	进程 (Process)	协程 (Coroutine)
是否并发	✅	✅	✅
内存隔离	共享内存	独立内存	共享上下文（单线程）
开销	较小	较大	最小
启动速度	快	慢	非常快
切换方式	操作系统调度（上下文切换）	操作系统调度	协作式用户态调度
最佳场景	I/O密集型	CPU密集型	I/O密集且需高并发

在计算机系统结构中，开发并行性的途径有时间重叠、资源重复和资源共享等方式，可以简单理解线程模型是时间重叠、进程模型是资源重复、协程（异步IO）是资源共享

四、Python 中的并发机制

• threading：作为Python进程创建的多个线程进行任务处理，也属于操作系统线程，由操作系统决定何时调度，由于GIL原因，单进程不支持多核并行处理，
• multiprocessing：属于操作系统原生进程，由主进程创建多个子进程进行任务处理，也由操作系统调度，支持多核并行处理
• asyncio：属于Python进程中的单个线程，无需操作系统调度，通过事件循环控制每个异步任务的执行方式和时间

五、GIL 的本质

• 什么是 GIL？：
  答：即Python 全局解释器锁，它是一个互斥锁（或锁），它只允许一个线程控制 Python 解释器，可以带来单线程的性能提升并防止死锁
• 对 Python 多线程的影响：
  答：在任何时间点都只能有一个线程处于执行状态，即使在具有多个 CPU 核心的多线程架构，即在编写 C 扩展或在程序中使用 CPU 密集型多线程时会受到影响。
• 对多进程或协程的影响：
  答：多进程中每个进程都有自己的python解释器，协程本质也是一个线程进行事务处理，所以都不会有影响

---

🔁 今日思考题

1. 为什么 Python 的多线程不能提升 CPU 密集型任务的性能？
   答：因为CPU密集型主要是CPU的计算，在任何时间点都只能有一个线程处于执行状态，浪费了多核处理器的资源，而IO密集型主要是IO操作，由于线程在等待 I/O 时，锁是在线程之间共享的，所以没有太大影响
2. 协程比线程更轻量，它是如何做到的？
   答：协程是在单个线程内部实现并发的一种机制，在用户态实现，它们运行在一个或多个操作系统线程之上，程序可以创建大量协程，而不会产生显著的内存或性能开销，通过使用事件循环、非阻塞操作等异步IO机制，避免了线程间上下文切换的开销
3. 如果要处理 1 万个网络请求任务，你会选择哪种并发方式？为什么？
   答：1万个网络请求任务即是IO密集型任务，如果没有同步任务，则采用多进程+全协程的方式，如果存在同步任务，则采用多进程+多线程+协程方式。因为执行同步任务会阻塞事件循环，该线程会等待IO，这时如果是多线程，把同步任务或阻塞操作放到另外的线程中，那么该线程等待IO时会释放GIL锁，可由协程所在线程继续执行