Python实现并发现在主要有三种方式：进程、线程和协程
本文先主要讲述进程和线程，由于之前写过有关进程和线程的文章，所以这里就不再贴代码，演示实现过程了，需要的同学请前往
下一篇文章将会讲解有关协程的姿势
Python的设计是任何一个进程在任何一个时刻只运行一个线程，不管你的系统内有多少CPU，程序控制是通过GIL实现的
首先明确两个概念：
CPU-bound：cpu处理大量数据，而像读取硬盘/内存这种是快速完成的
I/O-buund：大部分的状况是CPU在等待I/O（硬盘/内存）的读写
由于这种设定，Python的多线程在CPU-bound的情况下性能是非常差的，有些时候还会低于单线程。这是因为相比较于这种密集计算花费的时间，线程之间切换的时间会被放大。所以导致线程切换的时间在整个运算中占了大的比重。但是对于I/O-buund的情况，线程切换花费的时间在等待I/O花费的时间面前就不值一提，所以会提高很多的性能
从上图中可以看到，某个线程要想运行就必须得抢到GIL，而GIL的释放都是由I/O触发的，如果有很多的I/O操作，多个线程就可以实现并发的执行，例如当网络爬虫的时候，就可以快速的切换GIL，从而实现多线程
而且其实GIL的设计使解释器变得更加容易实现了，可以不用考虑线程的安全性，在任何时刻只有一个线程能够获得Python对象或者嵌入的C/C++ API。
多进程处理实际上对每个任务都会生成一个操作系统的进程，并且每一个进程都被单独赋予了Python的解释器和GIL，所以你的程序在实际运行中有多个GIL存在，每个运行者的线程都会拿到一个GIL，在不同的环境下向前进，自然也可以被分配到不同的处理器上。这一点对于CPU-bound的任务程序非常有帮助。
这一解决方案提高了计算能力，但与此同时也引入了其他的一些问题。因为Python解释器是跟着进程走的，所以新的进程就引入了新的解释器，工作消耗的内存也成倍增长。这点对于那些需要存放很大的全局字典的互联网应用，是致命伤。
简单概括就是线程适合I/O-bound的应用，进程适合CPU-bound的应用，但是大部分情况下面对高效率，高并发的需求，Python可能不是最好的语言。
这里有本人写的适合新手的小项目，有意戳-->
欢迎大家关注头条号：热衷python和前端
如果有需要源码的同学就留言或者私聊我吧
閱讀更多 熱衷python和前端 的文章
