優質文章，第一時間送達！
文 | 饒木陽
Python 是運行在解釋器中的語言，查找資料知道， python 中有一個全局鎖( GI)，在使用多進程( Threa)的情況下，不能發揮多核的優勢。而使用多進程( Multiprocess)，則可以發揮多核的優勢真正地提高效率。
對比實驗
資料顯示，如果多線程的進程是 CPU 密集型的，那多線程並不能有多少效率上的提升，相反還可能會因為線程的頻繁切換，導致效率下降，推薦使用多進程;如果是 IO 密集型，多線程進程可以利用 IO 阻塞等待時的空閒時間執行其他線程，提升效率。所以我們根據實驗對比不同場景的效率
(1)引入所需要的模塊
(2)定義 CPU 密集的計算函數
(3)定義 IO 密集的文件讀寫函數
(4) 定義網絡請求函數
(5)測試線性執行 IO 密集操作、 CPU 密集操作所需時間、網絡請求密集型操作所需時間
輸出
CPU 密集：95.6059999466、91.57099986076355 92.52800011634827、 99.96799993515015
IO 密集：24.25、21.76699995994568、21.769999980926514、22.060999870300293
網絡請求密集型：4.519999980926514、8.563999891281128、4.371000051498413、4.522000074386597、14.671000003814697
(6)測試多線程併發執行 CPU 密集操作所需時間
(7)測試多線程併發執行 IO 密集操作所需時間
(8)測試多線程併發執行網絡密集操作所需時間
Output : 0.7419998645782471、0.3839998245239258、0.3900001049041748
(9)測試多進程併發執行 CPU 密集操作所需時間
Output : 54.342000007629395、53.437999963760376
(10)測試多進程併發執行 IO 密集型操作
Output : 12.509000062942505、13.059000015258789
(11)測試多進程併發執行 Http 請求密集型操作
Output : 0.5329999923706055、0.4760000705718994
實驗結果
CPU 密集型操作 IO 密集型操作網絡請求密集型操作
通過上面的結果，我們可以看到：
多線程在 IO 密集型的操作下似乎也沒有很大的優勢(也許 IO 操作的任務再繁重一些就能體現出優勢)，在 CPU 密集型的操作下明顯地比單線程線性執行性能更差，但是對於網絡請求這種忙等阻塞線程的操作，多線程的優勢便非常顯著了
多進程無論是在 CPU 密集型還是 IO 密集型以及網絡請求密集型(經常發生線程阻塞的操作)中，都能體現出性能的優勢。不過在類似網絡請求密集型的操作上，與多線程相差無幾，但卻更佔用 CPU 等資源，所以對於這種情況下，我們可以選擇多線程來執行。
好文章，我在看❤️
閱讀更多 編程派 的文章
