讲座主题：Python中的多线程与多进程——选择合适的并发模型
大家好，欢迎来到今天的Python技术讲座！今天我们要聊一聊一个非常重要的话题：Python中的多线程与多进程。如果你在开发过程中遇到过程序运行速度慢、资源占用高或者需要处理大量并发任务的问题，那么你一定需要了解这两种并发模型。
为了让大家更好地理解，我会用轻松诙谐的语言讲解，并附上代码和表格来帮助大家掌握核心概念。废话不多说，我们直接进入正题！
1. 什么是多线程与多进程？
在计算机科学中，“并发”是指同时执行多个任务的能力。而实现并发的方式主要有两种：多线程和多进程。
- 多线程（Multithreading）：一个进程内部可以创建多个线程，这些线程共享同一块内存空间。
- 多进程（Multiprocessing）：一个程序可以启动多个独立的进程，每个进程都有自己独立的内存空间。
简单来说，多线程就像是让一群人在一个房间里分工合作，而多进程则是让每个人分别待在不同的房间里工作。
2. Python中的GIL是什么？
在Python中，有一个非常著名的“坑”，叫做全局解释器锁（Global Interpreter Lock, GIL）。GIL是CPython（Python的官方实现）中的一种机制，它确保在同一时刻只有一个线程能够执行Python字节码。
这意味着什么呢？举个例子：
import threading
def count():
i = 0
for _ in range(100_000_000):
i += 1
thread1 = threading.Thread(target=count)
thread2 = threading.Thread(target=count)
thread1.start()
thread2.start()
thread1.join()
thread2.join()这段代码试图通过两个线程并行计算，但实际上由于GIL的存在，这两个线程并不会真正并行运行，而是交替执行。因此，这段代码的性能提升非常有限。
结论：对于CPU密集型任务（如数值计算），多线程在Python中并不适合，因为GIL会限制线程的并发性。
3. 多线程适合什么场景？
尽管有GIL的限制，但多线程仍然适用于某些特定场景，比如I/O密集型任务。I/O密集型任务指的是那些需要等待外部资源的任务，例如文件读写、网络请求等。
以下是一个使用threading模块进行网络请求的例子：
import threading
import requests
def fetch_url(url):
response = requests.get(url)
print(f"URL: {url}, Status Code: {response.status_code}")
urls = ["https://example.com", "https://www.python.org", "https://github.com"]
threads = []
for url in urls:
thread = threading.Thread(target=fetch_url, args=(url,))
threads.append(thread)
thread.start()
for thread in threads:
thread.join()在这个例子中，多线程可以显著提高效率，因为每个线程在等待网络响应时不会阻塞其他线程。
4. 多进程的优势与劣势
既然多线程在CPU密集型任务上表现不佳，那么我们可以考虑使用多进程。多进程绕过了GIL的限制，每个进程都有自己的独立内存空间，因此可以充分利用多核CPU的性能。
下面是一个使用multiprocessing模块进行数值计算的例子：
from multiprocessing import Process
def calculate_square(n):
result = n * n
print(f"Square of {n} is {result}")
numbers = [1, 2, 3, 4, 5]
processes = []
for number in numbers:
process = Process(target=calculate_square, args=(number,))
processes.append(process)
process.start()
for process in processes:
process.join()优点：
- 绕过GIL，适合CPU密集型任务。
- 每个进程独立运行，崩溃时不会影响其他进程。
缺点：
- 创建和销毁进程的开销较大。
- 进程之间的通信比线程复杂。
5. 如何选择合适的并发模型？
为了帮助大家更好地选择合适的并发模型，我整理了一个简单的表格：
| 特性 | 多线程 | 多进程 |
|---|---|---|
| 内存共享 | 共享同一块内存空间 | 每个进程有自己的独立内存空间 |
| GIL的影响 | 受限于GIL | 不受GIL限制 |
| 开销 | 较低 | 较高 |
| 适用场景 | I/O密集型任务 | CPU密集型任务 |
| 进程间通信 | 简单 | 复杂 |
6. 总结
通过今天的讲座，我们了解了Python中的多线程与多进程的基本概念、优缺点以及适用场景。以下是几个关键点：
- 如果你的任务是I/O密集型的（如网络请求、文件操作），优先选择多线程。
- 如果你的任务是CPU密集型的（如数值计算、图像处理），优先选择多进程。
- 在实际开发中，也可以结合使用两者，根据具体需求灵活选择。
最后，引用一段来自国外技术文档的话：“Concurrency is not parallelism, but it can lead to parallelism.”（并发不是并行，但它可以带来并行。）
希望今天的讲座对你有所帮助！如果有任何问题，欢迎随时提问。谢谢大家！