在討論進(jìn)程和線程之前引瀑，我們先討論一下cpu的核心數(shù)的概念
那我的電腦舉例，cpu的型號是：i5 3317u榨馁，這是一顆雙核心四線程的處理器憨栽。一般來說，都是一個(gè)核心翼虫，運(yùn)行一個(gè)線程屑柔，那為什么這個(gè)兩核的處理器，可以運(yùn)行四個(gè)線程蛙讥？
找到一個(gè)解釋：
現(xiàn)在的cpu都利用特殊的硬件指令锯蛀，把兩個(gè)物理內(nèi)核模擬為四個(gè)邏輯內(nèi)核，讓單個(gè)處理器都能使用線程級并行計(jì)算次慢。進(jìn)而兼容多線程操作系統(tǒng)和軟件，減少了CPU的閑置時(shí)間翔曲，提高的CPU的運(yùn)行效率迫像。
也就是說，從硬件的角度來看瞳遍，他是兩個(gè)核心闻妓，從操作系統(tǒng)的角度看，他是四個(gè)核心掠械。
當(dāng)然這一點(diǎn)也很方便的可以從操作系統(tǒng)的層面上證實(shí)：
打開任務(wù)管理器>性能>右鍵 將圖形更改為 >邏輯處理器
通過python也可以的到由缆，機(jī)器的核心數(shù)。
這個(gè)要import multiprocessing
這是我的虛擬機(jī)猾蒂，只給它分配了一個(gè)核均唉。
現(xiàn)在我們來討論進(jìn)程和線程
進(jìn)程
那么對于計(jì)算量比較大的程序，我們可以使用多進(jìn)程的模型來開發(fā)肚菠。多個(gè)進(jìn)程分別運(yùn)行在cpu的多個(gè)核上面舔箭，可以成倍的提高效率。但如果同時(shí)運(yùn)行進(jìn)程大于CPU核心數(shù)蚊逢，則至少有個(gè)核心要同時(shí)運(yùn)行2個(gè)或以上的任務(wù)层扶，這樣的并發(fā)執(zhí)行中會帶來任務(wù)的切換開銷，降低效率烙荷。
線程
因?yàn)镻ython的線程雖然是真正的線程镜会，但解釋器執(zhí)行代碼時(shí)，有一個(gè)GIL鎖：Global Interpreter Lock终抽，任何Python線程執(zhí)行前戳表，必須先獲得GIL鎖焰薄，然后，每執(zhí)行100條字節(jié)碼扒袖，解釋器就自動釋放GIL鎖塞茅，讓別的線程有機(jī)會執(zhí)行。這個(gè)GIL全局鎖實(shí)際上把所有線程的執(zhí)行代碼都給上了鎖季率，所以野瘦，多線程在Python中只能交替執(zhí)行，即使100個(gè)線程跑在100核CPU上飒泻，也只能用到1個(gè)核鞭光。
GIL是Python解釋器設(shè)計(jì)的歷史遺留問題，通常我們用的解釋器是官方實(shí)現(xiàn)的CPython泞遗，要真正利用多核惰许，除非重寫一個(gè)不帶GIL的解釋器。
所以史辙，在Python中汹买，可以使用多線程，但不要指望能有效利用多核聊倔。如果一定要通過多線程利用多核晦毙，那只能通過C擴(kuò)展來實(shí)現(xiàn)，不過這樣就失去了Python簡單易用的特點(diǎn)耙蔑。
不過见妒，也不用過于擔(dān)心，Python雖然不能利用多線程實(shí)現(xiàn)多核任務(wù)甸陌，但可以通過多進(jìn)程實(shí)現(xiàn)多核任務(wù)须揣。多個(gè)Python進(jìn)程有各自獨(dú)立的GIL鎖，互不影響钱豁。
所以耻卡，多線程（cpu密集型的任務(wù)）在python下面其實(shí)很雞肋，因?yàn)闊o論創(chuàng)建多少線程寥院，這些線程只會運(yùn)行在一個(gè)核心上面劲赠。
舉一個(gè)例子
#對于一個(gè)cpu密集型的任務(wù)，計(jì)算斐波那契數(shù)列秸谢。
#類別一：分別用兩個(gè)線程 凛澎，每一個(gè)各自計(jì)算一個(gè)fib（35）
#類別二：用一個(gè)單線程，計(jì)算兩次fib（35）
#比較一下 他們兩個(gè)誰更快估蹄？
import time
import threading
def profile(func):
def wrapper(* args ,**kwargs):
start =time.time()
func(*args,**kwargs)
end =time.time()
print ("COST : {}".format(end-start))
return wrapper
def fib(n):
if n <=2:
return 1
else:
return fib(n-1)+fib(n-2)
@profile
def has_thread():
threadlist=[]
threadlist.append(threading.Thread(target=fib,args=(35,)))
threadlist.append(threading.Thread(target=fib,args=(35,)))
for i in threadlist:
i.start()
for i in threadlist:
i.join()
@profile
def no_thread():
fib(35)
fib(35)
if __name__ == "__main__":
has_thread()
no_thread()
結(jié)果是塑煎，單線程比多線程還快：
原因是多線程以為gil的限制，并沒有辦法真正的并行臭蚁，只是交替的占用cpu最铁，同時(shí)在加上線程切換的開銷讯赏。導(dǎo)致結(jié)果比單線程還差。
