CPU密集型使用多进程，IO密集型使用多线程

查看进程ID和线程ID的命令分别是os.getpid()和threading.current_thread()

多进程使用multiprocessing就可以了，通常使用进程池来完成操作，阻塞主进程使用join方法

多线程使用threading模块，线程池使用concurrent.futures模块，同时主线程的阻塞方法有多种

不管多进程还是多线程，生产消费模型都可以用队列来完成，如果要用多线程操作同一变量记得加锁

多进程

import multiprocessing

import time

def func1():

for i in range(5):

print(f"进程1：{i}")

time.sleep(1)

def func2():

for i in range(5):

print(f"进程2：{i}")

time.sleep(1)

if __name__ == '__main__':

p1 = multiprocessing.Process(target=func1) 创建一个进程

p2 = multiprocessing.Process(target=func2)创建一个进程

p1.start()

p2.start()

p1.join()

p2.join()

多线程

import threading
import time

def func1():
    for i in range(5):
        print(f"线程1：{i}")
        time.sleep(1)

def func2():
    for i in range(5):
        print(f"线程2：{i}")
        time.sleep(1)

t1 = threading.Thread(target=func1) 创建一个线程
t2 = threading.Thread(target=func2) 创建一个线程
t1.start()
t2.start()
t1.join()
t2.join()

import multiprocessing

def func1(x):

return x * x

if __name__ == '__main__':

pool = multiprocessing.Pool(processes=4) 进程池

results = pool.map(func1, [1, 2, 3, 4, 5])

print(results)

import concurrent.futures

def func1(x):

return x * x

executor = concurrent.futures.ThreadPoolExecutor(max_workers=4) 线程池

futures = [executor.submit(func1, x) for x in [1, 2, 3, 4, 5]]

for future in futures:

print(future.result())