多线程（Threading）

多线程允许程序同时执行多个线程。在Python中，由于GIL的存在，多线程并不能真正地实现并行计算（即同时执行多个线程），但在I/O密集型任务中，多线程仍然可以提高效率，因为线程可以在等待I/O操作完成时切换到其他线程。

使用Python的threading模块可以创建和管理线程。以下是一个简单的示例：

import threadingdef print_numbers():for i in range(10):print(i)def print_letters():for letter in 'abcdefghij':print(letter)# 创建线程
t1 = threading.Thread(target=print_numbers)
t2 = threading.Thread(target=print_letters)# 启动线程
t1.start()
t2.start()# 等待线程结束
t1.join()
t2.join()

多进程（Multiprocessing）

多进程允许多个程序（或称为进程）同时运行。在Python中，多进程是实现真正并行计算的有效方式，因为每个进程都有自己的GIL和Python解释器实例，可以独立地执行代码。

使用Python的multiprocessing模块可以创建和管理进程。以下是一个简单的示例：

import multiprocessingdef print_numbers():for i in range(10):print(i)def print_letters():for letter in 'abcdefghij':print(letter)# 创建进程
p1 = multiprocessing.Process(target=print_numbers)
p2 = multiprocessing.Process(target=print_letters)# 启动进程
p1.start()
p2.start()# 等待进程结束
p1.join()
p2.join()

线程与进程的比较

• 资源占用：线程共享进程的资源（如内存），而进程拥有独立的资源。因此，创建和销毁线程通常比进程更快，占用的资源也更少。但是，由于每个进程都有自己的内存空间，进程之间不会受到GIL的影响。

• 数据共享：线程之间可以轻松地共享数据（通过全局变量、共享内存等），但需要注意同步和互斥问题。进程之间共享数据则更加复杂，通常需要使用进程间通信（IPC）机制，如管道、套接字、消息队列等。

• 并行性：在Python中，由于GIL的存在，多线程通常无法实现真正的并行计算。而多进程则可以实现真正的并行计算，每个进程都可以独立地执行代码。

• 适用场景：多线程适用于I/O密集型任务（如网络请求、文件读写等），而多进程适用于计算密集型任务（如数值计算、图像处理等）。