IO密集型：推荐使用多线程
CPU密集型：推荐使用多进程
为什么Python多线程在CPU密集型中是鸡肋？通过一段代码来测试
单线程执行从1亿递减到0
import datetimedef run(n):while n > 0:n -= 1if __name__ == '__main__':start_time = datetime.datetime.now()n = 100000000run(n)end_time = datetime.datetime.now()print('用时:', end_time - start_time)用时: 0:00:03.044011
启用两个线程t1, t2各运行5000万次
import threadingimport datetimedef run(n):while n > 0:n -= 1if __name__ == '__main__':start_time = datetime.datetime.now()n1 = 50000000n2 = 50000000threads = []t1 = threading.Thread(target=run, args=(n1,))threads.append(t1)t2 = threading.Thread(target=run, args=(n2,))threads.append(t2)for t in threads:t.start()for t in threads:t.join()end_time = datetime.datetime.now()print('用时:', end_time - start_time)用时: 0:00:03.384256
耗时不减反增。
那么是什么导致Python多线程不快反慢呢？
原因就是GIL(Global Interpreter Lock)全局解释器锁, 来源是python设计之初的考虑，为了数据安全所做的决定。在Cpython(python主流解释器)中，解释器解释执行python代码时，先要取得这把GIL锁，正是这把锁保证在解释器中同时只有一个线程在运行。在python多线程中，python解释器按照以下方式运行：
1.设置GIL
2.切换到一个线程执行
3.执行
4.把线程设置为睡眠状态
5.解锁GIL
6.重复以上步骤
因为涉及到线程切换(保存线程上下文)、锁处理机制(设置锁，释放锁)，导致多线程不快反慢。
但是在IO密集型程序中，多线程依旧能大幅度提升程序执行效率。例如socket server、爬虫等，因为大多数时候程序实在等待socket返回数据，当线程遇到I/O操作时会释放GIL，结果就是某个线程在等待结果时其他线程可以继续执行。计算密集型(CPU密集型)每运行100次也会释放GIL。
