Python的多任务编程

python程序代码都是按自上而下的顺序加载并执行的，但实际需要代码处理的任务并不都是需要按部就班的顺序执行，通常为提高代码执行的效率，需要多个代码执行任务同时执行，也就是多任务编程的需求。

基本的计算机模型是由cpu、ram及各种资源(键盘、硬盘、显卡、网卡等)组成，代码的执行过程，实际就是cpu和相关寄存器及ram之间的相关处理的过程。在单核cpu场景下，一段代码交由cpu执行前，都会处于就绪队列中，cpu执行时很快就会返回该段代码的结果，所以不同进程的代码是轮流由cpu执行的，由于cpu执行速度很快，在表现上仍会被感觉是同时执行的。不同就绪队列间的读入与结果保存被称之为上下文切换，由于进程间切换会产生一定的时间等待及资源的消耗，所以为了减少等待时间和资源的消耗，就引入了线程的设计。线程是当进程的队列被授权占用cpu时，该进程的所有线程队列在共享该进程资源的环境下按优先级由cpu执行。无论是进程还是线程，其队列及资源切换都是由操作系统进行控制的，同时线程的切换也是非常消耗性能的，为了使各线程的调度更节约资源，就出现了协程的设计。协程是在进程或线程环境下执行的，其拥有自己的寄存器上下文和栈，调度是完全由用户控制的，相当于函数方法的调度。对于多任务编程，若要实现代码的多任务高效率执行，我们要明晰如下这几个概念的特点及其区别，才能根据实际需求，选用最佳的多任务编程方法。

并行

指在同一时刻有多个进程的指令在多个处理器上同时执行。

并发

是指在同一时刻只能有一个进程的指令执行，但多个进程指令被快速轮换执行，使得在宏观上具有多个进程同时执行的效果。

进程

进程是程序的运行态，进程间数据共享需要借助外部存储空间。

线程

线程是进程的组成部分,一个进程可以包含一个或多个线程，同一进程内线程间数据共享属于内部共享。

协程

协程是一种用户态的轻量级线程，一个进程可以包含一个或多个协程，也可以在一个线程包含一个或多个协程。协程的调度完全由用户控制，同一进程内协程间数据共享属于内部共享。

由于python是动态编译的语言，与c/c++、java等静态语言不同，它是在运行时一句一句代码地边编译边执行的。用c语言实现的python解释器，通常称为cpython，也是python环境默认的编译器。在cpython解释器中，为防止多个线程同时执行同一 python 的代码段，确保线程数据安全，引入了全局解释器锁(gil, global interpreter lock)的处理机制, 该机制相当于一个互斥锁，所以即便一个进程下开启了多线程，但同一时刻只能有一个线程被执行。所以python 的多线程是伪线程，性能并不高，也无法利用cpu多核的优势。

另，gil并不是python的特性，他是在实现python解释器（cpython）时所引入的一个概念，gil保护的是解释器级的数据，保护用户自己的数据仍需要自己加锁处理。在默认情况下，由于gil的存在，为了使多线程(threading)执行效率更高，需要使用join方法对无序的线程进行阻塞，如下代码可以看到区别。

执行结果如下：

由上结果可以看到, 多线程时join阻塞后执行效率提高了很多。

多任务编程的本质是cpu占用方法的调度处理，对于python下多任务处理有多种编程方法可供选择，分别有多进程(multiprocessing)、多线程(threading)及异步协程(asyncio)，在实际使用中该如何选择呢？我们先看如下一段程序的执行效果。

从上面的结果，我们可以看到同一个函数用process及thread 不同的方法，执行的时间是不同的，为什么会产生这样的差异？

多进程(multiprocessing)方法使用子进程而非线程，其有效地绕过了全局解释器锁gil(global interpreter lock), 并充分利用了多核cpu的性能，所以在多核cpu环境下，其比多线程方式效率要高。

又称为微线程，协程也可被看作是被标注的函数，不同被表注函数的执行和切换就是协程的切换，其完全由编程者自行控制。协程一般是使用 gevent库，在早期这个库用起来比较麻烦，所以在python 3.7以后的版本，对协程的使用方法做了优化。执行代码如下:

另，默认环境下，协程是在单线程模式下执行的异步操作，其并不能发挥多处理器的性能。为了提升执行效率，可以在多进程中执行协程调用方法，代码用例如下：

如上结果，在多进程中调用多协程的方法，执行效率明显提高。

如上所结果是否是就决定一定要选择多进程(multiprocessing)模式呢？我们再看下如下代码:

由结果可看，在仅计算的操作时，多进程效率比较高，在仅输出的操作时，多线程的效率比较高，所以在实际使用中要根据实际情况测试决定。通用的建议如下：

多线程(threading)用于io密集型，如socket，爬虫，web

多进程(multiprocessing)用于计算密集型，如数据分析

多线程

https://docs.python.org/zh-cn/3/library/threading.html

多进程

https://docs.python.org/zh-cn/3/library/multiprocessing.html#

https://docs.python.org/zh-cn/3/library/asyncio-task.html