10.5作业

多进程与多线程：并行世界的两种引擎

在现代计算中，为了提升程序性能，我们广泛采用并行编程技术，其中多进程和多线程是两种核心模型。理解它们的区别与适用场景，是构建高效、稳定应用的关键。

核心区别：本质与资源管理的不同

两者的根本区别在于资源分配方式。

多进程：像是独立的多家工厂。每个进程都拥有自己独立的内存空间（如代码、数据、堆栈）和系统资源。一个进程的崩溃通常不会影响其他进程，稳定性高。但正因如此，进程间通信（IPC）比较复杂和耗时，需要借助管道、消息队列等机制，且创建和销毁进程（“建新工厂”）的开销较大。

多线程：像是同一家工厂内的多条流水线。一个进程下的所有线程共享同一片内存空间和资源。这使得线程间通信非常高效，可以直接读写共享变量。然而，这也带来了安全隐患，必须通过锁等机制进行精细的同步，否则易发生数据竞争。一个线程的崩溃可能导致整个进程（“整个工厂”）的崩溃。

此外，由于CPU的核心调度单位是线程，在多核环境下，无论是多进程还是多线程，都能实现真正的并行计算。但在Python中，由于全局解释器锁（GIL）的存在，多线程无法利用多核优势执行CPU密集型任务，此时多进程是更好的选择。

应用场景：因地制宜的选择

根据它们的特性，其适用场景泾渭分明：

多进程适用于计算密集型任务。这类任务主要消耗CPU资源，例如大规模数据计算、图像处理、科学模拟等。利用多进程可以将计算任务分摊到多个CPU核心上并行执行，从而大幅缩短总计算时间。同时，进程间的独立性保证了单个计算任务的失败不会波及其他。

多线程适用于I/O密集型任务。这类任务经常需要等待，例如网络请求、数据库查询、文件读写等。当一个线程在等待I/O操作时，CPU可以立刻切换到另一个线程继续工作，从而有效压榨CPU资源，提高程序的整体响应速度和吞吐量。Web服务器处理并发请求就是一个典型场景

总结

选择多进程还是多线程，是一个在性能、稳定性和开发复杂度之间的权衡。追求高计算效率、高稳定性，选择多进程；追求高响应速度、低通信开销，且任务多为I/O等待，则选择多线程。 掌握这两种模型，就如同手握两把利刃，能够根据不同的业务需求，打造出最合适的并发架构。