国庆作业day4
多进程编程和多线程编程是实现并发执行的两种核心方式，它们在底层原理、资源管理和适用场景上有显著区别，以下从核心区别和应用场景两方面详细说明：
一、核心区别
内存空间与资源独立性
- 多进程：每个进程拥有独立的内存空间、文件描述符、全局变量等资源，进程间默认不共享数据（除非通过特定机制）。
- 多线程：所有线程共享所属进程的内存空间和资源（如全局变量、文件句柄），线程仅拥有独立的栈空间和程序计数器。
例：若一个进程崩溃，其他进程不受影响；但一个线程崩溃可能导致整个进程崩溃。
创建与切换开销
- 多进程：创建和销毁进程的开销较大（需分配独立内存、初始化资源），进程间切换需要操作系统介入，消耗更多 CPU 资源。
- 多线程：创建和切换线程的开销小（共享进程资源，无需重复分配），线程切换由进程内调度，效率更高。
通信方式
- 多进程：需通过 “进程间通信（IPC）” 机制（如管道、消息队列、共享内存、信号量等）传递数据，实现复杂。
- 多线程：可直接通过共享内存（如全局变量）通信，但需通过锁（Mutex）、信号量等同步机制避免数据竞争。
并行能力
- 多进程：在多核 CPU 上可实现真正的并行执行（多个进程同时占用不同核心），不受全局解释器锁（GIL）等限制。
- 多线程：在单核 CPU 上通过时间片轮转实现 “并发”；在多核 CPU 上，若受 GIL（如 Python）限制，同一时刻可能只有一个线程执行，无法充分利用多核。
二、应用场景
多进程适合的场景
CPU 密集型任务如大规模数据计算（矩阵运算、视频编码、科学仿真）、复杂算法处理等。这类任务主要消耗 CPU 资源，多进程可利用多核并行计算，大幅提升效率。例：视频渲染软件（如 Blender）通过多进程分配不同帧的渲染任务到多个 CPU 核心。
需要隔离性的任务若任务可能崩溃或存在资源泄漏风险（如第三方插件、不稳定的代码），多进程可避免单个任务故障影响整体系统。例：浏览器（如 Chrome）为每个标签页创建独立进程，防止一个页面崩溃导致整个浏览器关闭。
规避 GIL 限制的场景在 Python 等存在 GIL 的语言中，多线程无法利用多核执行 CPU 密集型任务，此时需用多进程绕过 GIL 限制。
多线程适合的场景
I/O 密集型任务如网络请求（爬虫、API 调用）、文件读写、数据库操作等。这类任务大部分时间在等待 I/O 响应（而非占用 CPU），多线程可在等待期间切换到其他线程执行，提高资源利用率。例：网页爬虫通过多线程同时发起多个 HTTP 请求，减少等待服务器响应的时间。
需要频繁共享数据的任务若任务间需高频交换数据（如实时数据处理、GUI 界面交互），多线程的共享内存机制比进程间通信更高效。例：GUI 程序（如文本编辑器）中，一个线程负责监听用户输入，另一个线程负责实时保存文件，通过共享内存交互当前编辑内容。
轻量级并发需求当需要大量并发单元（如同时处理上百个连接），且每个单元开销较小时，多线程的低创建 / 切换成本更具优势。例：小型服务器用多线程处理多个客户端连接，避免多进程的高资源消耗。