一键阐述“多线程、多进程、多任务”的场景需求

“三多”指的是什么，具体什么意思？

• 多任务（操作系统层面）：公司同时做多个项目
• 多进程（程序层面）：公司有多个独立部门
• 多线程（模块/任务层面）：部门里多个员工协同工作

这样来看，不仅明白了意思，还知悉了所在维度

如何选择多进程和多线程：

• CPU 密集型任务：
  • 如果任务主要涉及大量的计算，如图像处理、科学计算、加密解密等，那么应该选择多进程。
  • 多进程可以充分利用多核 CPU 的并行计算能力，提高程序的整体性能。
  • 因为python存在GIL锁，所以多线程在cpu密集型任务中，不能充分利用多核cpu的优势。
• I/O 密集型任务：
  • 如果任务主要涉及大量的输入/输出操作，如网络请求、文件读写、数据库访问等，那么可以选择多线程。
  • 多线程在等待 I/O 操作完成时，可以切换到其他线程执行，提高程序的并发性。
  • 多线程在IO等待的时候，会释放GIL锁，让其他线程运行。
• 需要隔离性的任务：
  • 如果任务之间需要高度的隔离性，避免相互干扰，那么应该选择多进程。
  • 每个进程都有独立的内存空间，一个进程的崩溃不会影响其他进程。
• 需要频繁创建和销毁的任务：
  • 如果任务的创建和销毁频率很高，那么应该选择多线程。
  • 线程的创建和销毁开销较小，适合执行频繁的子任务。
• 需要共享数据的任务：
  • 如果任务之间需要频繁地共享数据，那么可以选择多线程。
  • 线程共享进程的内存空间，数据共享更加方便

已知”进程是操作系统中资源分配的基本单位“，对于多进程和多线程来说为什么不直接选用多进程？

• 资源开销：
  • 进程的创建、销毁和切换开销较大，占用更多的系统资源（内存、CPU）。
  • 如果创建过多的进程，可能会导致系统资源耗尽。
• 通信成本：
  • 进程之间的通信需要使用特定的机制（如管道、消息队列），相对复杂且开销较大。
  • 线程之间共享内存，通信更加方便快捷。
• 复杂性：
  • 多进程编程需要考虑进程间的同步和通信问题，增加了程序的复杂性。
  • 多线程编程虽然也需要考虑线程安全问题，但在某些情况下相对简单
    （线程安全问题主要是代码层面的问题，需要程序员在编写代码时进行处理）

 

模拟场景：文件处理系统

1. 多任务（操作系统层面）

[OS] 操作系统
[Task1] 文件监控程序
[Task2] 文件解析程序
[Task3] 数据处理程序
[Task4] 结果输出程序
[OS] 快速切换 [Task1]、[Task2]、[Task3]、[Task4]

2. 多进程（程序层面）

[Process1] 文件监控程序
监控文件目录
发送文件信息到 [Process2]
[Process2] 文件解析程序
[SubProcess2.1] 文本解析进程
[SubProcess2.2] 图像解析进程
接收文件信息
启动相应的解析进程
[Process3] 数据处理程序
接收解析后的数据
进行数据计算
[Process4] 结果输出程序
接收处理结果
输出结果到数据库/报告

3. 多线程（模块/任务层面）

在 [SubProcess2.1] 文本解析进程内：
[Thread1] 读取文件线程
[Thread2] 解析文本内容线程
[Thread1] -> [Thread2] (数据传递)
在 [Process3] 数据处理程序内：
[Thread3] 子任务1线程
[Thread4] 子任务2线程
[Thread3] & [Thread4] (并发执行)




流程描述：

文件监控：
[Process1] 监控文件目录，发现新文件。
[Process1] 将文件信息发送给 [Process2]。
文件解析：
[Process2] 接收文件信息，判断文件类型。
如果文件是文本：
启动 [SubProcess2.1]。
[Thread1] 读取文件，[Thread2] 解析文本。
如果文件是图像：
启动 [SubProcess2.2]。
（图像解析线程类似）
数据处理：
[Process3] 接收解析后的数据。
[Thread3] 和 [Thread4] 并发执行数据计算。
结果输出：
[Process4] 接收处理结果。
输出结果


关键点：

[OS]：操作系统，负责多任务调度。
[Process]：进程，独立的程序模块。
[SubProcess]：子进程，进程内的独立模块。
[Thread]：线程，进程内的执行单元。
->：数据流动。
&：并发执行。