python多线程，多进程编程。

进程，是目前计算机中为应用程序分配资源的最小单位；

线程，是目前计算机中运行应用程序的最小单位；

在实际系统中，其实进程都是被分为线程来实现的，所以参与时间片轮转的是线程；

　　但是管理应用程序的资源的单位和任务调度的单位都是进程。更像是一个逻辑概念。

线程是进程分出来的更精细的单位，线程间的上下文切换比进程间的上下文切换，要快很多。

　　

多进程与多核，这个概念很奇怪，因为进程是不会直接在核心上运行的。

多线程与多核，涉及一个内核线程与用户线程的对应关系。

内核线程(Kernel Thread)，一般与核心是一一对应的，一个处理核心对应一个内核进程。

目前的计算机，配置一般都是超线程的，即通过硬件冗余，将一个物理核心模拟成两个逻辑处理核心，

　　对应两个内核线程。所以在操作系统中看到的CPU是实际物理核心的两倍。

　　如双核四线程，四核八线程

------------------------------------------------------------------------

　　intel的cpu为了实现分支预测等技术，一般每个内核的运算单元是双份的，-------超线程

　　服务器方面的物理核心的运算单位，可能会更多，支持更大的超线程

------------------------------------------------------------------------

用户线程与内核线程的对应关系：

　　1) 一一对应，由于内核线程很少，所以限制了很多用户线程的执行数量；

　　2) 多对一，用户线程很慢，影响调度；

　　3) 多对多，目前应用的模式，

　　

python中的多进程库，multiprocessing，提供的方法和属性：

属性：authkey，daemon(父进程终止后，自动结束子进程，必须在start之前设置)，exitcode，name，pid

方法：　Process(target，name，args，kwargs)，创建进程对象

　　　　is_live()，进程状态

　　　　join('timeout')，表示等待后台的进程运行结束，如果指定timeout，一定时间后，杀掉进程

　　　　run()，

　　　　start()，

　　　　terminate()，

　　　　join()，等所有的后台子进程执行好；

　　　　cpu_count()，返回当前拥有的cpu的个数，超线程之后的。

进程创建时，target可以指定为一个函数，也可以直接例化一个进程class。

创建函数process：

　　　　

创建class进程，start()之后，会自动调用run()函数：

　　　　

加入daemon属性：并不会等到该worker的process结束，程序就执行结束了。

　　　　

多进程遍历：active_children()

　　　　

还可以加入lock，semaphore，实现对共享资源的控制，event，进程间通信。

　　还有进程队列(Queue)，和进程管道(Pipe)

Pool，进程池，不需要自己在管理进程的数量，进程池自动管理。

　　　　如果池中的进程数量达到阈值，阻塞其他进程。

参考博客

https://www.cnblogs.com/kaituorensheng/p/4445418.html

python中的多线程，好像不是特别的好用，python内部有一个global interpreter lock(GIL)，它阻碍了

　　python的多线程程序的同时运行。python中也有多线程的模块，threading模块。

有人做过实验，在CPU密集型的任务中，多线程并不能有多少效率上的提升，反而因为上下文的切换，降低效率。

　　　　　　　　　　　　　　　　　而多进程，可以在多个core中并行的跑，效率会提高。

　　　　　　　在IO密集型的任务中，多线程和多进程，都会带来性能的提高。

　　　　　　　在网络请求密集型的任务中，多线程与多进程，相差无几。

多进程可以发挥多核芯片的性能，在一个进程中，可以在实现多线程的操作，来频繁调度，防止IO的阻塞。