介绍

链接     "https://blog.csdn.net/weixin_44966641/article/details/122314638?ops_request_misc=&request_id=&biz_id
=102&utm_term=python%20%E5%B9%B6%E5%8F%91%E7%BC%96%E7%A8%8B&utm_medium=distribute.pc_search_result.
none-task-blog-2~all~sobaiduweb~default-0-122314638.nonecase&spm=1018.2226.3001.4187"

程序提速的方法
    单线程串行：未利用任何并发技巧的编程方式，CPU需要等待IO，效率较低。（不加改造的naive的程序）
    多线程并发：在某个线程进行IO时，CPU可以调度另一个线程进行计算，提高了CPU利用率。实际上仍然是一个CPU核心进行分时调度。（threading）
    多CPU并行：需要多核CPU，可以并行地处理多个线程，充分利用现代CPU的多核性能。（multiprocessing）
    多机器并行：分布式计算，多机器并行。（hadoop/hive/spark）

Python 对并发编程的支持
    多线程：threading，使得某个线程的IO操作和另一个线程的CPU计算可以同时进行，避免CPU等待IO，提高CPU利用率。
    多进程：multiprocessing，利用现代CPU多核的特点，真正地并行执行任务。
    异步IO：asyncio，在单线程利用CPU和IO同时执行的原理，实现函数的异步执行。
    使用Lock对临界区资源进行加锁，避免数据竞争。
    使用Queue实现不同线程/进程之间的数据通信，实现生产者/消费者模式。
    使用线程池Pool/进程池Pool，简化线程/进程的任务提交、等待结束、获取结果。
    使用subprocess启动外部程序的进程，并进行输入输出的交互。
    怎样选择多线程多进程多协程

Python并发编程有以下三种方式：多线程 Thread，多进程 Process，多协程 Coroutine。


CPU密集型计算与IO密集型计算
    CPU密集型（CPU-bound）
        CPU密集型也叫做计算密集型，是指IO在很短的时间内就可以完成，CPU需要大量的计算和处理，CPU占用率相当高。
        例如：压缩解压缩、加密解密、正则表达式搜索等

    IO密集型（IO-bound）
        IO密集型指的是程序运行的大部分状况是CPU在等待IO（磁盘、内存、网络等）的读写完成，CPU的占用率比较低。
        例如：文件处理程序、网络爬虫程序、读写数据库程序等

多线程、多进程、多协程的对比
    包含关系：一个进程中可以启动多个线程，一个线程中可以启动多个协程。

    多进程

        优点：可以利用多核CPU进行并行计算，在 CPython 中，只有多进程可以
        缺点：占用资源最多，可以启动数目最少
        使用场景：CPU密集型计算

    多线程

        优点：相比于进程更轻量级，占用资源更少
        缺点：
        相较于进程：受限于全局解释器锁GIL，在CPython中，多线程只能使用一个CPU，即只能并发执行，无法充分利用多核处理器。但是Python中的多线程技术也能用于IO密集型计算，这是利用CPU和IO可以同时执行的特点。
        相较于协程：启动数目有限制，占用内存资源，有线程切换的开销
        适用场景：IO密集型计算、同时运行的任务数目不是特别多

    多协程

        优点：内存开销最小，可启动数目最多（可多达几万个）
        缺点：支持的库有限制（如requests库不支持，需用aiohttp）、代码实现复杂
        适用于：IO密集型计算、需要启动超多任务、有现成的库支持