Python基础语法文章导航：
- Python基础（01初识数据类型&变量）
- Python基础（02条件&循环语句）
- Python基础（03字符串格式化&运算符&进制&编码）
- Python基础（04 基础练习题）
- Python数据类型（day05整型&布尔类型&字符串类型）
- Python数据类型（06列表&元组）
- Python数据类型（07集合&字典&浮点型&None）
- Python文件操作01（自动化测试文件相关操作）
-
Python函数入门（08函数定义&参数&返回值）
-
Python文件操作02（自动化测试文件相关操作）
-
Python函数（10生成器&内置函数&推导式）
-
Python函数（11自定义模块&第三方模块&内置模块）
-
Python函数（12时间处理&正则表达式）
-
Python函数（13面向对象）
-
Python面向对象（15成员&成员修饰符）
目录
一.了解进程和线程
二.多线程
三.多进程
四.GIL锁
一.了解进程和线程
先来了解下进程和线程。
类比：
-
一个工厂，至少有一个车间，一个车间中至少有一个工人，最终是工人在工作。
-
一个程序，至少有一个进程，一个进程中至少有一个线程，最终是线程在工作。
线程，是计算机中可以被cpu调度的最小单元(真正在工作）。
进程，是计算机资源分配的最小单元（进程为线程提供资源）。一个进程中可以有多个线程,同一个进程中的线程可以共享此进程中的资源。
二.多线程
基于多线程对上述串行示例进行优化：
-
一个工厂，创建一个车间，这个车间中创建 3个工人，并行处理任务。
-
一个程序，创建一个进程，这个进程中创建 3个线程，并行处理任务。
import time
import requestsurl_list = [("东北F4模仿秀.mp4", "https://aweme.snssdk.com/aweme/v1/playwm/?video_id=v0300f570000bvbmace0gvch7lo53oog"),("卡特扣篮.mp4", "https://aweme.snssdk.com/aweme/v1/playwm/?video_id=v0200f3e0000bv52fpn5t6p007e34q1g"),("罗斯mvp.mp4", "https://aweme.snssdk.com/aweme/v1/playwm/?video_id=v0200f240000buuer5aa4tij4gv6ajqg")
]for file_name, url in url_list:res = requests.get(url)with open(file_name, mode='wb') as f:f.write(res.content)import time
import requests
import threading
"""
def func(a1,a2,a3):passt = threaing.Thread(target=func,args=(11,22,33))
t.start()
"""url_list = [("东北F4模仿秀.mp4", "https://aweme.snssdk.com/aweme/v1/playwm/?video_id=v0300f570000bvbmace0gvch7lo53oog"),("卡特扣篮.mp4", "https://aweme.snssdk.com/aweme/v1/playwm/?video_id=v0200f3e0000bv52fpn5t6p007e34q1g"),("罗斯mvp.mp4", "https://aweme.snssdk.com/aweme/v1/playwm/?video_id=v0200f240000buuer5aa4tij4gv6ajqg")
]def task(file_name, video_url):res = requests.get(video_url)with open(file_name, mode='wb') as f:f.write(res.content)print(time.time())for name, url in url_list:# 创建线程，让每个线程都去执行task函数（参数不同）t = threading.Thread(target=task, args=(name, url))t.start()三.多进程
基于多进程对上述串行示例进行优化：
-
一个工厂，创建 三个车间，每个车间 一个工人（共3人），并行处理任务。
-
一个程序，创建 三个进程，每个进程 一个线程（共3人），并行处理任务。
import time
import requests
import multiprocessing# 进程创建之后，在进程中还会创建一个线程。
# t = multiprocessing.Process(target=函数名, args=(name, url))
# t.start()url_list = [("东北F4模仿秀.mp4", "https://aweme.snssdk.com/aweme/v1/playwm/?video_id=v0300f570000bvbmace0gvch7lo53oog"),("卡特扣篮.mp4", "https://aweme.snssdk.com/aweme/v1/playwm/?video_id=v0200f3e0000bv52fpn5t6p007e34q1g"),("罗斯mvp.mp4", "https://aweme.snssdk.com/aweme/v1/playwm/?video_id=v0200f240000buuer5aa4tij4gv6ajqg")
]def task(file_name, video_url):res = requests.get(video_url)with open(file_name, mode='wb') as f:f.write(res.content)print(time.time())if __name__ == '__main__':print(time.time())for name, url in url_list:t = multiprocessing.Process(target=task, args=(name, url))t.start()四.GIL锁
GIL， 全局解释器锁（Global Interpreter Lock），是CPython解释器特有一个玩意，让一个进程中同一个时刻只能有一个线程可以被CPU调用。
如果程序想利用 计算机的多核优势，让CPU同时处理一些任务，适合用多进程开发（即使资源开销大）。
如果程序不利用 计算机的多核优势，适合用多线程开发。
常见的程序开发中，计算操作需要使用CPU多核优势，IO操作不需要利用CPU的多核优势，所以，就有这一句话：
-
计算密集型，用多进程，例如：大量的数据计算【累加计算示例】。
-
IO密集型，用多线程，例如：文件读写、网络数据传输【下载抖音视频示例】。
累加计算示例（计算密集型）：
-
串行处理
import timestart = time.time()result = 0
for i in range(100000000):result += i
print(result)end = time.time()print("耗时：", end - start) # 耗时： 9.522780179977417多进程处理
import time
import multiprocessingdef task(start, end, queue):result = 0for i in range(start, end):result += iqueue.put(result)if __name__ == '__main__':queue = multiprocessing.Queue()start_time = time.time()p1 = multiprocessing.Process(target=task, args=(0, 50000000, queue))p1.start()p2 = multiprocessing.Process(target=task, args=(50000000, 100000000, queue))p2.start()v1 = queue.get(block=True) #阻塞v2 = queue.get(block=True) #阻塞print(v1 + v2)end_time = time.time()print("耗时:", end_time - start_time) # 耗时: 2.6232550144195557当然，在程序开发中 多线程 和 多进程 是可以结合使用，例如：创建2个进程（建议与CPU个数相同），每个进程中创建3个线程。
import multiprocessing
import threadingdef thread_task():passdef task(start, end):t1 = threading.Thread(target=thread_task)t1.start()t2 = threading.Thread(target=thread_task)t2.start()t3 = threading.Thread(target=thread_task)t3.start()if __name__ == '__main__':p1 = multiprocessing.Process(target=task, args=(0, 50000000))p1.start()p2 = multiprocessing.Process(target=task, args=(50000000, 100000000))p2.start()