Ⅰ python进阶：聊聊IO密集型任务、计算密集型任务，以及多线程、多进程
Python中常见的并发方式有：多线程和多进程。多线程适用于IO密集型任务，而多进程适用于计算密集型任务。
在Python中，多线程是通过在单个进程中启动多个线程实现的。然而，由于全局解释锁（GIL）的存在，Python的多线程实际上是“交替执行”，而非真正并行。因此，对于计算密集型任务，多线程并不理想。
相比之下，多进程能够充分利用CPU资源，特别是对于计算密集型任务。Python提供了多进程接口，如multiprocessing模块，支持创建进程、传递数据等。进程之间的交互通过管道或队列完成。
为直观展示多线程与多进程的适用场景，以IO密集型任务为例。首先，定义队列和初始化队列的函数。接着，分别实现IO密集型任务与计算密集型任务，从队列获取任务数据。通过对比不同并发方式的执行用时，可以发现，多线程适用于IO密集型任务，而多进程在计算密集型任务上表现更优。
实际操作中，通过实例代码进行验证，对比多线程、多进程执行相同任务的时间，发现多进程在计算密集型任务上显着提高了效率。
代码实例和详细实验结果已上传至GitHub，欢迎访问：xianhu/LearnPython。如果您对Python的多线程、多进程有任何疑问或建议，欢迎在GitHub页面参与讨论。让我们一起交流学习，共同进步。
Ⅱ python多线程的问题如何处理
在python里线程出问题，可能会导致主进程崩溃。 虽然python里的线程是操作系统的真实线程。
那么怎么解决呢？通过我们用进程方式。子进程崩溃后，会完全的释放所有的内存和错误状态。所以进程更安全。 另外通过进程，python可以很好的绕过GIL，这个全局锁问题。
但是进程也是有局限的。不要建立超过CPU总核数的进程，否则效率也不高。
简单的总结一下。
当我们想实现多任务处理时，首先要想到使用multiprocessing， 但是如果觉着进程太笨重，那么就要考虑使用线程。 如果多任务处理中需要处理的太多了，可以考虑多进程，每个进程再采用多线程。如果还处理不要，就要使用轮询模式，比如使用poll event, twisted等方式。如果是GUI方式，则要通过事件机制，或者是消息机制处理，GUI使用单线程。
所以在python里线程不要盲目用， 也不要滥用。 但是线程不安全是事实。如果仅仅是做几个后台任务，则可以考虑使用守护线程做。如果需要做一些危险操作，可能会崩溃的，就用子进程去做。 如果需要高度稳定性，同时并发数又不高的服务。则强烈建议用多进程的multiprocessing模块实现。
在linux或者是unix里，进程的使用代价没有windows高。还是可以接受的。
Ⅲ python多线程作用
总结起来，使用多线程编程具有如下几个优点：
进程之间不能共享内存，但线程之间共享内存非常容易。
操作系统在创建进程时，需要为该进程重新分配系统资源，但创建线程的代价则小得多。因此，使用多线程来实现多任务并发执行比使用多进程的效率高。
Python 语言内置了多线程功能支持，而不是单纯地作为底层操作系统的调度方式，从而简化了 Python 的多线程编程。
在实际应用中，多线程是非常有用的。比如一个浏览器必须能同时下载多张图片；一个 Web 服务器必须能同时响应多个用户请求；图形用户界面（GUI）应用也需要启动单独的线程，从主机环境中收集用户界面事件……总之，多线程在实际编程中的应用是非常广泛的。