在python並行處理任務時要使用多線程還是多進程？ 說到這個話題，必須要提的GIL( Global Interpreter Lock)全局解釋鎖，當Cpython每次執行字節碼時都要先申請這個鎖。那麼問題就來了，如果使用多線程是比也會受到影響。
多線程和多進程程序比較，哪個性能更高？還是拿一個實例運行來看看吧～
＃寫一個簡單的例子，計算100W個隨機數的和8次，同時將分散到8個線程進行運算。
＃thread.py
#!/usr/bin/env python
import random
import threading
results = []
def compute():
results.append(
sum([random.randint(1,100) for i in range(1000000)]))
def main():
workers = [threading.Thread(target(compute) for x in range(8))]
for worker in workers:
worker.start()
for woker in workers:
worker.join()
print("Result: %s" % results)
if __name__ == "__main__":
main()
#相同的功能，使用多進程來實現
#worker.py
#!/usr/bin/env python
import multiprocessing
import random
def compute(n):
return sum(
[random.randint(1,100) for i in range(1000000)])
def main():
pool = multiprocessing.Pool(8)
print("Results: %s" % pool.map(compute, range(8)))
if __name__ == "__main__":
main()兩個代碼片段已經寫完了，接下來我找了三種配置的機器來運行這兩段代碼：
| 配置1 | 1Core | 2GB內存 |
配置2 | 4Core | 8GB內存 |
| 配置3 | 48Core | 64GB內存 |
實驗1:
兩端代碼同時在1Core 2GB機器上運行，查看運行結果：
從運行結果來看，多線程的程序比多進程的程序效率要高，使用cpu都是99%(由於機器只有一個Core，多進程沒有體現它的價值)。
實驗2:
兩段代碼同時在4Core 8GB內存機器上運行，查看運行結果：
從運行結果來看，多進程程序效率比多線程程序效率要高1倍還要多。cpu使用上多線程卡在了141%，多進程跑到了379%，這裏體現出多進程的優勢。
實驗3:
兩段代碼同時在48core 64GB內存機器上跑，查看運行結果：
從運行結果來看，多進程程序cpu可以跑到715%(程序設置了開啓8個worker進程，所以不會超過800%)，而多線程卡在了124%。
通過以上測試結果，已經可以得出。python下多進程程序要比多線程程序要高效。並且會隨着Core數不斷的增加，性能也會得到提升。
所以考慮在一定的時間內並行處理一些工作時，最好依靠多進程創建多個作業，以便在多個cpu之間分散負載。