什么是“进程、线程、协程”？( 三 ) _进程

协程适用于IO阻塞且需要大量并发的场景，当发生IO阻塞，由协程的调度器进行调度，通过将数据流yield掉，并且记录当前栈上的数据，阻塞完后立刻再通过线程恢复栈，并把阻塞的结果放到这个线程上去运行。

文章插图

下面，将针对在不同的应用场景中如何选择使用Python中的进程，线程，协程进行分析。

文章插图

如何选择？在针对不同的场景对比三者的区别之前，首先需要介绍一下python的多线程(一直被程序员所诟病，认为是"假的"多线程) 。

那为什么认为Python中的多线程是“伪”多线程呢？

更换上面multiprocessing示例中，p=multiprocessing.Process(target=count,args=(i,))为 p=threading.Thread(target=count,args=(i,)),其他照旧，运行结果如下：

为了减少代码冗余和文章篇幅，命名和打印不规则问题请忽略

Process 0:n=5756690257,id(n)=140103573185600Process 2:n=10819616173,id(n)=140103573185600Process 1:n=11829507727,id(n)=140103573185600Process 4:n=17812587459,id(n)=140103573072912Process 3:n=14424763612,id(n)=140103573185600Main:n=17812587459,id(n)=140103573072912Total time:0.1056210994720459

n是全局变量，Main的打印结果与线程相等，证明了线程之间是数据共享

但是，为什么多线程运行时间比多进程还要长？这与我们上面所说（线程的开销<<进程的开销）的严重不相符啊。这就是轮到Cpython（python默认的解释器）中GIL(Global Interpreter Lock,全局解释锁)登场了。

1、什么是GILGIL来源于Python设计之初的考虑，为了数据安全(由于内存管理机制中采用引用计数)所做的决定。某个线程想要执行，必须先拿到 GIL 。因此，可以把 GIL 看作是“通行证”,并且在一个 Python进程中，GIL 只有一个,拿不到通行证的线程,就不允许进入 CPU 执行。
Cpython解释器在内存管理中采用引用计数，当对象的引用次数为0时，会将对象当作垃圾进行回收。设想这样一种场景：

一个进程中含有两个线程，分别为线程0和线程1，两个线程全都引用对象a 。当两个线程同时对a发生引用（并未修改，不需要使用同步性原语），就会发生同时修改对象a的引用计数器，造成计数器引用少于实质性的引用，当进行垃圾回收时，造成错误异常。因此，需要一把全局锁（即为GIL）来保证对象引用计数的正确性和安全性。

无论是单核还是多核,一个进程永远只能同时执行一个线程(拿到 GIL 的线程才能执行，如下图所示)，这就是为什么在多核CPU上，Python 的多线程效率并不高的根本原因。