python学习笔记（二十五）进程与线程、多任务原理

目录

一、进程vs线程

1、进程：

2、线程:

二、进程与线程的区别

三、多任务原理

---

---

一、进程vs线程

1、进程：

  
 进程是系统中程序执行和资源分配的基本单位，每个进程都有自己的数据段、代码段和堆栈段主进程就是master，其他进程就是worker
优点：稳定性高  一个子进程崩溃了，不会影响主进程和其他子进程，但主进程崩溃会、
      导致所有子进程崩溃，但是master进程只负责分配任务，崩溃的概率较低

缺点：1、创建进程的代价大，在unix/linux系统下，用fork调用还行，在windows下创建进程开销巨大
      2、操作系统能同时运行的进程数有限。在内存和cpu的限制下，如果有几千个进程同时在运行，操作系统的调度都会成问题

2、线程:

在一个进程内部要同时干多件事，就需要同时运行多个‘子任务’，我们把这些子任务称为线程

线程通常叫做轻型的线程。线程是共享内存空间的并发执行的多任务，每一个线程都共享一个进程的资源
线程是最小的执行单元，而进程至少要有一个线程。
如何调度进程和线程，完全由操作系统决定，程序不能决定什么时候执行，执行多长时间
主线程就是master，其他线程就是worker
优点：1、多线程模式通常比多进程快一点，但是也快不到哪去；
      2、在windows下，多线程的效率比多进程要高

缺点：任何一个线程挂掉都可能直接造成整个进程崩溃。所有线程共享的内存。在windows上
      线程执行的代码出了问题，你经常可以看到提示:程序执行了非法操作，即将关闭。其实往往是某个线程出了问题，但是操作系统会强制结束整个进程

计算密集型

要进行大量的计算，消耗CPU资源，比如计算圆周率、对视频进行高清解码等等，全靠CPU的运算能力。这种计算密集型任务虽然也可以用多任务完成，但是任务越多，花在任务切换的时间就越多，CPU执行任务的效率就越低，所以，要最高效地利用CPU,计算密集型任务同时进行的数量应当等于CPU的核心数

IO密集型 

涉及到网络、磁盘IO的任务都是IO密集型任务，这类任务的特点是CPU消耗很少，任务的大部分 时间都在等待IO操作完成(因为IO的速度远远低于CPU和内存的速度)。对于IO密集型任务，任务越多，CPU效率越高，但也有一个限度。常见的大部分任务都是I0密集型任务，比如Web应用

二、进程与线程的区别

 
进程与线程的区别？
1. 地址空间： 同一进程的所有线程共享本进程的地址空间，而不同的进程之间的地址空间是独立的。

2. 资源拥有： 同一进程的所有线程共享本进程的资源，如内存，CPU，IO等。进程之间的资源是独立的，无法共享。

3. 执行过程：每一个进程可以说就是一个可执行的应用程序，每一个独立的进程都有一个程序执行的入口，顺序执行序列。但是线程不能够独立执行，必须依存在应用程序中，由程序的多线程控制机制进行控制。

4. 健壮性： 因为同一进程的所以线程共享此线程的资源，因此当一个线程发生崩溃时，此进程也会发生崩溃。 但是各个进程之间的资源是独立的，因此当一个进程崩溃时，不会影响其他进程。因此进程比线程健壮。



线程执行开销小，但不利于资源的管理与保护。

进程的执行开销大，但可以进行资源的管理与保护。进程可以跨机器前移。

 

三、多任务原理

现代操作系统（Windows、Linux、Mac OS X、Unix等）都支持多任务
多任务：操作系统同时可以运行多个任务

早期电脑主要是单核CPU
单核CPU实现多任务原理：操作系统轮流让各个任务交替执行，QQ执行2us（微秒），切换到微信，再执行2us，再切换到陌陌，再。。。表面上看，每个任务都反复执行下去，但是CPU调度执行速度太快了。导致我们感觉就像所有任务都在同时执行一样。

多核CPU实现多任务原理：真正的并行执行多任务只能在多核CPU上实现，但是由于任务的数量远远多于CPU数量，所以操作系统也会自动把很多任务轮流调度到每个核心上执行
并发：看上去一起执行，任务数大于CPU核心数
并行：真正一起执行，任务数小于CPU核心数

实现多任务的方式：

多进程模式
多线程模式
协程模式
多进程+多线程模式
multiprocessing:跨平台版本的多进程模块，提供了一个Process类来代表一个进程对象