在处理 CPU 密集型或 IO 密集型任务时，Python 的并发编程能力显得尤为关键。
本篇文章将深入浅出地介绍 Python 中的多线程、多进程与协程的区别、使用场景，并通过真实案例演示它们的优势与潜在陷阱。

---

一、线程 vs 进程：到底该选谁？

特性	多线程 threading	多进程 multiprocessing
执行单位	线程（共享内存）	独立进程（独立内存）
开销	小	大
适合场景	IO 密集任务	CPU 密集任务
全局锁 GIL	是	否

✅ 简单判断：网络请求/文件下载 用多线程，大规模计算/图像处理 用多进程

---

二、多线程实战：批量请求网页

python

复制编辑

import threading import requests import time urls = ["https://httpbin.org/delay/2"] * 5 def fetch(url): print(f"开始请求：{url}") response = requests.get(url) print(f"完成：{url}, 状态码: {response.status_code}") start = time.time() threads = [] for url in urls: t = threading.Thread(target=fetch, args=(url,)) t.start() threads.append(t) for t in threads: t.join() print("耗时：", time.time() - start)

⏱️ 效果对比（串行 vs 并发）：

• 串行执行时间 ≈ 10 秒

• 多线程执行时间 ≈ 2~3 秒

---

三、多进程实战：并行计算

python

复制编辑

from multiprocessing import Process import time def compute(): print(f"开始计算...") sum([i**2 for i in range(10_000_000)]) print(f"完成计算") if __name__ == "__main__": start = time.time() p1 = Process(target=compute) p2 = Process(target=compute) p1.start() p2.start() p1.join() p2.join() print("总耗时：", time.time() - start)

✅ 优势：

• 多核并行（CPU 任务更快）

• 避免 GIL 限制

---

四：线程池与进程池（并发优化利器）

使用线程池

python

复制编辑

from concurrent.futures import ThreadPoolExecutor with ThreadPoolExecutor(max_workers=5) as executor: executor.map(fetch, urls)

使用进程池

python

复制编辑

from concurrent.futures import ProcessPoolExecutor with ProcessPoolExecutor() as executor: executor.map(compute, range(2))

---

五、常见陷阱与注意事项

问题类型	说明
GIL 限制	Python 默认 GIL 阻止了真正的多线程
进程间通信复杂	多进程需使用 Queue/Pipe 等通信机制
资源冲突	多线程下注意共享资源加锁
debug 困难	多线程/进程下出错信息不好追踪

---

六、进阶推荐：协程 async（IO 优化神器）

如果你追求极致 IO 性能，可以考虑 asyncio 协程：

python

复制编辑

import asyncio import aiohttp async def fetch(url): async with aiohttp.ClientSession() as session: async with session.get(url) as resp: print(await resp.text()) async def main(): urls = ["https://httpbin.org/get"] * 5 tasks = [fetch(url) for url in urls] await asyncio.gather(*tasks) asyncio.run(main())

✅ 协程适用于：大量并发、轻量级、事件驱动 场景，例如爬虫、消息系统

---

七、总结与建议

场景	推荐方式
多个网页请求	多线程 / 协程
文件 IO / 下载	多线程
数值计算	多进程
超大并发	协程（asyncio）
简化写法	使用 Executor

 

https://bigu.wang

https://www.bigu.wang

https://binm.wang

https://www.binm.wang

https://bint.wang

https://www.bint.wang

https://biop.wang

https://www.biop.wang

https://bits.wang

https://www.bits.wang

https://bjqb.wang

https://www.bjqb.wang

https://bjsm.wang

https://www.bjsm.wang

https://bleo.wang

https://www.bleo.wang

https://ono.wang

https://www.ono.wang

https://onz.wang

https://www.onz.wang

https://opo.wang

https://www.opo.wang

https://osm.wang

https://www.osm.wang

https://osn.wang

https://www.osn.wang

https://ovi.wang

https://www.ovi.wang

https://oxq.wang

https://www.oxq.wang

https://oti.wang

https://www.oti.wang

https://owu.wang

https://www.owu.wang

https://piq.wang

https://www.piq.wang

https://qmi.wang

https://www.qmi.wang

https://qki.wang

https://www.qki.wang

https://ref.wang

https://www.ref.wang

https://sak.wang

https://www.sak.wang

https://sar.wang

https://www.sar.wang

https://sfa.wang

https://www.sfa.wang

https://sfe.wang

https://www.sfe.wang

https://sgo.wang

https://www.sgo.wang

https://sku.wang

https://www.sku.wang

https://ycxjz.cn

https://www.ycxjz.cn

https://bnbmhomes.cn

https://www.bnbmhomes.cn

https://jinjianzuche.com

https://www.jinjianzuche.com

https://ahswt.cn

https://www.ahswt.cn

https://szwandaj.cn

https://www.szwandaj.cn

https://psbest.cn

https://www.psbest.cn

https://shanghai-arnold.cn

https://www.shanghai-arnold.cn

https://zgsscw.com

https://www.zgsscw.com

https://shxqth.cn

https://www.shxqth.cn

https://wdxj.cn

https://www.wdxj.cn

https://jad168.com

https://www.jad168.com

https://ultratrailms.cn

https://www.ultratrailms.cn

https://tztsjd.cn

https://www.tztsjd.cn

https://csqcbx.cn

https://www.csqcbx.cn

https://qazit.cn

https://www.qazit.cn

https://ahzjyl.cn

https://www.ahzjyl.cn