大家在學習一門計算機語言，不可避免的要考慮到運行效率問題，例如爬取多個網頁時，是否可以利用計算機多核，實現程序併發運行，再比如內存數據交換、文件的讀寫、或者網絡通信，總會出現阻塞IO，是否可以通過增加進程，將阻塞狀態變成非阻塞狀態。
此時，多任務編程重要性就顯現出來了，多任務編程就是充分利用計算機資源，同時運行多個任務，提高程序整體的運行效率，實現手段就是大家熟知的多進程和多線程操作，也就是所謂的並行和併發，並行就是多個計算機核心在同時處理多個任務，這時多個任務之間是並行關係，所佔資源會比較多；而併發是指同時運行多個任務，一個內核在多個任務間不斷切換，達到多個任務都會被執行的處理效果，此時多個任務間是併發關係。
解釋了並行和併發，就不難理解進程和線程了，進程是計算機中的程序關於某數據集合上的一次運行活動，是系統進行資源分配和調度的基本單位，是操作系統結構的基礎，而一個進程包含多個線程，線程也是一種多任務編程方式，可以使用計算機的多核資源，是計算機內核使用的最小單位，那python中的多進程和多線程誰的效率更高呢？小編用IO密集和CPU密集兩種狀態對單進程、多進程、多線程進行比較測試，下面直接撂代碼。
首先是測試對象：IO密集和CPU密集實例，這裡以200萬次的“hello world”讀寫操作作為IO密集測試樣例，以700萬次累加操作作為CPU密集測試樣例：
IO密集和CPU密集測試樣例
下面先進行單進程操作：
單進程操作（IO密集和CPU密集）
然後是多進程操作：
多進程操作（IO密集）
多進程操作（CPU密集）
最後是多線程操作：
多線程操作（IO密集）
多線程操作（CPU密集）
運行結果彙總如下：
單進程、多進程、多線程運行結果
根據結果可以看出，分別測試單進程、多進程、多線程執行相同的IO操作和cpu操作的時間，cpu消耗中：單進程為7.44s，多進程為4.04s，多線程為7.90s；在io消耗中，單進程為6.19s，多進程為2.94s，多線程為5.74s。無論是CPU（計算）密集型程序或是IO密集型程序，多進程併發優於多線程併發，並且在CPU（計算）密集型程序中，多線程比單進程效率還慢，在IO密集型程序中，多線程優勢也不是很明顯，究其原因，都繞不開Python的全局解釋器鎖的問題，即GIL問題。
但python的多線程並不是一無是處，對於高延遲和多阻塞的IO事件，可以像非阻塞IO一樣，通過屬性和超時檢測發送錯誤，再通過捕捉錯誤跳過該阻塞IO，先併發其他IO事件，可以節省效率，在這方面python多線程的創建刪除消耗的資源遠小於多進程，大概是進程的1/20，因此到底選用多進程還是多線程時，小編為大家總結了以下經驗：如果一個進程中併發任務比較多，比較簡單，適合使用多線程；如果數據程序比較複雜，特別是可能多個任務通信比較多的時候，要考慮到使用線程同步互斥的複雜性；如果多個任務存在明顯差異，和功能分離的時候，可以考慮使用多進程。
受制於水平的有限，這裡只從IO密集和CPU密集兩個方面對單進程、多進程和多線程進行了對比。需要交流和切磋的讀者朋友，請在評論區積極留言，歡迎關注頭條號：杜哥說python。