使用Python多进程的理由

Python 是运行在解释器中的语言，查找资料知道， python 中有一个全局锁( GI)，在使用多进程( Threa)的情况下，不能发挥多核的优势。而使用多进程( Multiprocess)，则可以发挥多核的优势真正地提高效率。

对比实验

资料显示，如果多线程的进程是 CPU 密集型的，那多线程并不能有多少效率上的提升，相反还可能会因为线程的频繁切换，导致效率下降，推荐使用多进程;如果是 IO 密集型，多线程进程可以利用 IO 阻塞等待时的空闲时间执行其他线程，提升效率。所以我们根据实验对比不同场景的效率

(1)引入所需要的模块

(2)定义 CPU 密集的计算函数

(3)定义 IO 密集的文件读写函数

(4) 定义网络请求函数

(5)测试线性执行 IO 密集操作、 CPU 密集操作所需时间、网络请求密集型操作所需时间

输出

CPU 密集：95.6059999466、91.57099986076355 92.52800011634827、 99.96799993515015

IO 密集：24.25、21.76699995994568、21.769999980926514、22.060999870300293

网络请求密集型：4.519999980926514、8.563999891281128、4.371000051498413、4.522000074386597、14.671000003814697

(6)测试多线程并发执行 CPU 密集操作所需时间

(7)测试多线程并发执行 IO 密集操作所需时间

(8)测试多线程并发执行网络密集操作所需时间

Output : 0.7419998645782471、0.3839998245239258、0.3900001049041748

(9)测试多进程并发执行 CPU 密集操作所需时间

Output : 54.342000007629395、53.437999963760376

(10)测试多进程并发执行 IO 密集型操作

Output : 12.509000062942505、13.059000015258789

(11)测试多进程并发执行 Http 请求密集型操作

Output : 0.5329999923706055、0.4760000705718994

实验结果

CPU 密集型操作 IO 密集型操作网络请求密集型操作

通过上面的结果，我们可以看到：

多线程在 IO 密集型的操作下似乎也没有很大的优势(也许 IO 操作的任务再繁重一些就能体现出优势)，在 CPU 密集型的操作下明显地比单线程线性执行性能更差，但是对于网络请求这种忙等阻塞线程的操作，多线程的优势便非常显著了

多进程无论是在 CPU 密集型还是 IO 密集型以及网络请求密集型(经常发生线程阻塞的操作)中，都能体现出性能的优势。不过在类似网络请求密集型的操作上，与多线程相差无几，但却更占用 CPU 等资源，所以对于这种情况下，我们可以选择多线程来执行。