面试题：Python中线程与进程的区别及在项目中的适用场景

线程与进程的主要区别

资源分配：
- 进程：是资源分配的基本单位，每个进程都有独立的地址空间、内存、数据栈等资源。不同进程间的资源相互隔离，进程间通信（IPC）相对复杂，如使用管道、消息队列、共享内存等方式。
- 线程：是CPU调度的基本单位，线程共享所属进程的资源，如地址空间、文件描述符等。线程间通信较为简单，可直接共享内存，但可能会引发数据竞争等问题，需要使用锁机制来保证数据一致性。
创建与销毁开销：
- 进程：创建和销毁的开销较大，因为需要分配和释放大量系统资源。
- 线程：创建和销毁的开销较小，因为无需分配新的地址空间等资源。
并发性：
- 进程：多个进程可以并发执行，利用多核CPU的优势实现真正的并行计算。但进程间切换开销较大。
- 线程：多个线程在一个进程内并发执行，在单核CPU上，线程通过时间片轮转实现并发；在多核CPU上，也可利用多核优势，但由于GIL（全局解释器锁）的存在，Python中的多线程在同一时刻只能有一个线程执行Python字节码，对于CPU密集型任务，无法充分利用多核优势。

适用场景

适合使用线程的场景：
- I/O密集型任务：例如网络爬虫项目，大量时间花费在等待网络响应上。在爬虫程序中，一个线程发起网络请求后，会进入等待状态，此时其他线程可以继续工作，提高程序整体效率。示例代码如下：

import threading
import requests


def download(url):
    response = requests.get(url)
    print(f"Downloaded {url}, length: {len(response.content)}")


urls = [
    'http://example.com',
    'http://example.org',
    'http://example.net'
]

threads = []
for url in urls:
    t = threading.Thread(target=download, args=(url,))
    threads.append(t)
    t.start()

for t in threads:
    t.join()

适合使用进程的场景：
- CPU密集型任务：比如科学计算、图像处理等。以图像的复杂滤镜处理为例，需要大量的CPU计算资源，使用多进程可以充分利用多核CPU的优势，加速处理过程。示例代码如下：

import multiprocessing


def heavy_compute(num):
    result = 0
    for i in range(100000000):
        result += i * num
    return result


if __name__ == '__main__':
    numbers = [1, 2, 3, 4]
    pool = multiprocessing.Pool(processes=multiprocessing.cpu_count())
    results = pool.map(heavy_compute, numbers)
    pool.close()
    pool.join()
    print(results)

这里在if __name__ == '__main__':语句块中启动进程，是因为在Windows系统以及某些Unix系统衍生版本中，多进程编程需要这种方式来避免一些问题。

星途面试题库

面试题：Python中线程与进程的区别及在项目中的适用场景

知识考点

面试题答案

线程与进程的主要区别

适用场景