面试题：Python并发编程之多线程与多进程对比

多线程应用场景

I/O密集型任务：如网络请求、文件读写等。线程切换开销小，在等待I/O操作完成时，线程可释放CPU资源，让其他线程执行，有效利用CPU时间。例如爬虫程序，在等待网络响应时，线程可切换去处理其他请求。
图形用户界面（GUI）编程：可以在不阻塞主线程（负责界面更新）的情况下执行其他任务，保持界面的响应性。比如在一个图形化下载工具中，下载任务可放在子线程执行，主线程继续处理界面交互。

多进程应用场景

CPU密集型任务：像科学计算、数据加密、复杂算法运算等。每个进程有独立的CPU资源，能充分利用多核CPU优势，提升运算速度。例如使用Python进行大规模矩阵运算时，多进程可并行处理不同部分的矩阵。
需要独立内存空间的场景：当程序需要独立的内存空间来避免数据干扰，或者一个进程崩溃不影响其他进程运行时，多进程更为合适。比如服务器的多个独立服务模块，使用多进程部署，一个模块崩溃不会导致整个服务器瘫痪。

优缺点对比

多线程

优点：
- 资源开销小：线程创建和销毁开销小，线程间共享全局变量，数据通信方便，无需复杂的进程间通信机制。
- 响应快：适合I/O密集型任务，能在I/O等待时及时切换线程，提高系统整体效率。
缺点：
- 全局解释器锁（GIL）限制：在CPython解释器中，由于GIL的存在，同一时刻只有一个线程能执行Python字节码，在CPU密集型任务中无法利用多核优势，性能提升有限。
- 编程复杂度：多线程共享资源，可能导致竞争条件、死锁等问题，增加编程和调试难度。

多进程

优点：
- 充分利用多核：每个进程独立拥有CPU资源，可并行执行，在CPU密集型任务中能显著提升性能。
- 稳定性高：进程间相互独立，一个进程崩溃不会影响其他进程，系统健壮性好。
缺点：
- 资源开销大：进程创建和销毁开销大，占用内存多，进程间通信需要使用专门机制（如管道、共享内存等），较复杂。
- 启动慢：相比线程，进程启动时间长，因为需要分配独立的内存空间等资源。

CPU密集型任务中多进程比多线程更合适的原因

由于GIL的存在，Python多线程在CPU密集型任务中同一时刻只能有一个线程执行字节码，无法利用多核CPU并行计算。而多进程每个进程有独立的CPU资源，可利用多核优势并行执行任务，大大提高计算效率。例如计算1到1000000的所有数的平方和，多进程可将计算任务分块并行计算，而多线程只能顺序执行（在同一时刻），所以多进程在这种CPU密集型场景下更合适。

I/O密集型任务中两者的表现

在I/O密集型任务中，多线程表现较好。因为线程切换开销小，在I/O操作等待时，线程能释放CPU资源，让其他线程执行。多进程虽然也能处理I/O密集型任务，但进程创建和通信开销大，相比之下多线程更能有效利用CPU时间，提升整体效率。例如在大量文件读写任务中，多线程可在一个线程等待文件I/O时，切换到其他线程继续读写其他文件，而多进程由于开销大，在这种场景下优势不明显。