面试题：Python中多线程与异步编程的应用场景差异

多线程适用场景及举例

I/O 密集型任务：比如网络请求、文件读写操作。
- 场景：当程序需要频繁地进行 I/O 操作时，多线程可以在一个线程等待 I/O 完成时，让其他线程继续执行，从而提高整体效率。例如，一个程序需要从多个不同的 URL 下载图片。
- 示例代码：

import threading
import requests


def download_image(url, file_name):
    response = requests.get(url)
    with open(file_name, 'wb') as f:
        f.write(response.content)


urls = [
    'http://example.com/image1.jpg',
    'http://example.com/image2.jpg',
    'http://example.com/image3.jpg'
]
threads = []
for i, url in enumerate(urls):
    thread = threading.Thread(target = download_image, args=(url, f'image_{i}.jpg'))
    threads.append(thread)
    thread.start()
for thread in threads:
    thread.join()

图形用户界面（GUI）应用：在 GUI 应用中，需要保持界面的响应性，同时执行其他任务。
- 场景：例如一个简单的图像编辑软件，用户在进行图像加载、处理等操作时，界面不能卡死，需要保持可操作性。
- 示例：在 Tkinter 中，可以创建一个线程来处理耗时的图像加载任务，而主线程继续处理界面的交互事件。

异步编程适用场景及举例

高并发网络应用：如 Web 服务器、网络爬虫等。
- 场景：在处理大量并发的网络请求时，异步编程可以在等待一个请求的响应时，不阻塞其他请求的处理。例如，一个网络爬虫需要同时爬取多个网页的内容。
- 示例代码：

import asyncio


async def fetch(url):
    await asyncio.sleep(1)  # 模拟网络延迟
    print(f'Fetched {url}')


async def main():
    urls = [
        'http://example.com/page1',
        'http://example.com/page2',
        'http://example.com/page3'
    ]
    tasks = [fetch(url) for url in urls]
    await asyncio.gather(*tasks)


if __name__ == '__main__':
    asyncio.run(main())

事件驱动的应用：在一些需要实时响应外部事件（如传感器数据采集、消息队列处理）的应用中。
- 场景：假设有一个传感器监测系统，需要实时处理多个传感器传来的数据，异步编程可以高效地处理这些事件而不阻塞其他任务。
- 示例：在处理基于消息队列（如 RabbitMQ）的消息时，使用异步编程可以在等待新消息的同时处理其他任务。

星途面试题库

面试题：Python中多线程与异步编程的应用场景差异

知识考点

面试题答案

多线程适用场景及举例

异步编程适用场景及举例