### Python 中并发与并行的概念 在Python编程中，并发和并行是两种不同的机制，用于提升程序执行效率[^1]。 #### 并发 (Concurrency) 并发指的是在同一时间段内交替执行多个任务的能力。尽管这些任务可能不是真正的同时发生，但从宏观上看，它们似乎是在同一时间进行的。对于I/O密集型应用来说，比如频繁读写文件或发送接收网络数据的任务，通过切换等待中的操作来利用CPU空闲周期是非常有效的策略之一。Python提供了`threading`模块支持这种形式的操作，即便存在全局解释器锁（GIL），它也适用于处理这类场景下的高延迟工作负载[^2]。 #### 并行 (Parallelism) 相比之下，并行是指物理上同时运行多个计算单元上的不同指令序列的过程。这意味着如果硬件资源允许的话——特别是当拥有多个核心时——那么就可以让各个部分的数据集被分配给单独的核心去独立完成各自的运算过程而无需相互干扰。为了达到这个目的，在某些特定条件下可以通过释放CPython内部使用的GIL或者采用其他语言特性如多进程(`multiprocessing`)库来进行真正的并行化处理。 ### 实现方式对比 - **Threading Module**: 主要应用于解决I/O绑定问题；由于受到GIL的影响，无法实现完全意义上的CPU级别的并行性但对于大多数实际应用场景已经足够好用了。 - **Multiprocessing Library**: 提供了一种绕过GIL的方法，使得可以在多核机器上获得更好的性能增益，尤其适合于CPU密集型任务。每个新启动的工作进程中都有自己的内存空间副本以及独立版本的Python解析器实例，因此不存在共享状态带来的同步难题[^3]。 ```python from multiprocessing import Process, Queue import os def info(title): print(title) print('module name:', __name__) print('parent process:', os.getppid()) print('process id:', os.getpid()) def f(name, q): info('function f') q.put(f'hello {name}') if __name__ == '__main__': queue = Queue() p = Process(target=f, args=('bob', queue)) p.start() print(queue.get()) # prints "hello bob" p.join() ``` - **Asyncio Framework & Async/Await Syntax**: 这是一个相对较新的异步IO框架加上相应的语法糖衣，专为编写非阻塞代码设计。借助事件循环驱动模型配合回调函数的方式实现了高效的单线程下大量轻量级协程之间的协作调度模式。非常适合用来构建高性能Web服务器或者其他需要快速响应外部请求的服务端应用程序[^4]。 ```python import asyncio async def main(): print('Hello ...') await asyncio.sleep(1) print('... World!') # Python 3.7+ asyncio.run(main()) ```