在 Python 中，多进程和多线程编程可以用于并发执行任务。多进程适用于 CPU 密集型任务，而多线程适用于 I/O 密集型任务。若需要将类的方法作为任务执行，可以通过继承 `multiprocessing.Process` 或 `threading.Thread` 类，并重写 `run` 方法来实现。 ### 使用多进程执行类方法 通过继承 `Process` 类并重写 `run` 方法，可以将类的方法作为进程任务执行。以下是一个示例： ```python from multiprocessing import Process import time class MyProcess(Process): def __init__(self, name): super(MyProcess, self).__init__() self.name = name def run(self): print(f"Process name: {self.name}") time.sleep(1) if __name__ == "__main__": processes = [] for i in range(3): p = MyProcess(str(i)) processes.append(p) p.start() for p in processes: p.join() ``` ### 使用多线程执行类方法 与多进程类似，多线程也可以通过继承 `Thread` 类并重写 `run` 方法来实现。以下是一个示例： ```python import threading import time class MyThread(threading.Thread): def __init__(self, name): super(MyThread, self).__init__() self.name = name def run(self): print(f"Thread name: {self.name}") time.sleep(1) if __name__ == "__main__": threads = [] for i in range(3): t = MyThread(str(i)) threads.append(t) t.start() for t in threads: t.join() ``` ### 多进程与多线程的差异 在 Python 中，由于全局解释器锁（GIL）的存在，多线程并不能真正实现并行执行 CPU 密集型任务。而多进程则可以绕过 GIL 的限制，实现真正的并行处理。然而，多进程的创建和切换成本较高，占用的系统资源也更多[^2]。 ### 类方法任务处理 在多进程或多线程编程中，将类的方法作为任务执行时，需要注意以下几点： 1. 类方法需要作为 `run` 方法的一部分执行，或者通过 `target` 参数指定。 2. 如果类方法涉及共享资源访问，需要考虑同步机制，如锁（`multiprocessing.Lock` 或 `threading.Lock`）。 3. 对于多进程，类实例的属性需要通过 `multiprocessing.Value`、`multiprocessing.Array` 或 `multiprocessing.Manager` 共享[^1]。