Python：何时使用线程与多处理
在效率和代码清晰性方面，决定使用线程或多处理时应遵循哪些良好准则？
问题答案：
线程和多处理之间的许多差异并不是真正针对Python的，某些差异特定于某个Python实现。
对于CPython，multiprocessing在以下情况下，我都将使用该模块：
-
由于性能原因，我需要同时使用多个内核。使用线程时，全局解释器锁（GIL）将阻止任何加速。（无论如何，有时在这种情况下您都
ctypes可以避免使用线程，例如，当主要工作是在通过调用的C代码中完成或使用Cython并在适当的地方显式释放GIL时。当然，后者需要格外小心。）这种情况实际上很少见。大多数应用程序不受处理器时间的限制，如果确实如此，则通常不使用Python。 -
我想稍后将我的应用程序变成一个真正的分布式应用程序。对于多处理应用程序而言，这要容易得多。
-
在要执行的任务之间几乎不需要共享状态。
在几乎所有其他情况下，我都会使用线程。（这包括使GUI应用程序具有响应能力。）
-
我有一个图像路径列表，我想在进程或线程之间划分，以便每个进程处理列表的某些部分。处理包括从磁盘加载图像，进行一些计算并返回结果。我正在使用Python 2.7 下面是我如何创建辅助进程 我所面临的问题是，当我在initializer函数中记录初始化时间时，我知道worker不是并行初始化的，而是每个worker都以5秒的间隔初始化，下面是供参考的日志 我尝试过使用将同时启动辅助线程 我知道Wind
-
问题内容： 我发现在Python 3.4中，用于多处理/线程的库很少：多处理vs线程与asyncio。 但是我不知道使用哪个，或者是“推荐的”。他们做的是同一件事还是不同？如果是这样，则将哪一个用于什么？我想编写一个在计算机上使用多核的程序。但是我不知道我应该学习哪个图书馆。 问题答案： 它们旨在（略有）不同的目的和/或要求。CPython（典型的主线Python实现）仍然具有全局解释器锁，因此多
-
问题内容： 我试图理解多处理比线程的优势。我知道多处理绕过了全局解释器锁，但是还有什么其他优点，线程不能做同样的事情？ 问题答案： 该模块使用线程，该模块使用进程。不同之处在于线程在相同的内存空间中运行，而进程具有单独的内存。这使得在具有多处理的进程之间共享对象更加困难。由于线程使用相同的内存，因此必须采取预防措施，否则两个线程将同时写入同一内存。这就是全局解释器锁的作用。 生成过程比生成线程
-
我正在尝试用Python编写一个程序。我想写的是一个脚本，它会立即向用户返回一条友好的消息，但会在后台生成一个长的子进程，它会处理几个不同的文件，并将它们写入一个祖父文件。我已经做了一些关于线程和处理的教程，但我遇到的是，无论我尝试什么，程序都会一直等待，直到子进程完成，然后才会向用户显示前面提到的友好消息。以下是我尝试过的： 线程示例： 我读过这些关于多线程的SO帖子如何在Python中使用线程
-
问题内容： 根据python的GIL，我们不能在CPU绑定的进程中使用线程，所以我的问题是Apache Spark如何在多核环境中利用python？ 问题答案： 多线程python问题与Apache Spark内部结构分开。Spark上的并行性在JVM内部处理。 原因是在Python驱动程序中，使用Py4J启动JVM并创建JavaSparkContext。 Py4J仅在驱动程序上用于Python和
-
问题内容： 我正在使用这些功能在画布上绘制小圆圈： 这是绘制圆圈的功能： 这个创建画布和圆圈： 我称这些行来运行项目： 什么是执行正确的方法，并在不同的线程？ 我已经尝试了以下方法，但无法使其正常工作。： 有人可以告诉我如何运行这些线程吗？ 问题答案： 当需要此功能时，您要做的是通过将事件置于线程共享的队列中来安排要执行的事件。这样，在给定线程中，您可以通过排队指定要运行“ create（50，…