澄清的並行線程之間的差異/處理

Question

（請注意，這整個問題，雖然解決parrallel編程，主要是語境下成幀/蟒蛇3.X的應用程序）

此刻，我收集從閱讀中得知：

a 進程，是一組指令，以及它在運行時伴隨的所有資源。它將包括以下代碼，以及輸入/輸出/資源/內存/文件句柄/等。換句話說，它的整個廚房水槽。

# this script, while running as a whole, is considered a process 

print('hello world') 

with open('something.txt', 'a') as file_handle: 
    for i in range(500): 
     file_handle.write('blablabla') 
print('job done!') 

但是，如果我想要做更多的時間是相同的 - 爲了最大限度地提高我的電腦處理能力 - 我不得不產生更多 進程或線程的選項。與上面簡單的python腳本過程類比相比，我選擇哪一個，它們會是什麼？是否正在產生另一個過程，等同於在更改文件名時再次回顧整個過程？

# changed filename (is this "another process?") 

print('hello world') 

with open('something_else.txt', 'a') as file_handle: 
    for i in range(500): 
     file_handle.write('blablabla') 
print('job done!') 

我也得到了模糊的概念，一個單一的進程可以包含多個線程，將它只是加載大量的更多的「概念性」的循環則相當於？

# like would this be a "thread" a barebones "subset" of an entire program? 

with open('something.txt', 'a') as file_handle: 
    for i in range(500): 
     file_handle.write('blablabla') 

不管怎樣，兩者真的不同嗎？在網上搜索時，我發現流程更獨立和重量級，而線程更輕量化，「更容易與對方共享內存」。但這到底意味着什麼？爲什麼不能進程共享內存？如果線程可以「共享內存」，我怎麼不能訪問來自同一腳本的不同線程的不同變量（例如from thread_a import var_data）

最後，究竟計算什麼？ CPU是否計算線程或進程？或者它是一個包含多個內核/等的總稱。內核是否計算進程或線程？

---

摘要：

1）用簡單的Python腳本作爲進程的例子，你會產卵另一個進程/線程相當於是什麼？ （例如，重複的腳本/腳本的子集/只有一段代碼）

2）進程與線程有什麼根本的區別，進程是否能夠做一些線程無法做的事情的例子？

3）爲什麼內存/數據通常被描述爲「難以共享」進程比線程？以及線程如何共享數據呢？

4）CPU是否計算線程或進程。做內核計算線程或進程

5）什麼是何時使用什麼

Answer 1

要開始回答這個問題的一般準則/例子，你必須明白什麼是python GIL。基本上Python被設計爲讓代碼的任何部分訪問內存。爲了避免問題（例如同時多次調用同一內存......），有一個鎖定禁止同時執行兩個任務。 所以這就是爲什麼python是純粹的程序，一個接一個地執行任務。

在現代編程中，有更好地使用多核處理器的意願，並因此將編程並行化以提高性能。因爲GIL的，有2解決方法：

• Threading是一個模塊，其允許產生多個任務「同時」在不同的線程。問題在於它並非真正在同一時間，而是被分解爲原子任務，並在不同的任務之間切換。但是你永遠不會同時有兩個任務，所以你仍然可以像往常一樣分享內存，這就是爲什麼它很簡單。

• multiprocessing另一方面，允許您產生真正的進程，它將同時工作。但價格是你無法安全地在這些進程之間共享內存（以經典的方式）。使用多個線程的多個進程沒有問題。 雖然你並不完全孤單。有幾種方法可以在進程間安全地進行通信，例如使用Lock。你可以看到更多關於這個here。

總結一下，線程和進程允許你爲別人分開一些任務，爲你提供一種改進你的基本程序的方法。在某些語言中沒有他們的工作方式太多區別，但在Python要記住的主要事情是：

• 主題：保持一個共享內存，但沒有真正的並行編程。如果您的代碼是等待時間，那麼這非常有用，因此您可以在其間執行其他操作。如果您使用的是100％的CPU，則會降低您的代碼速度，因爲執行會在任務之間經常更改並導致開銷。

• 過程：實施起來有點困難，因爲你必須擔心內存，通常你不用Python。主要的好處是如果你的代碼可以並行化，你可以顯着提高你的性能。