python进程
调度
在传统的计算机操作系统中，CPU调度的基本单位是进程。后来操作系统普遍引入了线程的概念，线程成为了CPU调度的基本单位，进程只能作为资源拥有的基本单位。
并行
由于线程的引入，原先一个进程只能有一个并发，现在一个进程可以有多个线程并行执行。早期的很多HTTP server都是通过线程来解决服务器的并发，比起之前用fork子进程来处理并发效率有了数倍的提升。这一切都得益于线程可以用进程更低的代价实现并发。
定义
进程，是执行中的计算机程序。也就是说，每个代码在执行的时候，首先本身即是一个进程。
一个进程具有：就绪，运行，中断，僵死，结束等状态（不同操作系统不一样）。
特性
1.每个程序，本身首先是一个进程
2.运行中每个进程都拥有自己的地址空间、内存、数据栈及其它资源。
3.操作系统本身自动管理着所有的进程(不需要用户代码干涉)，并为这些进程合理分配可以执行时间。
4.进程可以通过派生新的进程来执行其它任务，不过每个进程还是都拥有自己的内存和数据栈等。
5.进程间可以通讯(发消息和数据)，采用 进程间通信(IPC) 方式。
说明
1.多个进程可以在不同的 CPU 上运行，互不干扰
2.同一个CPU上，可以运行多个进程，由操作系统来自动分配时间片
3.由于进程间资源不能共享，需要进程间通信，来发送数据，接受消息等
4.多进程，也称为“并行”。
Unix/Linux操作系统提供了一个fork()系统调用，它非常特殊。普通的函数调用，调用一次，返回一次，但是fork()调用一次，返回两次，因为操作系统自动把当前进程（称为父进程）复制了一份（称为子进程），然后，分别在父进程和子进程内返回。
子进程永远返回0，而父进程返回子进程的ID。这样做的理由是，一个父进程可以fork出很多子进程，所以，父进程要记下每个子进程的ID，而子进程只需要调用getppid()就可以拿到父进程的ID。
Python的os模块封装了常见的系统调用，其中就包括fork，可以在Python程序中轻松创建子进程
print(f"开始的进程是{os.getpid()}")
pid = os.fork()
if pid == 0 :
print(f"我是子进程{os.getpid()},我的父进程是{os.getppid()}")
else:
print(f"我是父进程{os.getpid()},我创建了子进程是{pid}")
运行结果：
开始的进程是9443
我是父进程9443,我创建了子进程是9444
我是子进程9444,我的父进程是9443
因为python是跨平台的，所以上面的是在Linux中，而在windows中呢（虽然很少在Windows中写）？ 是用multiprocessing这个模块，multiprocessing模块提供了一个Process类来代表一个进程对象, 以下的这个例子就是启动一个子进程并等待其结束。
def run_child(name):
print(f"子进程的名字是{name},进程的pid是{os.getpid()}")
if __name__ == "__main__":
print(f"父进程是{os.getpid()}")
p = Process(target=run_child, args=('test',))
print('子进程即将开始')
p.start()
p.join()
print("子进程即将结束")
运行结果：
父进程是9409
子进程即将开始
子进程的名字是test,进程的pid是9410
子进程即将结束
python线程
定义
线程，是在进程中执行的代码。
一个进程下可以运行多个线程，这些线程之间共享主进程内申请的操作系统资源。
在一个进程中启动多个线程的时候，每个线程按照顺序执行。现在的操作系统中，也支持线程抢占，也就是说其它等待运行的线程，可以通过优先级，信号等方式，将运行的线程挂起，自己先运行。
多个线程可以同时执行，多线程的执行方式和多进程是一样的，也是由操作系统在多个线程之间快速切换，让每个线程都短暂地交替运行，看起来就像同时执行一样。当然，真正地同时执行多线程需要多核CPU才可能实现。
使用
1.用户编写包含线程的程序(每个程序本身都是一个进程)
2.操作系统“程序切换”进入当前进程
3.当前进程包含了线程，则启动线程
4.多个线程，则按照顺序执行，除非抢占
5.多线程，也被称为”并发“执行。
特性
1.线程，必须在一个存在的进程中启动运行
2.线程使用进程获得的系统资源，不会像进程那样需要申请CPU等资源
3.线程无法给予公平执行时间，它可以被其他线程抢占，而进程按照操作系统的设定分配执行时间
4.每个进程中，都可以启动很多个线程
多任务可以由多进程完成，也可以由一个进程内的多线程完成。并且，进程是由若干线程组成的，一个进程至少有一个线程。
Python的标准库提供了两个模块：_thread和threading，_thread是低级模块，threading是高级模块，对_thread进行了封装。绝大多数情况下，我们只需要使用threading这个高级模块。
启动一个线程就是把一个函数传入并创建Thread实例，然后调用start()开始执行
# 新线程执行的代码:
def loop():
print(f"子线程{threading.current_thread().name}正在执行")
n = 0
while n < 5:
n = n + 1
print(f"子线程{threading.current_thread().name}>>>{n}")
time.sleep(1)
print(f"子线程{threading.current_thread().name}结束了")
print(f"线程{threading.current_thread().name}正在运行啊")
t = threading.Thread(target=loop)
t.start()
t.join()
print(f"线程{threading.current_thread().name}结束")
运行结果：
线程MainThread正在运行啊
子线程Thread-1正在执行
子线程Thread-1>>>1
子线程Thread-1>>>2
子线程Thread-1>>>3
子线程Thread-1>>>4
子线程Thread-1>>>5
子线程Thread-1结束了
线程MainThread结束
由于任何进程默认就会启动一个线程，我们把该线程称为主线程，主线程又可以启动新的线程，Python的threading模块有个current_thread()函数，它永远返回当前线程的实例。主线程实例的名字叫MainThread，子线程的名字在创建时指定, 如果不起名字Python就自动给线程命名为Thread-1，Thread-2。
进程和线程的区别
一个进程中的各个线程与主进程共享相同的资源，与进程间互相独立相比，线程之间信息共享和通信更加容易(都在进程中，并且共享内存等)。
线程一般以并发执行，正是由于这种并发和数据共享机制，使多任务间的协作成为可能。
进程一般以并行执行，这种并行能使得程序能同时在多个CPU上运行；
区别于多个线程只能在进程申请到的的“时间片”内运行(一个CPU内的进程，启动了多个线程，线程调度共享这个进程的可执行时间片)，进程可以真正实现程序的“同时”运行(多个CPU同时运行)。
进程和线程的常用应用场景
一般来说,在Python中编写并发程序的经验：
计算密集型任务使用多进程
IO密集型(如：网络通讯)任务使用多线程，较少使用多进程.
这是由于 IO操作需要独占资源，比如：
网络通讯(微观上每次只有一个人说话，宏观上看起来像同时聊天)每次只能有一个人说话
文件读写同时只能有一个程序操作(如果两个程序同时给同一个文件写入 ‘a’, ‘b’，那么到底写入文件的哪个呢？)
都需要控制资源每次只能有一个程序在使用，在多线程中，由主进程申请IO资源，多线程逐个执行，哪怕抢占了，也是逐个运行，感觉上“多线程”并发执行了。
如果多进程，除非一个进程结束，否则另外一个完全不能用，显然多进程就“浪费”资源了。
问题：
我们前面编写的所有的Python程序，都是执行单任务的进程，也就是只有一个线程。如果我们要同时执行多个任务怎么办？
有两种解决方案：
1.一种是启动多个进程，每个进程虽然只有一个线程，但多个进程可以一块执行多个任务。
2.还有一种方法是启动一个进程，在一个进程内启动多个线程，这样，多个线程也可以一块执行多个任务。
3.当然还有第三种方法，就是启动多个进程，每个进程再启动多个线程，这样同时执行的任务就更多了，当然这种模型更复杂，实际很少采用。
总结一下就是，多任务的实现有3种方式：
多进程模式；
多线程模式；
多进程+多线程模式。
计算密集型 vs. IO密集型
是否采用多任务的第二个考虑是任务的类型。我们可以把任务分为计算密集型和IO密集型。
计算密集型任务的特点是要进行大量的计算，消耗CPU资源，比如计算圆周率、对视频进行高清解码等等，全靠CPU的运算能力。这种计算密集型任务虽然也可以用多任务完成，但是任务越多，花在任务切换的时间就越多，CPU执行任务的效率就越低，所以，要最高效地利用CPU，计算密集型任务同时进行的数量应当等于CPU的核心数。
计算密集型任务由于主要消耗CPU资源，因此，代码运行效率至关重要。Python这样的脚本语言运行效率很低，完全不适合计算密集型任务。对于计算密集型任务，最好用C语言编写。
第二种任务的类型是IO密集型，涉及到网络、磁盘IO的任务都是IO密集型任务，这类任务的特点是CPU消耗很少，任务的大部分时间都在等待IO操作完成（因为IO的速度远远低于CPU和内存的速度）。对于IO密集型任务，任务越多，CPU效率越高，但也有一个限度。常见的大部分任务都是IO密集型任务，比如Web应用。
IO密集型任务执行期间，99%的时间都花在IO上，花在CPU上的时间很少，因此，用运行速度极快的C语言替换用Python这样运行速度极低的脚本语言，完全无法提升运行效率。对于IO密集型任务，最合适的语言就是开发效率最高（代码量最少）的语言，脚本语言是首选，C语言最差。
异步IO
考虑到CPU和IO之间巨大的速度差异，一个任务在执行的过程中大部分时间都在等待IO操作，单进程单线程模型会导致别的任务无法并行执行，因此，我们才需要多进程模型或者多线程模型来支持多任务并发执行。
现代操作系统对IO操作已经做了巨大的改进，最大的特点就是支持异步IO。如果充分利用操作系统提供的异步IO支持，就可以用单进程单线程模型来执行多任务，这种全新的模型称为事件驱动模型，Nginx就是支持异步IO的Web服务器，它在单核CPU上采用单进程模型就可以高效地支持多任务。在多核CPU上，可以运行多个进程（数量与CPU核心数相同），充分利用多核CPU。由于系统总的进程数量十分有限，因此操作系统调度非常高效。用异步IO编程模型来实现多任务是一个主要的趋势。
对应到Python语言，单线程的异步编程模型称为协程，有了协程的支持，就可以基于事件驱动编写高效的多任务程序