进程：是资源分配的最小单位；
² 调度由操作系统完成；
² 进程空间独立，数据安全性好，有专门的进程间通信方法
² 进程的创建和删除要比线程消耗更多的计算机资源
² 有独立的内存空间（上下文切换的时候需要保存栈、cpu寄存器、虚拟内存、以及打开的相关句柄等信息，开销大）
1、操作系统进行资源分配和调度的基本单位，多个进程之间相互独立
2、稳定性好，如果一个进程崩溃，不影响其他进程，但是进程消耗资源大，开启的进程数量有限制
线程：是程序执行的最小单位（资源调度最小单位）；
² 一个进程可以有多个线程，每个线程会共享父进程的资源（创建线程开销占用比进程小很多，可创建的数量也会很多）
² 线程的使用会给系统带来上下文切换的额外负担；
² 一个进程可以包含多个线程，线程共享进程的资源空间
1、CPU进行资源分配和调度的基本单位，线程是进程的一部分，是比进程更小的能独立运行的基本单位，一个进程下的多个线程可以共享该进程的所有资源
2、如果IO操作密集，则可以多线程运行效率高，缺点是如果一个线程崩溃，都会造成进程的崩溃
协程：² 调度完全由用户控制；
² 一个线程（进程）可以有多个协程；
² 每个线程（进程）循环按照指定的任务清单顺序完成不同的任务（当任务被堵塞时，执行下一个任务；当恢复时，再回来执行这个任务；任务间切换只需要保存任务的上下文，没有内核的开销，可以不加锁的访问全局变量）
² 协程需要保证是非堵塞的且没有相互依赖
² 写成基本上不能同步通讯，多采用异步的消息通讯，效率比较高；
协程，为何比线程还快：高并发+高扩展性+低成本：一个CPU支持上万的协程都不是问题。所以很适合用于高并发处理。协程能保留上一次调用的状态，管是进程还是线程，每次阻塞、切换都需要陷入系统调用，使用线程时需要非常小心地处理同步问题，二协程完全不存在这个问题。
协程与线程进行比较：1）一个线程可以多个协程，一个进程也可以单独拥有多个协程，这样Python中则能使用多核CPU。
2）线程进程都是同步机制，而协程则是异步
3）协程能保留上一次调用时的状态，每次过程重入时，就相当于进入上一次调用的状态
进程与线程比较：线程是指进程内的一个执行单元，也是进程内的可调度实体。线程与进程的区别：
1）地址空间：线程是进程内的一个执行单元，进程内至少有一个线程，它们共享进程的地址空间，而进程有自己独立的地址空间
2）资源拥有：进程是资源分配和拥有的单位，同一个进程内的线程共享进程的资源
3）线程是处理器调度的基本单位，但进程不是
4）二者均可并发执行
5）每个独立的线程有一个程序运行的入口、顺序执行序列和程序的出口，但是线程不能够独立执行，必须依存在应用程序中，由应用程序提供多个线程执行控制
² 线程之间的通信更方便，同一进程下的线程共享全局变量、静态变量等数据，而进程之间的通信需要以通信的方式（IPC）进行。不过如何处理好同步与互斥是编写多线程程序的难点；
² 多进程程序更健壮，多线程程序只要有一个线程死掉，整个进程也死掉了，而一个进程死掉并不会对另外一个进程造成影响，因为进程有自己独立的地址空间。
同步异步指的是在客户端
同步意味着客户端提出了一个请求以后，在回应之前只能等待
异步意味着客户端提出一个请求以后，还可以继续提其他请求，不管有无结果
阻塞非阻塞指的是服务器端
阻塞意味着服务器接受一个请求后，在返回结果以前不能接受其他请求
非阻塞意味着服务器接受一个请求后，尽管没有返回结果，还是可以继续接受其他请求
并行：是指同一时刻同时做多件事情，而并发是指同一时间间隔内做多件事情；
并行是指同时发生的两个并发事件，具有并发的含义，而并发则不一定并行，也亦是说并发事件之间不一定要同一时刻发生。
并发：的实质是一个物理CPU（也可以多个物理CPU）在若干道程序之间多路复用，并发性是对有限物理资源强制行使多用户共享以提高效率。并行性指两个或两个以上事件或活动在同一时刻发生。在多道程序环境下，并行性使多个程序同一时刻可在不同CPU上同时执行。
并行，是每个CPU运行一个程序。
多线程：在单个程序中同时运行多个线程完成不同额工作，称为多线程。线程共享内存空间；进程的内存是独立的，同一个进程的线程之间可以直接交流；两个进程想通信，必须通过一个中间代理来实现，一个线程可以控制和操作同一进程里的其它线程；但是进程只能操作子进程；
优缺点：1、多进程的优点是稳定性好，一个子进程崩溃了，不会影响主进程以及其余进程。但是缺点是创建进程的代价非常大，因为操作系统要给每个进程分配固定的资源。2、多线程优点是小路较高一些，但是致命的缺点是任何一个线程崩溃都可能造成整个进程的崩溃，因为他们共享了进程的内存资源池。
CPU密集型（CPU-bound）
CPU密集型也叫计算密集型，指的是系统的硬盘、内存性能相对CPU要好很多，此时，系统运作大部分的状况是CPU Loading 100%，CPU要读/写 I/O （硬盘/内存），I/O在很短的时间内就可以完成，而CPU还有许多运算需要处理，CPU Loading很高.
在多重程序系统中，大部分时间用来做计算、逻辑判断等CPU动作的程序称之CPU bound.例如一个计算圆周率至小数点一千位一下的程序，在执行的过程中绝大部分的时间用在三角函数和开根号的计算，便是属于CPU bound的程序.
CPU bound的程序一般而言CPU占有率相当高.这可能是因为任务本身不太需要访问I/O设备，也可能是因为程序是多线程实现因此屏蔽了等待I/O的时间.
I/O密集型（I/O bound）
IO密集型指的是系统的CPU性能相对硬盘、内存要好很多，因此，系统运作，大部分情况是CPU在等I/O（磁盘/内存）的读/写操作，此时CPU Loading并不高.
I/O bound的程序一般在达到性能极限时，CPU占用率仍然较低.这可能是因为任务本身需要大量I/O操作，而pipeline做得不是很好，没有充分利用处理器能力.
CPU密集型 vs IO密集型
我们可以把任务分为计算机密集型和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多任务完成，但是任务越多，花在任务切换的时间越多，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的内存和速度）.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，最适合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.
总之，计算密集型程序适合C语言多线程，I/O密集型适合脚本语言开发的多线程.
*CPU密集型适合用多进程开发
应用：IO密集的用多线程，在用户输入，sleep时候，可以切换到其他线程执行，减少等待的时间CPU密集的用多进程，因为假如IO操作少，用多线程的话，因为线程共享一个全局解释器锁，当前运行的线程会霸占GIL，其他线程没有GIL，就不能充分利用多核CPU的优势