前言
在正式进入Python并发编程的相关类库、语法的介绍之前，还是继续来对并发编程中的几个核心概念做进一步的阐述说明，从而在理念上对后续的学习有一个全局性的指导。同时，简单介绍一下Python中的并发编程模型，后续的关于Python并发编程的文章，将重点围绕并发编程模型进行展开。
本文的主要内容有：
1、并发编程中的三个核心概念
2、Python中的并发编程模型
并发编程中的三个核心概念
在上一篇文章中，我们简单介绍了并发和并行的概念，简单回顾一下：
1、并发是一个更加宽泛的概念，并发的概念中包含了并行的范畴，并行是并发的一种特殊形式。
2、并发可以是交替执行，也可以是同一时刻同时在运行。单个单核CPU，只能实现交替执行的并发。多核CPU或者多个CPU，才能实现同一时刻的并行。
3、由于分时复用的资源调度，以及流水线技术的存在，即使是单核CPU，也能实现广义上的并行，其实是指令执行阶段用到的不同CPU组件在并行工作。
本文要重点介绍的三个概念，分别是：程序、进程、线程。
我们写的代码从保存到硬盘到最终执行主要会涉及到以下过程：
1、代码编写完成后，以文件的形式保存在硬盘上，所以程序是静态的概念，就是我们编写的代码序列、源码文件。
2、程序开始执行之前，首先从硬盘加载到内存中，会创建对应的进程控制块（Process Control Block，PCB），用于标识进程的PID，进程相关的状态管理，进程所需要的内存资源的分配等。
3、每个进程会对应一个或者多个线程，每个线程同样会有对应的内存结构，叫做线程控制块（Thread Control Block，TCB）。用于标识线程的状态、调度线程的执行等。
4、每个进程中都会有一个线程为主线程，一般是我们代码中包含main()函数的入口文件，用于启动一个进程的执行。
5、如果进程中有多个线程，其他线程都是通过主线程的执行被不断创建、执行的。
6、操作系统中的进程/线程调度程序，负责基于相应的调度策略，给要执行的线程分配CPU资源，从而真正调度执行。
7、进程、线程执行完成，会销毁对应的PCB、TCB，回收相关的内存资源。如果涉及到内存空间不足时，还会涉及到需要把进程对应的内存临时置换到虚拟内存（其实是硬盘空间）中。下次被激活、调度执行时，再切换进入内存中。
对这个过程有个大概的了解即可，有感兴趣的，可以查阅相关的《操作系统》的书籍进行进一步深入学习。
一个完整的CPython进程大概是下图这样的，这里就不展开了。
基于以上的过程，我们再来简单区分一下程序、进程、线程这三个概念，我觉得有以下几点认知，暂时就足够我们进行后续的学习了：
1、程序是一个静态的概念，程序是储存在硬盘文件中的一行行代码的集合，可以简单对应为我们编写的源文件。
2、进程是一个动态的概念，进程有自己的状态管理、切换，进程从创建到销毁有一个生命周期的概念。进程是基于程序进行创建的，在内存中的一个数据结构。在操作系统的语义中，进程是资源分配的基本单位，这里面更加强调的是内存资源。
3、线程是一个动态的概念，线程可以理解为进程中的一个执行序列，线程是真正被动态执行的实体。每个进程可以有一个线程或者多个线程，每个进程都会有一个唯一的主线程，作为真正被CPU执行的入口序列。不同于进程作为内存资源分配的基本单位，线程是CPU资源分配的基本单位，也可以描述为调度执行的基本单位。
关于概念的基础，简单就聊这些，相信有上过《操作系统》课程的同学，应该有更加深入、全面的理解。
Python中的并发编程模型
接下来，从全局上简单介绍一下Python中的并发编程模型。
在Python中主要有4种并发编程模型，需要说明的是，我们是在CPython实现的语境中，其他Python实现可能会有一些差异。
1、Threading模型
多线程模型，对应到Python中的内置库是threading，这种模型可以支持并发，但是无法支持并行，主要原因在于GIL的设计。
2、Multiprocessing模型
从字面意义上，也就是多进程了，对应的Python内置库是multiprocessing，这种模型支持并发语义，同时也支持真正的并行。
3、Async模型
对应到Python中的内置库是asyncio，即异步IO的相关支持。这种模型也是只支持并发语义，而不支持并行。
4、Subinterpreters模型
对应到Python中的内置库是subinterpreters，Python子解释器的概念，相当于变相突破了GIL的限制。这种模型支持并发语义，也支持并行。
通过表格简单比较下这4种并发模型：
本文就先介绍到这里了，关于这些并发编程，在后面的文章中将会逐一展开。
总结
本文简单介绍了程序到执行的一个大概的过程，辨析了程序、进程、线程的概念，同时简单介绍了Python中的并发编程模型。
感谢您的拨冗阅读，希望对您有所帮助。
