Python中并行处理多个任务主要是靠：
- thread 线程
- process 进程
- asyncio 非同步
process
将一个py 脚本放入到内存中，程序就变成了 一个process
process 是程序运行的实例,process 有自己的内存，通信;不同的process之间彼此独立
process 通常分为二种
- I/O密集型，cpu使用率较低，大量时间在等待网络，用户输入输出
- CPU 密集型，cpu使用率较高，在大量计算，数据分析，视频编码等
Thread 线程
线程是Process的最小单位，每个Process 至少有一个线程（主线程）；线程在同一个process内共享资源，一个线程操作不当，会导致整个process 崩溃。
CPU 执行process / thread的机制
CPU 一次只能执行一个任务，为了处理多个任务，抢占式切换任务。
抢占式切换:process保留当前状态，开辟新的内存空间，增加消耗，在同一个process里，thread 共享空间，所以开销更小。
对于多核CPU ，每个核心都能处理不同的进程。节省了大量的切换开销。
PYTHON GIL锁机制
在同一个process内，GIL是一种锁，允许任何时候只有一个线程控制 Python 解释器。在I/O 等待场景，会释放GIT锁。
GIL 的存在是为了解决竞态问题，防止多个线程彼此大家。
asyncio 异步
asyncio 使用单一线程来处理多个任务，避免了大量上下文切换带来的开销
- Coroutines 把普通函数定义为协程函数 代表该函数可以暂停/恢复
- Event loop 事件循环，负责管理执行Coroutines
- Tasks 协程具体的对象 通过asyncio.create_task()调度
- await 暂停协程的执行
协程创建之后，不会自动调用。asyncio.run（）来运行
适合 需要大量等待的小任务场景
asyncio.create_task()
让函数立即进入队列（不是立即执行，等待其他函数交出控制权）create_task() 解除等待关系，把协程交给事件循环管理；只要存在 await 的让出点，多个任务就可以交叉推进
py
await a()
await b()
# 交叉
ta = create_task(a())
tb = create_task(b())
await ta
await tbasyncio.to_thread
asyncio.to_thread 让同步阻塞代码在另一个线程运行，从而保证事件循环线程不被阻塞。
async def main():
print("start")
asyncio.create_task(
asyncio.to_thread(fetch_data)
)
print("end")| 写法 | 函数何时执行 | 当前协程是否继续 |
|---|---|---|
await to_thread() |
立即（在线程） | 否（等结果） |
create_task(to_thread()) |
立即（在线程） | 是 |
检测判断
你在 async 函数里，要调用一个函数 F
│
├─ F 是 async 协程函数？
│ │
│ ├─ 是
│ │ │
│ │ ├─ 需要等 F 的结果？
│ │ │ ├─ 是 → await F()
│ │ │ └─ 否 → create_task(F())
│ │ │
│ │ └─（结束）
│ │
│ └─ 否（F 是同步阻塞函数）
│ │
│ ├─ 需要等 F 的结果？
│ │ ├─ 是 → await asyncio.to_thread(F)
│ │ └─ 否 → create_task(asyncio.to_thread(F))
│ │
│ └─（结束）