Python多進程和多線程是雞肋嘛？GIL的存在一直備受爭議，這使得Python程序無法真正利用現(xiàn)代操作系統(tǒng)的多進程特性。需要注意的是，I/O圖形處理和NumPy數(shù)學計算等耗時的操作都發(fā)生在GIL之外

Python多進程和多線程是雞肋嘛？

GIL的存在一直備受爭議，這使得Python程序無法真正利用現(xiàn)代操作系統(tǒng)的多進程特性。需要注意的是，I/O圖形處理和NumPy數(shù)學計算等耗時的操作都發(fā)生在GIL之外，基本上不受影響。真正受影響的是Python字節(jié)碼的執(zhí)行，GIL會導致性能瓶頸。簡而言之，只有當純Python用于CPU密集型多線程時，GIL才會成為問題。

什么是GIL？Python s代碼執(zhí)行由Python虛擬機控制(也叫解釋器主循環(huán)，CPython版本)。Python最初被設計成只有一個線程在解釋器主循環(huán)中運行。也就是說，每個CPU在任何時候都只有一個線程在解釋器中運行。對Python虛擬機的訪問由全局解釋鎖GIL控制，它控制一次只能運行一個線程。-單核CPU下的多線程其實是并發(fā)的，不是并行的。

并發(fā)和并行的區(qū)別

并發(fā)性:兩個或多個事件在同一時間間隔內發(fā)生，或者交替做不同的事件，或者交替執(zhí)行不同的代碼塊的能力。并行性:兩個或多個事件同時發(fā)生，或者同時執(zhí)行不同事件，或者同時執(zhí)行不同代碼塊的能力。

并發(fā)和并行的含義

并發(fā)和并行都可以處理 "多任務 "，兩者的主要區(qū)別在于多任務是否 "同時進行 "。但是涉及到任務分解(有順序依賴耦合度高的任務不能并行)、任務操作(互斥、加鎖、共享等。)，以及結果合并。

Python中的多線程在Python多線程下，每個線程的執(zhí)行模式如下:

有兩種機制可以獲得GIL并切換到這個線程來執(zhí)行正在運行的代碼:指定數(shù)量的字節(jié)碼指令(100)和15毫秒的固定時間。線程主動放棄控制，并將線程設置為睡眠狀態(tài)以釋放GIL。再次重復上述步驟。在Python2中，當解釋器解釋任何Python代碼的執(zhí)行時，都需要先獲得這個鎖(只有一個獲得了GIL的線程在同時運行，其他所有線程都在等待GIL發(fā)布)。如果是沒有I/O操作的純計算程序，解釋器會每100次操作釋放一次鎖，讓其他線程有機會執(zhí)行(這個數(shù)字可以通過調整)。正是這樣的設定，多線程CPU密集型計算顯得很雞肋，下面就說說為什么。

在python3中，GIL不使用滴答來計數(shù)(100次，釋放GIL)，而是使用定時器來代替(執(zhí)行時間達到15ms閾值后，當前線程釋放。放GIL)，使得計算次數(shù)更多，釋放次數(shù)更少，對CPU密集型程序更友好，但還是沒有解決GIL一次只能執(zhí)行一個線程的問題，所以效率還是不盡如人意。

Python s多線程一個雞肋？CPU密集型(各種循環(huán)處理，計數(shù)等。)，在這種情況下，滴答數(shù)很快就會達到閾值，然后觸發(fā)GIL的釋放和重新競爭(多線程來回切換需要資源)，所以python中的多線程對CPU密集型代碼并不友好，會觸發(fā)相當頻繁的線程切換。

IO密集型(文件處理、網絡爬蟲等。)，多線程可以有效提高效率(如果單線程下有IO操作，就會等待IO，造成不必要的時間浪費，而開啟多線程可以在線程A等待的同時自動切換到線程B，不會浪費CPU資源，從而提高程序執(zhí)行效率。一個線程從GIL獲得一個消息，然后等待返回消息(阻塞)，Python在這個時候釋放GIL。其他線程得到GIL發(fā)送的消息，然后等待返回消息(阻塞)........................................................................................................................................................所以python 的多線程對IO密集型代碼很友好。

結論是什么？I/O密集型使用多線程并發(fā)執(zhí)行提高效率，計算密集型使用多處理并行執(zhí)行提高效率。通常程序中既包含IO操作，又包含計算操作，所以這種情況下，在開始并發(fā)任務之前，可以先測試一下，測試一下多線程多進程哪種方法效率高。

請注意:多核多線程比單核多線程差。多核多進程下，CPU1釋放GIL后，其他CPU上的線程會競爭，但GIL可能馬上被CPU1拿走。CPU2釋放GIL后，其他CPU上被喚醒的線程會被喚醒，等待切換時間后再進入待調度狀態(tài)，這樣會導致線程抖動，效率降低。

多線程下的CPU密集型計算并非不可救藥。ctypes可以繞過GIL，讓py直接調用C動態(tài)庫的任何導出函數(shù)。我們要做的就是用C/C把關鍵部分寫成Python擴展，而且ctypes會在調用C函數(shù)之前釋放GIL。

同時可以了解下一個進程，也就是微線程。

協(xié)成最大的優(yōu)勢就是極高的執(zhí)行效率。因為子程序切換不是線程切換，而是由程序本身控制，所以沒有線程切換的開銷。與多線程相比，線程越多，協(xié)程的性能優(yōu)勢就越明顯。

第二個優(yōu)點是不需要多線程鎖定機制，因為只有一個線程，不存在同時寫變量的，共享資源在進程中不加鎖控制，只是判斷狀態(tài)，所以執(zhí)行效率比多線程高很多。

因為進程是一個線程執(zhí)行的，如何使用多核CPU？最簡單的方法就是多進程協(xié)調，既充分利用了多核，又充分發(fā)揮了協(xié)調的高效率，可以獲得極高的性能。

python webservice服務接口參數(shù)？

傳遞對象參數(shù)(方法1)

通過查看遠程方法，發(fā)現(xiàn)fun接口的參數(shù)類型是paramType，它有兩個屬性，P1和P2。

客戶端客戶端(url)

(參數(shù)類型)

m.p1