Python多進程和多線程是雞肋嘛？GIL的存在一直在是富有爭議的，它倒致Python程序不能真正利用在現(xiàn)代操作系統(tǒng)的多進程特性。需要注意的是，這對I/O圖形處理、NumPy數(shù)學可以計算這樣的需要的時

Python多進程和多線程是雞肋嘛？

GIL的存在一直在是富有爭議的，它倒致Python程序不能真正利用在現(xiàn)代操作系統(tǒng)的多進程特性。需要注意的是，這對I/O圖形處理、NumPy數(shù)學可以計算這樣的需要的時間操作都突然發(fā)生在GIL之外，實際上基本都不受影響，真正的受影響的是Python字節(jié)碼的執(zhí)行，GIL會會造成性能瓶頸的出現(xiàn)。當然，唯有在在用純Python做CPU尖銳的多線程運算時GIL會是問題。

GIL是什么Python的代碼執(zhí)行由Python虛擬機（也叫回答器主循環(huán)，CPython版本）來再控制，Python在設(shè)計什么之初就確定到在解釋器的主循環(huán)中，而只能一個線程在運行。即每個CPU在橫豎斜時刻僅有一個線程在解釋器中正常運行。對Python虛擬機ftp連接的再控制由全局解釋鎖GIL再控制，正是這個鎖來完全控制同一時刻僅有一個線程能運行?！趩魏薈PU下的多線程當然都只不過各種嚴重感染，又不是聯(lián)成一體。

并發(fā)與分頭并進區(qū)別

并發(fā)：兩個或多個事件在同一時間間隔突然發(fā)生，或則說上下交替做差別事件的能力，或者說有所不同的代碼塊上下交替不能執(zhí)行。左行：兩個也可以多個事件在同一時刻再一次發(fā)生，也可以說而做相同事件的能力，或者說不同的代碼塊同時負責執(zhí)行。

并發(fā)和并行的意義

并發(fā)和并行都也可以處理“多任務”，二者的主要區(qū)別只是相對而言是否是是“同樣進行”多個的任務。但是牽涉到到目標任務分解（有一連依賴性太強直接耦合度高的任務根本無法能夠做到右行）、任務運行（很有可能要判斷互斥、鎖、共享等）、而合并。

Python下的多線程在Python多線程下，每個線程的執(zhí)行，:：

聲望兌換GIL可以切換到這個線程去先執(zhí)行運行代碼，這里有兩種機制：委托數(shù)量的字節(jié)碼指令（100個）單獨計算時間15ms線程主動去占下操縱把線程系統(tǒng)設(shè)置為睡眠狀態(tài)釋放GIL立即重復一遍以下步驟在Python2中，在解釋器回答想執(zhí)行任何Python代碼時，都需要先完成這把鎖才行（相同時間只會有一個我得到了GIL的線程在跑，其它的線程都在耐心的等待狀態(tài)在等GIL的釋放），在遇到I/O操作時會能量這把鎖。如果沒有是純可以計算的程序，沒有I/O你的操作，回答器會每隔100次操作就能量這把鎖，讓別的線程有機會負責執(zhí)行（這個次數(shù)可以通過來根據(jù)情況）也正是我這種設(shè)定，是的多線程的CPU密集型計算相當雞肋，下面會有講又為什么會如此。

而在python3中，GIL不在用ticks數(shù)器(100次，釋放者GIL)，值改使用計時器（執(zhí)行時間都沒有達到15ms閾值后，當前線程釋放GIL），以至于執(zhí)行計算的次數(shù)大量，釋放次數(shù)降低，那樣的話對CPU密集型程序極其不友善，但仍然還沒有可以解決GIL導致的同一時間不能先執(zhí)行一個線程的問題，所以效率依然不不如人意。

那就有沒Python的多線程是沒啥用處嘛？CPU密集型(各種循環(huán)處理、計數(shù)等等)，在狀況下，ticks計數(shù)迅速變會提升到閾值，然后把可以觸發(fā)GIL的釋放與再競爭（多個線程來回快速切換是必須消耗掉資源的），所以才python下的多線程對CPU密集型代碼的確表示友好，會觸發(fā)也很不穩(wěn)定的線程直接切換。

IO密集型(文件處理、網(wǎng)絡(luò)爬蟲等)，多線程還能夠最有效提升效率(單線程下有IO操作會進行IO耐心的等待，造成不必要的時間浪費掉，而開啟多線程能在線程A再等待時，自動切換到線程B，也可以不浪費資源CPU的資源，進而能提升到程序想執(zhí)行效率，一個線程額外GIL發(fā)送消息，然后把耐心的等待前往消息（阻塞），Python此時能量GIL,其他線程得到GIL發(fā)送消息，后再則是等待返回消息（阻塞）......，這樣可以保證了IO傳輸過程時間的合理利用，會減少了IO再等待倒致的資源浪費，能提高IO傳輸效率)。所以python的多線程對IO密集型代碼比較客氣禮貌。

有哪些結(jié)論？I/O密集型可以使用多線程并發(fā)不能執(zhí)行提高效率、計算出密集型使用多進程（multiprocessing）并行先執(zhí)行提高效率。通常程序既真包含IO操作又中有計算操作,這樣的話狀況下，在開始并發(fā)任務之前，也可以先接受測試，測試出來多線程、多進程哪個效率高應該是用哪種。

請?zhí)貏e注意：多核多線程比單核多線程更差，多核多進程下，CPU1能量GIL后，其他CPU上的線程都會參與競爭，但GIL肯定會又重新被CPU1搞到，CPU2釋放者GIL后……，倒致其他幾個CPU上被再喚醒后的線程會醒著在等待到可以切換時間后又再次進入待調(diào)度狀態(tài)，這樣的會會造成線程顛跛(thrashing)，會造成效率穩(wěn)定性更好。

多線程下的CPU密集型可以計算也也不是無藥可救，這個可以利用ctypes沿著GIL，ctypes也可以使py就內(nèi)部函數(shù)任意的C動態(tài)庫的導出函數(shù)。所要做的只是因為把關(guān)鍵部分用C/C寫成Python擴展。但，ctypes會在動態(tài)創(chuàng)建C函數(shù)前施放GIL。

另外，這個可以所了解下協(xié)程，又稱微線程。

協(xié)程大的的優(yōu)勢那就是協(xié)程極高的執(zhí)行效率。畢竟子程序快速切換并非線程直接切換，只不過是由程序自身壓制，但，沒有線程可以切換的開銷，和多線程比，線程數(shù)量一定，協(xié)程的性能優(yōu)勢就越確實。

第二大優(yōu)勢是不需要多線程的鎖機制，畢竟唯有一個線程，也不存在同時寫變量，在協(xié)程中完全控制共享資源不加鎖，只必須可以確定狀態(tài)就那樣最好，因為負責執(zhí)行效率比多線程高比較多。

而且協(xié)程是一個線程不能執(zhí)行，那怎末利用多核CPU呢？最簡單的方法是多進程協(xié)程，既充分利用資源多核，又充分發(fā)揮協(xié)程的高效率，可我得到極高的性能。

python如何實現(xiàn)tkinter插入圖片？

1，必須用gimp再打開要插到的圖片。

2，隨即導出圖像，你選ppm格式通過導出來。

3，隨即修改一個imageurl的py腳本文件，與aa圖片放進相互。

4，在腳本中創(chuàng)建戰(zhàn)隊一個canvas，大小300，詳細根據(jù)自己的圖片大小設(shè)置。

5，隨后從窗口的坐標為50的位置創(chuàng)建家族繪制的自己的~a圖片。

6，在cmd窗口，直接進入自己的腳本文件夾，不能執(zhí)行pythonupload腳本命令。

7，那樣的話我們就可以實際tkinter在窗口直接插入并顯示圖片了。