多进程和多线程,并发和并行

1. 多进程 (Multiprocessing)

示例：假设你需要进行大量的文件处理任务，比如读取多个文件、处理内容并写入新文件。

• 如何使用多进程：
  • 你可以为每个文件创建一个独立的进程，每个进程处理一个文件。
  • 每个进程在操作系统层面上拥有独立的内存空间，互不干扰。
  • 如果你有四核 CPU，操作系统可以将这些进程分配给不同的核心进行并行处理，提高效率。

实际应用：如图像处理、视频编码等计算密集型任务，它们可以通过多进程来分摊计算负载，每个进程执行不同的计算任务。

2. 多线程 (Multithreading)

示例：你正在开发一个 web 服务器，服务器需要同时处理多个用户的请求（比如访问不同的网页）。

• 如何使用多线程：
  • 每一个用户请求可以由一个线程来处理。所有线程共享服务器的内存和资源，例如共享缓存数据。
  • 线程间的通信和数据共享更容易（通过共享内存），但也需要注意同步，以避免并发问题。
  • 如果是多核 CPU，多个线程可以同时在不同核心上执行，增强服务器的响应能力。

实际应用：如网络服务、数据库连接池等场景，线程之间需要频繁的资源共享，适合使用多线程来处理高并发请求。

3. 并发 (Concurrency)

示例：你有一个任务是同时进行多个 I/O 操作（如网络请求、文件读写等），但系统只有一个 CPU 核心。

• 如何使用并发：
  • 虽然系统只有一个核心，但通过操作系统的调度，可以在短时间内交替执行多个任务。例如，任务 1 正在等待网络响应，操作系统可以切换到任务 2，继续执行文件操作。这样看起来像是同时进行，但实际上是任务间的切换。
  • 操作系统通过时间片轮转等机制，实现任务的“并发”，即在一个 CPU 上交替执行多个任务。

实际应用：如高并发的网络爬虫，爬虫需要同时发送多个请求，虽然只有一个 CPU 核心，但通过任务调度（并发）能有效地提高 I/O 操作的效率。

4. 并行 (Parallelism)

示例：假设你需要处理一个大规模的图像处理任务，比如对大量图片进行滤镜处理。

• 如何使用并行：
  • 如果你的系统有多个 CPU 核心（例如四核），你可以将任务分成 4 个子任务，每个子任务分别在一个核心上处理不同的图片。
  • 这样所有图片的处理是同时进行的，充分利用了多核 CPU 的计算能力，显著提高处理速度。

实际应用：如深度学习模型训练、科学计算、视频渲染等场景，这些任务往往计算密集型，并且可以通过并行化加速处理过程。

[!TIPS] 并发和并行的区别就是: 并行就是多个任务同时进行;并发并不是多个任务同时进行，而是多个任务轮流进行，因为调度得好，从而看上去是同步进行的. (==并发就是多进程通过进程调度算法调度从而实现的==)

---

总结：具体例子对比

任务类型	举例：图片处理任务	举例：Web 服务器	举例：网络爬虫	举例：科学计算
多进程	每个进程处理一张图片（独立进程）	每个用户请求一个进程处理（多个用户请求并行）	不常见，进程间通信开销大	每个进程处理一个计算任务（分布式计算）
多线程	不适用（图片处理通常不需要共享资源）	每个请求一个线程处理，线程共享数据	合适，线程共享内存、频繁I/O	适合计算任务的拆分（如大规模模拟）
并发	不常见（计算任务通常不能并发）	多个请求轮流处理（在一个核心上交替执行）	多个网络请求交替执行	适合 I/O 密集型任务（单核）
并行	同时处理多个图片（多核 CPU）	多个请求同时处理（多核 CPU）	适合在多核机器上同时发起请求	多个计算任务同时执行（多核 CPU）

每种方法都适用于不同的场景：多进程适合任务独立且计算密集型；多线程适合任务间需要频繁交互的场景；并发强调任务的调度和交替执行；而并行则适合计算任务的加速和负载分配。