Python 并发问题如何解决？
实验室做的一个小的人脸匹配， 服务端用神经网络判断是属于哪个人， 然后把结果返回客户端， 当我们几个人用几部手机同时测试时，就出问题了， 图片同时上传到服务端， 不知道结果该返回给哪部手机。 想在服务端可以给收到的图片排个队，然后一个一个识别，把结果发到相应的客户端，不知各位有什么思路啊，求教！！
Python 并发问题如何解决？
33 回复
Python里搞并发，主要就三条路：多进程、多线程和异步IO。选哪条得看你的任务是什么类型。
1. 多进程 (multiprocessing)
适合CPU密集型任务（比如大量计算），能绕过GIL。用Process或者Pool都行。
from multiprocessing import Pool
def cpu_bound_task(x):
return x * x
if __name__ == '__main__':
with Pool(processes=4) as pool:
results = pool.map(cpu_bound_task, range(10))
print(results) # [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
2. 多线程 (threading)
适合I/O密集型任务（比如网络请求、文件读写），虽然GIL会让CPU任务变慢，但I/O等待时线程会让出GIL。
import threading
import time
def io_bound_task(name, delay):
time.sleep(delay)
print(f"Task {name} done")
threads = []
for i in range(3):
t = threading.Thread(target=io_bound_task, args=(i, 1))
t.start()
threads.append(t)
for t in threads:
t.join()
print("All threads finished")
3. 异步IO (asyncio)
这是现在处理高并发I/O的推荐方式，用单线程就能同时跑很多任务，效率高。
import asyncio
async def fetch_data(task_id, delay):
await asyncio.sleep(delay)
print(f"Task {task_id} fetched data")
return f"data_from_{task_id}"
async def main():
tasks = [fetch_data(i, 1) for i in range(3)]
results = await asyncio.gather(*tasks)
print("All async tasks done:", results)
asyncio.run(main())
简单总结：CPU用多进程，I/O用多线程或异步。
只有实验室才会出现的问题系列，O(∩_∩)O~
同步的话就木有这个问题，当然你的识别结果要快；异步的话，自然要引入回调来通知 client 端取结果。不过这个场景下，要异步的话也没什么人会用了吧，太慢了等不了
