Python中多线程与多进程的两种使用方式有什么区别？

简单说，多线程是“一个院子多个人干活”，多进程是“多个院子各干各的”。

核心区别：

• 多线程：共享同一个进程的内存空间，适合I/O密集型任务（比如网络请求、文件读写）。Python有GIL锁，CPU密集型任务用多线程基本没提升。
• 多进程：每个进程有独立内存，通过IPC通信，适合CPU密集型任务，能充分利用多核。

两种使用方式对比：

1. 直接使用threading/multiprocessing模块：

import threading
import multiprocessing

# 多线程示例
def thread_task():
    print(f"Thread {threading.current_thread().name}")

threads = [threading.Thread(target=thread_task) for _ in range(3)]
for t in threads:
    t.start()
for t in threads:
    t.join()

# 多进程示例  
def process_task():
    print(f"Process {multiprocessing.current_process().name}")

processes = [multiprocessing.Process(target=process_task) for _ in range(3)]
for p in processes:
    p.start()
for p in processes:
    p.join()

1. 使用concurrent.futures高级API：

from concurrent.futures import ThreadPoolExecutor, ProcessPoolExecutor
import time

def task(n):
    time.sleep(0.5)
    return n * n

# 线程池 - I/O密集型
with ThreadPoolExecutor(max_workers=3) as executor:
    results = list(executor.map(task, range(5)))
    print(f"Thread results: {results}")

# 进程池 - CPU密集型  
with ProcessPoolExecutor(max_workers=3) as executor:
    results = list(executor.map(task, range(5)))
    print(f"Process results: {results}")

怎么选：

• I/O密集型（网络、磁盘操作）→ 用多线程或ThreadPoolExecutor
• CPU密集型（计算、数据处理）→ 用多进程或ProcessPoolExecutor
• 简单任务用直接模块，复杂任务用concurrent.futures更简洁

一句话建议：根据任务类型选对并发方式，别让GIL拖慢你的CPU任务。