第 17 讲：并发编程模型——GIL、线程与进程的选择策略

大家好，我是正在实战各种 AI 项目的程序员晚枫。

Python 的 GIL 限制了多线程，但我们可以通过多进程和异步 IO 实现真正的并发。

---

🧵 线程 vs 进程

CPU 密集型 vs IO 密集型

import threading
import multiprocessing
import time

def cpu_bound_task(n):
    """CPU 密集型任务"""
    count = 0
    for i in range(n):
        count += i ** 2
    return count

def io_bound_task(url):
    """IO 密集型任务"""
    import requests
    return requests.get(url).status_code

# CPU 密集型：用多进程（绕过 GIL）
if __name__ == '__main__':
    with multiprocessing.Pool(4) as pool:
        results = pool.map(cpu_bound_task, [1000000] * 4)

# IO 密集型：用多线程
threads = []
for url in urls:
    t = threading.Thread(target=io_bound_task, args=(url,))
    threads.append(t)
    t.start()

选择指南

场景	推荐方案	原因
CPU 密集型	多进程	绕过 GIL，利用多核
IO 密集型	多线程/异步	GIL 在 IO 时释放
大量连接	异步 IO	资源占用最少

---

🎯 本讲总结

GIL 的影响：多线程不能并行执行 CPU 密集型任务。

线程 vs 进程：根据场景选择合适的并发模型。

选择指南：CPU 密集型用多进程，IO 密集型用多线程或异步。

---

📚 推荐教材

《Python 编程从入门到实践（第 3 版）》 | 《流畅的 Python（第 2 版）》 | 《CPython 设计与实现》

学习路线： 零基础 → 《从入门到实践》 → 《流畅的 Python》 → 本门课程 → 《CPython 设计与实现》

---

🔗 课程导航

← 上一讲：类型提示 | 下一讲：异步编程 →

---

💬 联系我

平台	账号/链接
微信	扫码加好友
B 站	Python 自动化办公社区

主营业务：AI 编程培训、企业内训、技术咨询

进群

嗨，扫码 进群

微信