第一章 并发编程基础：线程、进程与GIL

说实话，我刚接触并发编程时，也觉得这玩意儿离业务代码挺远的。

直到有一次线上服务「卡死」，排查了整整一个下午，才发现是某个线程池配置不当引发的死锁。嗯，从那天起我才真正意识到——并发不是加分题，而是必修课。

进程与线程：两条腿走路

进程和线程，说白了就是操作系统的两种「调度单位」。

进程是个「重量级」的东西。每个进程都有自己的内存空间、文件描述符、堆栈。进程之间的通信，得靠管道、消息队列、共享内存这些机制。我印象特别深——早年做一个图像处理服务，一上来就用多进程，结果内存直接飙到两三个GB。后来换了线程池，内存占用降了一半多。

线程就轻巧多了。线程共享进程的内存空间，创建和销毁的代价小得多。同一个进程里的线程，可以共用全局变量、堆上的对象。注意，这里有个坑——共享也意味着竞争。

我把它们的主要区别整理了一下：

Python的GIL：一块甩不掉的枷锁

GIL全称是Global Interpreter Lock，全局解释器锁。

很多刚入行的朋友问我：Python的多线程是不是假的？

我说——不是假的，但有代价。GIL保证同一时刻只有一个线程在执行Python字节码。你开十个线程，CPU核心就在那里排队干活。也就是说，多线程对CPU密集型任务基本没有加速效果。

为什么会这样？

Python的内存管理不是线程安全的。如果没有GIL，一个线程释放对象，另一个线程正好访问它，程序立马崩。CPython选择了一个简单的方案——加一把大锁，全锁住。你可以说它保守，但它稳。

那GIL下，多线程就完全没用了吗？

当然不是。你想想看，如果任务在等待I/O——比如读文件、发HTTP请求、查数据库——线程会主动释放GIL。这个时候，其他线程就能跑。所以，对I/O密集型场景，多线程依旧有效。我个人做过一个压测：用Python写了一个简单的Web服务器，单线程每秒处理300个请求，换成4个线程干到了1100+。

并发与并行：一字之差，天壤之别

这两个概念经常被混着用。我当年踩过这个坑——面试时被问到，差点答成一样的。

• 并发：多个任务在同一时间段内交替执行。单核CPU也能实现，靠的是时间片切换。
• 并行：多个任务在同一时刻真正同时执行。必须有多个CPU核心。

你想象一下：你在写代码，邮件在后台下载，音乐在播放。这是并发。如果是你和同事各自写各自的，互不干扰，那是并行。

用四个字概括：并发是逻辑上的同时，并行是物理上的同时。

GIL导致Python的多线程没法实现真正的并行。但多进程可以——每个进程有自己的GIL，各跑各的。这也是为什么我们在做高性能计算时，通常会选多进程，或者干脆换Go、Java。

懂了这些概念，你再去配置连接池、调优线程数，心里就有底了。