一、线程基础概念：进程与线程的区别、并发与并行的理解、Python中的GIL全局解释器锁

1.1 进程与线程：到底差在哪？

很多初学者问我，进程和线程到底有什么区别？我一般会打个比方：进程就像一家餐厅，线程就是里面的厨师。

餐厅有自己的场地、厨房、食材（这就是进程的资源）。厨师们共享厨房和食材，各自炒菜（这就是线程的工作方式）。如果一家餐厅倒闭了，里面的厨师自然也没活干——进程挂了，线程全完蛋。

但反过来，一个厨师切到手了，只是他那一锅菜受影响，餐厅还能继续营业——线程挂了，进程不一定挂。不过要是这个厨师把厨房点着了……嗯，那整个餐厅都得关门。

我在项目中遇到过一个问题：用多进程处理大量数据，结果内存直接爆了。后来改成多线程，内存占用降了60%，但又要处理线程安全问题。说白了，没有银弹，得根据场景选。

1.2 并发与并行：你以为是一回事？

这两个词经常被混用，但本质完全不同。我习惯这么理解：

• 并发（Concurrency）：一个人同时处理多件事，但同一时刻只做一件。比如你一边写代码一边听歌，其实是在快速切换注意力。
• 并行（Parallelism）：多个人同时做不同的事。比如你写代码，你同事写文档，同时进行。

用计算机的话说：并发是逻辑上的同时，并行是物理上的同时。

单核CPU只能实现并发，不能实现并行。多核CPU才能做到真正的并行。你想想看，如果你的电脑是4核8线程，那最多只能同时跑8个线程，其他线程都在排队等着。

1.3 Python的GIL：绕不开的坎

说到Python多线程，就不得不提GIL（Global Interpreter Lock，全局解释器锁）。很多新手一听到GIL就慌了，觉得Python多线程是废物。其实没那么夸张。

GIL是什么？简单说，Python解释器里有一把大锁，保证同一时刻只有一个线程在执行Python字节码。为什么要有这把锁？因为Python的内存管理不是线程安全的，如果不加锁，多个线程同时操作引用计数，内存分分钟崩给你看。

我刚开始学Python多线程时，写了个计算密集型的程序，开了8个线程，结果比单线程还慢。当时我就懵了——说好的多线程加速呢？后来查资料才知道是GIL搞的鬼。

那GIL到底影响什么？

• CPU密集型任务：多线程基本没用，甚至更慢。因为线程切换有开销，但计算还是只能一个一个来。
• IO密集型任务：多线程很有用。因为线程在等待IO（比如网络请求、文件读写）时会释放GIL，其他线程可以趁机执行。

举个例子：

# CPU密集型：多线程反而慢
import threading
import time

def count_down(n):
    while n > 0:
        n -= 1

# 单线程
start = time.time()
count_down(50000000)
print(f"单线程耗时: {time.time() - start}")

# 多线程
start = time.time()
t1 = threading.Thread(target=count_down, args=(25000000,))
t2 = threading.Thread(target=count_down, args=(25000000,))
t1.start()
t2.start()
t1.join()
t2.join()
print(f"多线程耗时: {time.time() - start}")

跑一下你会发现，多线程版本反而更慢。这就是GIL的“功劳”。

那怎么绕过GIL？我常用的方案有几种：

1. 用多进程：每个进程有自己的GIL，互不干扰。适合CPU密集型任务。
2. 用C扩展：比如numpy、pandas这些库，底层是C写的，执行时释放GIL。
3. 用asyncio：协程方案，单线程内实现高并发，适合IO密集型。
4. 用Jython或IronPython：它们没有GIL，但生态不如CPython。

知识体系图

嗯，以上就是线程基础的核心内容。进程和线程的区别要记牢，并发和并行的概念要分清，GIL的影响要心里有数。这些基础打好了，后面学锁、学线程池、学内存泄漏排查才会顺手。

可可精品资料库