84669 人学习
152542 人学习
20005 人学习
5487 人学习
7821 人学习
359900 人学习
3350 人学习
180660 人学习
48569 人学习
18603 人学习
40936 人学习
1549 人学习
1183 人学习
32909 人学习
最近看书上写的，python解释器可以“运行”多个线程，但在任一时刻，只有一个线程在运行。
我不理解的是，既然任意时刻只有一个线程在运行，那为什么还是并发编程呢？这样的话两个线程运行的时间总和不还是两个线程的运行时间相加？但是实际上又不是。
请大家帮忙解惑一下，谢谢。
一个线程被IO阻塞了，其他线程可以切换过来干活，线程切换粒度更小；
多线程用途一般分为两种，密集计算和密集IO请求。密集计算，瓶颈在于cup给这个计算的时间片和cpu能跑多快上，这时候一般通过多核并行处理，以及增加该计算的CUP时间片来达到加速计算。这时候python的多线程没什么卵用。反而会拖慢计算，因为进程的切换也是需要时间的。这部分时间就浪费了。而IO计算。瓶颈在于你一个请求发送出去的等待时间，一般走internet的tcp请求怎么也要100毫秒，而单进程，时间就白白浪费在等待这个网络传输时延上面了。而多进程通过一次发出多个请求来缩短等待时间，比如你有10个请求跑去每个请求网络等待时间100ms处理10ms那么单线程需要1100ms，而多进程同时发出10个请求，基本算同时发出 都等待100ms然后处理虽说是多进程但是因为同时只有一个运行基本算100ms那么总共就200ms当你同时并发的连接熟练越多时候效率越高
因为Python有一把超大的线程锁GIL，使得同一时刻只有一个Python线程在运行。
为什么还使用并发编程呢？
因为你需要除了使用CPU之外，Python线程还需要使用磁盘IO，网络IO的资源；
多个线程之间可以协同完成共同任务
多线程之间共享数据方便
一个线程被IO阻塞了，其他线程可以切换过来干活，线程切换粒度更小；
多线程用途一般分为两种，密集计算和密集IO请求。
密集计算，瓶颈在于cup给这个计算的时间片和cpu能跑多快上，这时候一般通过多核并行处理，以及增加该计算的CUP时间片来达到加速计算。这时候python的多线程没什么卵用。反而会拖慢计算，因为进程的切换也是需要时间的。这部分时间就浪费了。
而IO计算。瓶颈在于你一个请求发送出去的等待时间，一般走internet的tcp请求怎么也要100毫秒，而单进程，时间就白白浪费在等待这个网络传输时延上面了。而多进程通过一次发出多个请求来缩短等待时间，比如你有10个请求跑去每个请求网络等待时间100ms处理10ms那么单线程需要1100ms，而多进程同时发出10个请求，基本算同时发出 都等待100ms然后处理虽说是多进程但是因为同时只有一个运行基本算100ms那么总共就200ms当你同时并发的连接熟练越多时候效率越高
因为Python有一把超大的线程锁GIL，使得同一时刻只有一个Python线程在运行。
为什么还使用并发编程呢？
因为你需要除了使用CPU之外，Python线程还需要使用磁盘IO，网络IO的资源；
一个线程被IO阻塞了，其他线程可以切换过来干活，线程切换粒度更小；
多个线程之间可以协同完成共同任务
多线程之间共享数据方便