多线程的目的 - “最大限度地利用CPU资源”。每个程序执行时都会产生一个进程，而每一个进程至少要有一个主线程。对于单CPU来说（没有开启超线程），在同一时间只能执行一个线程，所以如果想实现多任务，那么就只能每个进程或线程获得一个时间片，在某个时间片内，只能一个线程执行，然后按照某种策略换其他线程执行。由于时间片很短，这样给用户的感觉是同时有好多线程在执行。
Python是运行在解释器中的语言，查找资料知道，python中有一个全局锁（GIL），在使用多线程(Thread)的情况下，不能发挥多核的优势。而使用多进程(Multiprocess)，则可以发挥多核的优势真正地提高效率。

代码下载

单线程、多线程和多进程的效率对比测试：github地址

对比实验

资料显示，如果多线程的进程是CPU密集型的，那多线程并不能有多少效率上的提升，相反还可能会因为线程的频繁切换，导致效率下降，推荐使用多进程；如果是IO密集型，多线程进程可以利用IO阻塞等待时的空闲时间执行其他线程，提升效率。所以我们根据实验对比不同场景的效率

信息	详情
操作系统	Windows 7 专业版 64-bit SP1
CPU	Intel Core i5 4590 @ 3.30GHz 4内核4线程
内存	8.00GB 单通道 DDR3 @ 798兆赫兹
硬盘	931GB Seagate ST1000DM003-1ER162 ATA Device (SATA)

过程展示（以CPU密集型操作为例）

• 单线程：进程1个（包含线程1个），CPU使用约24%

  
  单线程.jpg

• 多线程：进程1个（包含线程11个），CPU使用约24%

  
  多线程.jpg

• 多进程：进程11个（每个进程包含线程1个），CPU使用约100%

  
  多进程.jpg

实验结果

| CPU密集型操作| IO密集型操作| 网络请求密集型操作
-- | -- | --| --
线性操作| 69.73533328374 |17.76633326213 | 6.78833333651
多线程操作| 75.40299995740 |145.68366670609 | 1.93999997775
多进程操作| 13.97433336576 | 4.67833328247| 2.38333328565

总结

• 多线程：
  由于GIL的原因，4核的CPU最多能用到25%（1个核）
  在CPU密集型的操作下明显地比单线程线性执行性能更差，在IO密集型的操作下似乎也没有很大的优势（也许IO操作的任务再繁重一些就能体现出优势），在网络请求密集型操作（阻塞线程的操作），多线程的优势便非常显著了
• 多进程：
  无论是在CPU密集型还是IO密集型以及网络请求密集型（经常发生线程阻塞的操作）中，都能体现出性能的优势。不过在类似网络请求密集型的操作上，与多线程相差无几，但却更占用CPU等资源，所以对于这种情况下，我们可以选择多线程来执行

疑问

• 没搞明白为什么多线程的情况下， IO密集型操作数据会相差那么大~~~
  （占位---待继续更新）

参考文章

• Python中单线程、多线程和多进程的效率对比实验
• 单线程（Thread）与多线程的区别
• 多线程和多进程编程总结

仅个人观点，，欢迎留言~~~