进程、线程、I/O密集、计算密集
1. 进程和程序
程序只有被装在到内存中之后才能运行，而执行这个程序的主体就叫做进程。程序是一系列指令的集合，描述了进程应该如何执行这个程序，是静态的。进程是程序的一次执行活动，是动态的。
2. 多任务
线程和进程出现的目的都是为了实现多任务，只是对象层级不一样。进程是操作系统级别上的并发，线程是进程级别上的并发。
多任务实现的三种方式：
- 多进程
- 单进程+多线程
- 多进程+多线程
多进程的使用让单核 cpu 或者多核 cpu 并发处理命令成为可能。就比如早期的单核 cpu，虽然 cpu 执行代码都是顺序执行的，但是却利用多个进程之前的来回切换实现了伪多线程。因为速度足够快，用户基本无感，基本上满足了多任务的需求。
而如今的多核 cpu 基本上采用的是单进程中创建多个线程来执行程序，一台电脑可以开启很多个程序并发执行。多进程+多线程的程序相对较少；
3. 多进程的优缺点
优点：
- 健壮性更强，更加稳定；
缺点：
- 创建进程的代价大；
- 创建进程的数量有限，当大于 cpu 核数时仍然会出现等待的情况；
- 进程之间的通信消耗大，设计和实现复杂；
4. 多线程的优缺点
优点
- 线程的创建相对简单；
- 资源占用少；
- 线程之间的通信相对简单；
缺点
- 一个线程出问题可能导致整个程序出问题；
5. cpu最小调度单位
线程是 cpu 调度的最小单位。
也就是说进程可以被分配内存和资源，但是 cpu 的调度不是以进程为最小单位的。虽然进程调度器会在合适的时机为进程分配 cpu 时间，让其去执行程序的代码，但是进程最少有一个线程，也就是主线程，所以最终仍然是在线程中执行 cpu 操作。
6. 资源共享问题
进程中的线程的资源是共享的，线程一般不具备内存和资源。因此，在线程之间进行且换要比进程之间切换容易得多，消耗也会少很多。进程之间的通信需要使用的 ipc。
但是进程中的线程之间的内存和资源是共享的，如果一个线程中的内存使用发生错误，且这个内存会影响全局，那么程序就会崩溃。但是进程之间因为是相互隔离的，一个进程奔溃了，其他进程完全不会受影响。
所以，多进程程序会更加健壮，但是涉及到 IPC，程序的运行效率可能会稍微地下，早期的 Apach 服务器就是如此设计的。
7. I/O密集型和计算密集型
所有代码的执行本质上都是需要 cpu 来计算，唯一的区别就是有的计算很少，cpu花费的时间也就很少，比如 1+1 和计算圆周率。
所谓I/O操作是指内存与I/O设备之间进行信息交换。
I/O密集型任务以信息的交换为主，基本不消耗 CPU，因为 I/O 操作一般会委托中间人来进行，比如 DMA。所以，当 I/O 任务完成，需要使用到 cpu 时才调度 cpu 来执行代码，因为基本不需要计算，cpu 很快将代码执行完成然后就挂起等待下一次的召唤。所以 I/O 密集型任务执行期间，99%的时间都花在 I/O 操作上，花在CPU上的时间很少。因此，用运行速度极快的 C 语言替换用 Python 这样运行速度极低的脚本语言，提升的效率 = 语言提升的效率 * 1%，也就是完全无法提升运行效率。对于IO密集型任务，最合适的语言就是开发效率最高（代码量最少）的语言，脚本语言是首选，C语言最差。
I/O密集型任务，任务数量越多使其不处于等待状态，就越能够利用 cpu。当然又有个限度，见后文。
计算密集型服务器收到的任务就不是 get 这么简单了，而是一个计算请求，如果涉及到内存、硬盘的访问，仍然是 i/o操作 + cpu 执行代码。但是因为这个计算很复杂，所以相对而言，I/O 操作所占用的时间比例就很小了。此时，最高效的使用 cpu 的任务数量是和 cpu 核数一样的任务数。这样每个任务独占一核，不需要切勿之间的切换，最高效的处理复杂计算任务。
此时会涉及到一个问题，就是编程语言的效果会直接决定 cpu 的计算速度。因为 c 语言更接近底层，说白了就是对cpu 的使用效率更高，这就决定了相同的计算请求，js首先需要对代码进行解释，解释完了之后可能还需要层层解剖之后才能最终走到汇编和 01 的二进制计算，中间的转换就消耗了很多时间。而 c 语言在这上面更有优势，编译完之后的代码本身就是二进制代码，省去了很多的中间步骤，对 cpu 的使用自然更加高效，最终的结果就是在计算密集型需求上，c 语言的优势随着计算密集性的增大而更大。因此 c/c++ 在计算复杂的领域有着不可替代的地位，比如大型游戏开发。而脚本语言比如 JS 则在计算需求很少的 Web 领域大放异彩。
8. 并发的限度
无论是多进程还是多线程，只要数量一多，效率肯定上不去，为什么呢？
我们打个比方，假设你不幸正在准备中考，每天晚上需要做语文、数学、英语、物理、化学这5科的作业，每项作业耗时1小时。
如果你先花1小时做语文作业，做完了，再花1小时做数学作业，这样，依次全部做完，一共花5小时，这种方式称为单任务模型，或者批处理任务模型。
假设你打算切换到多任务模型，可以先做1分钟语文，再切换到数学作业，做1分钟，再切换到英语，以此类推，只要切换速度足够快，这种方式就和单核CPU执行多任务是一样的了，以幼儿园小朋友的眼光来看，你就正在同时写5科作业。
但是，切换作业是有代价的，比如从语文切到数学，要先收拾桌子上的语文书本、钢笔（这叫保存现场），然后，打开数学课本、找出圆规直尺（这叫准备新环境），才能开始做数学作业。操作系统在切换进程或者线程时也是一样的，它需要先保存当前执行的现场环境（CPU寄存器状态、内存页等），然后，把新任务的执行环境准备好（恢复上次的寄存器状态，切换内存页等），才能开始执行。这个切换过程虽然很快，但是也需要耗费时间。如果有几千个任务同时进行，操作系统可能就主要忙着切换任务，根本没有多少时间去执行任务了，这种情况最常见的就是硬盘狂响，点窗口无反应，系统处于假死状态。
所以，多任务一旦多到一个限度，就会消耗掉系统所有的资源，结果效率急剧下降，所有任务都做不好。
9. 总结
- 进程是用来执行程序的；
- 线程是 cpu 最小调度单位；
- I/O 密集服务器更适合多任务，使用C/C++ 语言并不能提高性能；
- 计算密集服务器任务数最好是和核数相等，应该使用高性能的 C/C++ 语言；
