为什么在python里推荐使用多进程而不是多线程

Python多线程下，每个线程的执行方式为：1、获取GIL2并执行代码，直到sleep或者python虚拟机挂起为止。
3.释放GIL表明，如果一个线程想要执行，必须首先获得GIL。
我们可以把GIL看成是“通行证”，在一个python进程中，只有一个GIL。
无法获得通行证的线程不允许进入CPU执行。
在Python2.x中，GIL的释放逻辑是当前线程遇到IO操作或者ticks计数达到100（ticks可以看做是Python本身的一个计数器，专门用于GIL，每次释放后都会重置为零）这个计数可以通过sys.setcheckinterval来调整）并释放。
每次释放GIL锁时，线程都会竞争锁并切换线程，从而消耗资源。
并且由于GIL锁的存在，Python中的一个进程同时只能执行一个线程（获得GIL的线程才能执行）。
这就是Python在多核CPU上多线程效率不高的原因。
那么python的多线程就完全没有用了吗？这里我们讨论分类：1.CPU密集型代码（各种循环处理、计数等）。
这种情况下，由于计算工作量很大，tick计数很快就会达到阈值，然后触发GIL的释放和释放。
又是竞争（多线程之间来回切换肯定会消耗资源），所以python下的多线程对于CPU密集型代码并不友好。
2、对于IO密集型代码（文件处理、网络爬虫等），多线程可以有效提高效率（单线程下会有IO等待IO操作，造成不必要的时间浪费，开启多线程）线程化可以有效提高效率，当线程A等待时，自动切换到线程B，不浪费CPU资源，从而提高程序执行效率）。
因此，python的多线程对于IO密集型代码更加友好。
在Python3.存在一个线程能够执行的问题，所以效率还是不理想。
请注意：多核多线程比单核多线程差。
原因是在单核多线程下，每次释放GIL时，唤醒的线程都可以获得GIL锁，因此可以无缝执行。
但多核下，CPU0被释放。
GIL之后，其他CPU上的线程会竞争，但是GIL可能会立即被CPU0获得，导致其他几个CPU上被唤醒的线程会被唤醒等待切换时间，然后进入待调度状态。
这会导致线程抖动并导致效率降低。
回到最初的问题：我们经常听到老手说：“如果你想在Python中充分利用多核CPU，就使用多进程”。
原因是什么？原因是：每个进程都有自己独立的GIL，互不干扰，这样才能真正意义上的并行执行。
因此，在python中，多进程的执行效率要优于多线程（仅针对多核CPU）。
所以这里得出结论：多核下，如果想要并行提高效率，比较常见的方法就是使用多进程，这样可以有效提高执行效率。

Python多线程是什么意思？

简单来说，作为唯一可以支持多线程的解释性语言（Perl的多线程被禁用，而PHP没有多线程），Python的多线程被破坏了，任何时候都只有一个Python解释器在解释它。
.Python字节码。
更新：正如评论中指出的，Ruby也有线程支持，并且至少RubyMRI有一个GIL。
如果您的代码是CPU密集型的，则具有多个线程的代码可能会线性运行。
所以这种情况下多线程就没用了，而且由于上下文切换，效率可能还不如单线程。
但是，如果你的代码是IO密集型的，多线程可以大大提高效率。
例如，当你构建一个爬虫时（我不明白为什么Python总是与爬虫联系在一起......但我只能想到这个例子......）爬虫主要是在等待套接字返回数据。
。
此时，C代码已经releaseGIL了，所以最终的结果就是一个线程等待IO的同时，其他线程可以继续运行。
另一方面，您不应该使用Python编写CPU密集型代码...效率就在那里...如果您确实需要在CPU密集型代码中使用并发性，请使用多处理库。
该库基于多进程实现了类多线程的API接口，并部分使用pickles实现了变量共享。
还有一件事，如果你不知道你的代码是CPU密集型还是IO密集型，还有一种方法。
多处理模块有一个虚拟子模块，用于实现多线程多处理API。
要实现concurrencyfrommultiprocessingimportPool，假设您使用的是使用多个进程的多处理池。
按如下方式更改此代码将导致concurrencyfrommultiprocessing.dummyimportPool的多线程实现：采取哪种方法更快。
更新：我刚刚发现Concurrent.futures其中包括ThreadPoolExecutor和ProcessPoolExecutor。
这比多处理更简单。