基础：
什么是进程(process)?
每一个程序的内存是独立的，例如：world不能访问QQ。
进程：QQ是以一个整体的形式暴露给操作系统管理，里面包含了各种资源的调用(内存管理、网络接口调用等)。启动一个QQ，也就是启动了一个进程。
什么是线程(thread)?
线程是操作系统能够进行运算调度的最小单位。线程包含在进程之中，是进程中的实际运作单位。
一个进程中最少有一个线程。
一个线程时指 进程中一个单一顺序的控制流。
一个进程中科院并发多个线程，每条线程并行执行不同的任务，线程与线程之间是相互独立的。
线程和进程的区别：
进程：对各种资源管理的集合
线程：操作系统最小的调度单位，是一串指令的集合
关系：
进程中第一个线程时主线程，主线程创建其他线程，其他线程也可以创建线程，线程之间是平等的；
进程有父进程、子进程，独立的内存空间，唯一的进程标识符，pid；
什么是上下文切换？
上下文切换，也称做进程切换或者任务切换，是指cpu从一个进程或线程切换到另一个进程或线程。举例说明，如下：
a.开启QQ和微信，先聊QQ，然后切换到微信进行聊天，再切换到QQ，这个操作就叫做上下文切换。
b.同时开启多个应用，电脑cpu配置是4核，多个应用之间进行切换时，没有卡顿现象 也完全感受不到cpu在进行任务切换，因为cpu处理很快，所以应用之间切换没有卡顿现象；
单线程：
import timeimport requestsdef get_res():
urls = ['','','','']
start = time.time()for url in urls:print(url)
resp = requests.get(url)print(resp)
end = time.time()print('单线程运行时间:', end - start)登录后复制
执行结果：
http://www.baidu.com<Response [200]>https://www.taobao.com/
<Response [200]>https://www.jd.com/
<Response [200]>http://www.meilishuo.com/
<Response [200]>单线程运行时间: 1.0470597743988037
登录后复制
解释：
a. cpu顺序被请求
b.除非cpu从一个url获取的响应，否则不会去请求下一个url
c. 网络请求会花费较长的时间，所以cpu在等待网络请求的返回时间内一直处于闲置状态
多线程：
import timeimport threadingdef run(count):#每次执行该方法，需要休息2stime.sleep(2)print(count)#开始创建多线程start = time.time()for i in range(5):#创建线程，指定运行哪个函数，也就是指定哪个函数运行需要创建多线程#target=要运行的函数名# args=函数运行传入的参数，run方法需要传入count，把创建th = threading.Thread(target=run, args=(i, ))#启动线程 th.start()#多线程创建完毕且运行结束end = time.time()print('运行时间：', end - start)登录后复制
运行结果：
解释：
a. 打印出来的运行时间统计的不是多线程的运行时间，因为没有运行run都要等待2s，所以多线程的运行时间至少为2s，那么打印的结果是什么？
打印的运行时间是 主线程的运行时间，因为在运行python文件时，如果不启动多线程，至少有一个线程在运行
线程与线程之间是相互独立的，最开始运行的是主线程，当运行到threading.Thread时，创建一个线程，创建的线程执行循环方，主线程执行其他操作
主线程不等待其他线程结束后再结束
b. 打印出的count数据是无序的，因为多线程运行run方法，并不是第一个请求结束后才进行下一个请求的，而是创建一个线程后执行run方法，接着创建另一个线程，哪个线程执行完毕就会打印出结果
c. 总共创建了5个线程
若想统计多线程总共的执行时间，也就是从开始创建线程 到 线程结束运行之间的时间(不需要考虑线程之间怎么运行的)，操作如下：
join()等待 （等待线程结束）
import timeimport threadingdef run(count):#每次执行该方法，需要休息2stime.sleep(2)print(count)#开始创建多线程start = time.time()#存放创建的所有线程threads_list = []for i in range(5):#创建线程，指定运行哪个函数，也就是指定哪个函数运行需要创建多线程#target=要运行的函数名# args=函数运行传入的参数，run方法需要传入count，把创建th = threading.Thread(target=run, args=(i, ))#启动线程 th.start()#把启动的每一个线程添加到线程组内 threads_list.append(th)for t in threads_list:#主线程循环等待每个子线程运行完毕， t代表每个子线程t.join() #等待线程结束#多线程创建完毕且运行结束end = time.time()print('运行时间：', end - start)登录后复制
执行结果：
01
2
4
3运行时间： 2.0011146068573
登录后复制
守护线程
守护线程：主线程运行结束后，不管守护线程执行是否结束，都会结束，举例说明：
比如皇帝有很多仆人，当皇帝死了之后，那么多仆人就得陪葬。
只要非守护线程结束了，不管守护线程结束没结束，程序都结束
import threadingimport timedef run(count):
time.sleep(2)print(count)for i in range(5):#循环创建线程，总共5个线程t = threading.Thread(target=run, args=(i, ))#设置守护线程,新创建的这些线程都是 主线程的 守护线程， 主线程创建一个线程后 就运行结束了 t.setDaemon(True)#启动线程，守护线程设置必须在start前面 t.start()print('over')登录后复制
GIL 全局解释器锁
例如 4核机器上
Python创建4线程，四个线程均匀分到多核上，但是同时只能一核在处理数据。
python调用操作系统、C语音的原生接口，在出口做了设置。全局解释器锁，保证数据统一
所以有人说python的线程是假线程。
在修改数据的时候，为了防止数据改乱了，所以多线程就变成串行处理，但是以为是python在处理，实际上是调用了操作系统的C语音的线程接口，所以中间的过程，python控制不了了，只知道结果。在这种情况下，设置的方式是出口控制，虽然四个线程，但是同一时间只有一个线程在工作。
所以这算是python的一个缺陷，但是也不能说是python的缺陷，是Cpython的缺陷。因为Cpython是C语音写的，以后python的未来是PYPY。
线程锁
线程锁，又叫互斥锁
线程之间沟通：保证同一时间只有一个线程修改数据
python2.x 中需要加锁，Python3.x中加不加锁都一样，因为解释器做了优化
import threadingfrom threading import Lock#创建lock对象num = 0
lock = Lock() #申请一把锁,创建锁的对象def run2():global num
lock.acquire() #修改数据前 加锁num += 1lock.release() #修改后释放解锁lis = []for i in range(5):#创建线程t = threading.Thread(target=run2)#启动线程 t.start()#将启动的线程添加到线程组内 lis.append(t)for t in lis:#等待线程运行结束 t.join()#num的值为5，执行多次后，会出现不一样的值print('over', num)登录后复制
RLock 递归锁
大锁中还有小锁、递归锁，解锁时就混了，所以用递归锁，Rlock()
import threading,timedef run1():print("grab the first part data")
lock.acquire()global num
num +=1lock.release()return numdef run2():print("grab the second part data")
lock.acquire()global num2
num2+=1lock.release()return num2def run3():
lock.acquire()
res = run1()print('--------between run1 and run2-----')
res2 = run2()
lock.release()print(res,res2)if __name__ == '__main__':
num,num2 = 0,0
lock = threading.RLock() # 声明递归锁# lock = threading.Lock() # 用互斥锁，会锁死了，弄混锁情况，可以试一下for i in range(10):
t = threading.Thread(target=run3)
t.start()while threading.active_count() != 1:print(threading.active_count())else:print('----all threads done---')print(num,num2)登录后复制
多线程的另一种写法：
import threadingimport timeclass MyThread(threading.Thread):def __init__(self, num):
threading.Thread.__init__(self)
self.num = numdef run(self): # 定义每个线程要运行的函数print("running on number:%s" % self.num)
time.sleep(3)if __name__ == '__main__':
t1 = MyThread(1)
t2 = MyThread(2)
t1.start()
t2.start()登录后复制
多进程(了解即可)：
python里面的多线程，是不能利用多核cpu的，如果想利用多核cpu的话，就得使用多进程
多进程适用CPU密集型任务
多线程适用io密集型任务
from multiprocessing import Processdef f(name):
time.sleep(2)print('hello', name)if __name__ == '__main__':for i in range(10):
p = Process(target=f, args=('niu',))
p.start()登录后复制
以上是什么是进程(process)?什么是线程？的详细内容。更多信息请关注PHP中文网其他相关文章！
