Python 多线程与多进程:零基础看懂的核心区别与实战

在 Python 编程中，当我们想让程序 “同时做几件事” 时，总会绕不开线程和进程这两个概念。比如爬取多个网页、处理大批量数据、实时监控系统状态，都需要用到多线程或多进程来提升效率。本文用最通俗的语言讲清线程、进程的核心区别，以及 Python 中如何简单使用它们，零基础也能看懂。

一、先搞懂：线程和进程到底是什么？

用一个生活化的例子就能秒懂：

• 进程
  ：相当于你电脑上打开的一个 “应用程序”（比如微信、浏览器、PyCharm）。每个应用程序都是一个独立的进程，系统会给每个进程分配专属的资源（比如内存空间、CPU 时间片）。
• 线程
  ：相当于应用程序里的 “一个功能模块”（比如微信的 “接收消息”“刷朋友圈”“发文件”）。一个进程可以包含多个线程，这些线程共享进程的资源，协同完成应用的功能。

核心定义（简单版）

二、线程 vs 进程：核心区别（5 个关键点）

这是最容易混淆的部分，用表格总结核心差异，一眼看清：

举个例子：

• 多线程：你用一个浏览器（进程）同时打开 5 个标签页（线程），所有标签页共享浏览器的内存和网络连接，切换标签页几乎无延迟；
• 多进程：你打开 3 个不同的浏览器（Chrome、Edge、Firefox），每个浏览器都是独立进程，各自占用内存，进程间无法直接共享数据。

三、Python 多线程实战：用 threading 快速上手

Python 推荐用 threading 模块（高级封装，支持守护线程），而非低级的 _thread 模块。下面用 “同时打印数字和字母” 的例子，演示多线程的基本用法：

1. 基础示例：多线程执行不同任务

python

运行

import threadingimport time# 定义线程1要执行的函数：打印数字def print_numbers():    for i in range(5):        print(f"数字：{i}")        time.sleep(1)  # 暂停1秒，模拟耗时操作# 定义线程2要执行的函数：打印字母def print_letters():    for letter in ["A", "B", "C", "D", "E"]:        print(f"字母：{letter}")        time.sleep(1)if __name__ == "__main__":    # 创建线程对象    t1 = threading.Thread(target=print_numbers)    t2 = threading.Thread(target=print_letters)    # 启动线程    t1.start()    t2.start()    # 等待所有线程执行完毕（主线程阻塞）    t1.join()    t2.join()    print("所有线程执行完成！")

2. 运行结果（核心：数字和字母交替打印）

plaintext

数字：0字母：A数字：1字母：B数字：2字母：C数字：3字母：D数字：4字母：E所有线程执行完成！

关键说明：

• threading.Thread(target=函数名)
  ：创建线程对象，指定要执行的函数；
• start()
  ：启动线程（真正开始执行函数）；
• join()
  ：让主线程等待子线程执行完毕，避免主线程提前退出导致子线程被强行终止；
• 守护线程：如果想让子线程随主线程退出而结束，可设置 t1.daemon = True（比如后台监控线程）。

四、Python 多进程实战：用 multiprocessing 实现并行

Python 的 multiprocessing 模块专门处理多进程，适合 CPU 密集型任务（比如数据计算）。下面用 “多进程计算平方数” 演示用法：

1. 基础示例：多进程处理数据

python

运行

from multiprocessing import Processimport time# 定义进程要执行的函数：计算并打印平方数def calculate_square(num):    time.sleep(1)  # 模拟耗时计算    result = num * num    print(f"数字 {num} 的平方是：{result}")if __name__ == "__main__":    # 要计算的数字列表    numbers = [1, 2, 3, 4, 5]    processes = []    # 创建并启动多个进程    for num in numbers:        p = Process(target=calculate_square, args=(num,))  # args 传递参数（元组形式）        p.start()        processes.append(p)    # 等待所有进程完成    for p in processes:        p.join()    print("所有进程计算完成！")

2. 运行结果（核心：多个进程并行计算）

plaintext

数字 1 的平方是：1数字 2 的平方是：4数字 3 的平方是：9数字 4 的平方是：16数字 5 的平方是：25所有进程计算完成！

关键说明：

• Process(target=函数名, args=(参数,))
  ：创建进程对象，参数必须是元组；
• 多进程必须放在 if __name__ == "__main__": 下（Windows 系统要求，避免进程递归创建）；
• 进程间通信：如果需要进程间共享数据，可使用 Queue（队列）或 Pipe（管道），比如 from multiprocessing import Queue。

五、什么时候用多线程？什么时候用多进程？

这是最关键的选型问题，记住两个核心原则：

1. 用多线程的场景

• IO 密集型任务
  ：比如网络请求（爬虫）、文件读写、数据库操作（等待服务器响应的时间占比高）；
• 原因：IO 等待时线程会释放 CPU，切换到其他线程执行，能充分利用时间，且线程开销小。

2. 用多进程的场景

• CPU 密集型任务
  ：比如数据计算、图像渲染、复杂算法（CPU 一直处于忙碌状态）；
• 原因：Python 有 GIL（全局解释器锁），多线程无法利用多核 CPU，而多进程可绕过 GIL，充分利用多核优势。

举个例子：

• 爬取 100 个网页 → 多线程；
• 对爬取的 100 万条数据做统计计算 → 多进程。

六、总结

1. 核心概念
   ：线程是进程内的最小执行单位，进程是独立的应用程序实例；
2. 核心区别
   ：线程共享进程资源（开销小、通信简单），进程独立（开销大、通信复杂）；
3. 使用场景
   ：IO 密集型用多线程，CPU 密集型用多进程；
4. Python 工具
   ：多线程用 threading，多进程用 multiprocessing。