基础执行单元：程序 → 进程 → 线程 → 协程
1、程序 (Program)
定义：静态的代码文件，是存放在硬盘上的一堆指令集合（比如 .exe、.py、.apk）。
2、进程 (Process)
定义：进程是计算机分配资源的基本单元。程序的一次运行过程就叫进程，进程是活的，是动态的 （内存、cpu等等资源是在变化的）。每个进程有独立的内存空间，互不干扰。
特点及用途：
进程池 (Process Pool)
定义：预先创建好一批进程，重复使用，不频繁销毁重建，解决频繁创建销毁进程开销大的问题。
用途：
- 多进程并行计算：利用多核，稳定隔离，但是占用资源多
多进程的作用：提升效率，解决阻塞，在计算时CPU能得到最大限度的利用
多进程是同时运行多个独立的程序。
①利用多核 CPU，真正并行执行
多个进程可以被分配到不同 CPU 核心上同时跑，效率最大化。
②进程之间完全隔离，稳定性极高
一个进程崩溃，不会影响其他进程。适合对稳定性要求极高的系统（浏览器、数据库、游戏服务器）。
③避开 GIL 锁限制（Python 专属）
Python 多线程无法真正并行，多进程可以突破这个限制。
④独立权限、独立内存
适合需要安全隔离的场景
多个进程之间的通信
①管道（Pipe）
适用于两个进程之间的双向/单向通信（通常是父子进程或者是兄弟进程）。
特点：基于内存实现，简单高效，无需额外中间介质，但不支持多个进程同时读写（容易发生冲突）
②队列（Queue）
基于“管道 + 锁（多进程内置的互斥锁）”实现，支持多个进程之间的安全通信，是最常用的方法之一。
特点：自带进程安全保护，适合实现“生产者-消费者”模型，使用简单，无需手动处理锁冲突。
③共享内存（Value/Array）
让多个进程共享同一块内存区域，直接读写内存数据，速度最快。
特点：高效适合大量数据传输，但无内置锁保护，需要手动加锁（如 Lock）避免并发读写冲突。
④管理器（Manager）
基于“服务进程 + 客户端代理”实现，自带进程安全锁，底层依托本地网络套接字通信。支持共享复杂数据结构（字典，列表等），可以跨多个进程甚至跨机使用。
特点：功能强大，使用灵活，但基于网络通信，效率比共享内存低，适合需要共享复杂数据的场景。
⑤补充：信号/事件（同步辅助）
不传输实际数据，主要用于进程间同步（通知对方如状态变化，如“数据已准备好”）
特点：常配合其他通信方法使用，协调进程执行顺序，而非传递业务数据。
3、线程 (Thread)
定义：线程是计算机调度的基本单元。线程的作用就是用来执行代码，一个进程当中至少要有一个线程，叫做主线程，线程必须依赖进程。一个进程当中可以创建多个线程，而且这多个线程共享当前进程资源。
特点及用途：
线程池 (Thread Pool)
定义：预先创建好一批线程，重复使用，避免频繁创建线程，解决频繁创建销毁线程开销大的问题。
用途：
- 服务器处理大量请求：轻量、高效，但是受 GIL 锁限制
多线程的作用：提升效率，解决阻塞
多线程是在一个程序里，同时让多个线程干活。
①让程序不卡顿，提升用户体验
如：下载文件时，界面依然可以操作；边播放音乐边加载歌词 。
主线程管界面，子线程管耗时任务
②资源开销小、创建销毁快
线程共享内存，比进程轻量得多，系统消耗小。
③适合 I/O 密集型任务
如：网络请求、文件读写、数据库查询、等待用户输入
这些任务 CPU 大部分时间在等待，多线程能极大提升效率。
④线程间通信简单高效
因为共享内存，数据传递非常方便。
多个线程之间的通信
一般常用的有：直接共享全局变量/对象，实现简单但是没有内置线程安全保护，并发易发生错误，得手动加锁。
队列方法和多进程队列类似，内置线程互斥锁，无需手动加锁，最常用。同步原语（Event/Condition）用于协调线
程通信，不直接传递业务数据。线程之间通信的核心优势是共享进程内存，比进程通信简单高效。
4、 协程 (Coroutine)
定义：也可称为微线程，或非抢占式的多任务子例程，一种用户态的上下文切换技术（通过一个线程实现代码块间的相互切换执行）。在一个线程（协程）中，遇到io等待时间，线程可以利用这个等待时间去做其他事情。通过 “协作式调度” 实现并发，同一时刻仅一个协程执行，切换由程序主动控制（无 GIL 影响）。
特点及用途：
- 用户态调度：协程切换由 Python 程序控制（如 yield 或 await），无需操作系统介入，切换开销极小（仅保存函数上下文）
- 协作式并发：协程执行到 IO 操作或主动挂起时（await），才会切换到其他协程，避免 “抢占式调度” 的开销
- 单线程内并发：所有协程运行在同一线程中，内存共享且无需加锁（避免资源竞争），但需配合异步 IO 库使用
asyncio 模块（async/await 语法）异步IO库
asyncio是Python 标准库中用于异步编程和并发任务管理的核心库。它的基础是事件循环，用来调度协程（coroutines），让它们能够非阻塞地并发执行。这种编程模型在处理大量I/O密集型任务时非常高效，如网络操作、文件读写等。主要是控制协程的执行顺序。
事件循环
管理所有协程任务的状态（就绪 / 运行 / 挂起）。当协程挂起（如等待 IO 响应）时，切换到其他就绪协程。事件完成后，唤醒对应的协程继续执行。类似一个死循环遍历列表里面的任务，哪个可以执行哪个不可以执行，哪个可以执行就去执行。
asyncio的常用方法
async 在函数定义前面代表创建一个协程，函数调用后会返回协程，而不是直接执行 await 在协程函数中才能使用，用来等待其他异步操作的完成，也是切换协程任务执行的标志 run 启动事件循环，传入主协程 create_task() 把协程包装成并发任务，可以高并发执行这些任务 开启并发的开关 gather 并发执行多个协程任务，需要在run内部调用执行，run是启动事件循环，gather是把多个任务并发执行并收集结果（在已经启动的事件循环中） sleep 模拟异步任务中的延迟
任务执行方式：并发 vs 并行
描述多个任务如何同时运行。
1、并发 (Concurrency)
定义：一个 CPU 核心，快速切换执行多个任务，即一段时间内多个任务交替运行。
适用：IO 密集型（等待时间多）。
2、并行 (Parallelism)
定义：多个 CPU 核心，真正同时执行多个任务，即多个任务在同一时刻一起运行。
适用：CPU 密集型（计算量大）。
任务协作方式：同步 vs 异步
描述任务之间的等待关系。
1、同步 (Synchronous)
定义：任务必须排队执行，一个做完才能做下一个。
特点：简单、安全、但效率低。
用途：顺序执行的简单逻辑、数据强一致性场景。
2、异步 (Asynchronous)
定义：任务不用等待，发起后去做别的事，等结果回来再处理。
特点：高效、不阻塞、逻辑复杂。
用途：网络请求、文件读写、数据库操作等 IO 任务。
Python中如何完成函数的异步调用？
Python 中异步是“单线程非阻塞”的编程模型，核心解决 IO 密集型任务的阻塞效率问题，核心依赖“事件循环+协程”实现，底层依托生成器的暂停/恢复机制和操作系统的非阻塞 IO/IO 多路复用（select/epoll 等）。
执行逻辑：
①用 async/await 定义可暂停的协程（异步任务），注册到事件循环；
②事件循环作为总调度，执行协程时，若遇 await 等待操作，协程暂停并交还执行权，事件循环调度其他可执行协程；
③当等待的 IO 任务完成，操作系统通知事件循环，协程被标记为可恢复，后续由事件循环调度继续执行；
④直至所有协程执行完毕，事件循环终止。
特点：无线程/进程创建、切换的开销，最大化利用单线程资源；仅适用于 IO 密集型任务，CPU密集型任务更适合多进程（突破 GIL 限制）。
Python 专属限制：GIL 全局解释器锁
定义：GIL 是 Python 解释器的一种机制，其保证任意时刻仅一个线程能执行 Python 字节码。它让 Python 多线程处理 I/O 密集型任务效率尚可，但执行 CPU 密集型任务时，多核心CPU 只能发挥和单核 CPU 一样的性能。
所以由于GIL的存在，多线程只能是并发（同一时刻一个进程当中只有一个线程能执行），要实现并行，只能使用多进程，但是前提计算机cpu必须是多核。
绕过 GIL 的方式：使用多个进程，每个进程有自己的 Python 解释器和 GIL，然后多进程并行。除此之外还可以使用 Cpython 或者 C 扩展，可以释放 GIL 锁，以及 Numpy 和 SciPy等库也可以不受 GIL 限制。
