先说一下什么是进程,线程
进程：进程时计算机程序一次执行的实例，由 程序段 数据段 PCB组成，是计算机资源分配和调度的基本单位，也是线程的容器
线程：线程也叫作轻量级进程，是程序执行的最小单位，他本身只拥有少部分执行必须的资源。
进程和线程的VS（创建，通信，稳定性）：
（1）线程共享内存空间；进程的内存是独立的
（2）同一个进程的线程之间可以直接交流；两个进程想通信，必须通过一个中间代理来实现
（3）创建新线程很简单； 创建新进程需要对其父进程进行一次克隆
（4）一个线程可以控制和操作同一进程里的其他线程；但是进程只能操作子进程
（5）改变主线程（如优先权），可能会影响其它线程；多进程的稳定性好，改变父进程，不影响子进程
协程
协程又叫微线程，简单点说协程是进程和线程的升级版,进程和线程都面临着内核态和用户态的切换问题而耗费许多切换时间,而协程就是用户自己控制切换的时机,不再需要陷入系统的内核态.
Python里最常见的yield就是协程的思想!
Num01–>线程
线程是操作系统中能够进行运算调度的最小单位。它被包含在进程之中，是进程中的实际运作单位。
一个线程指的是进程中一个单一顺序的控制流。
一个进程中可以并发多条线程，每条线程并行执行不同的任务。
Num02–>进程
进程就是一个程序在一个数据集上的一次动态执行过程。
进程有以下三部分组成：
1，程序：我们编写的程序用来描述进程要完成哪些功能以及如何完成。
2，数据集：数据集则是程序在执行过程中需要的资源，比如图片、音视频、文件等。
3，进程控制块：进程控制块是用来记录进程的外部特征，描述进程的执行变化过程，系统可以用它来控制和管理进程，它是系统感知进程存在的唯一标记。
Num03–>进程和线程的区别：
1、运行方式不同：
进程不能单独执行，它只是资源的集合。
进程要操作CPU，必须要先创建一个线程。
所有在同一个进程里的线程，是同享同一块进程所占的内存空间。
2，关系
进程中第一个线程是主线程，主线程可以创建其他线程；其他线程也可以创建线程；线程之间是平等的。
进程有父进程和子进程，独立的内存空间，唯一的标识符：pid。
3，速度
启动线程比启动进程快。
运行线程和运行进程速度上是一样的，没有可比性。
线程共享内存空间，进程的内存是独立的。
4，创建
父进程生成子进程，相当于复制一份内存空间，进程之间不能直接访问
创建新线程很简单，创建新进程需要对父进程进行一次复制。
一个线程可以控制和操作同级线程里的其他线程，但是进程只能操作子进程。
5，交互
同一个进程里的线程之间可以直接访问。
两个进程想通信必须通过一个中间代理来实现。
Num04–>几个常见的概念
1，什么的并发和并行？
并发：微观上CPU轮流执行，宏观上用户看到同时执行。因为cpu切换任务非常快。
并行：是指系统真正具有同时处理多个任务（动作）的能力。
2，同步、异步和轮询的区别？
同步任务：B一直等着A，等A完成之后，B再执行任务。(打电话案例)
轮询任务：B没有一直等待A，B过一会来问一下A，过一会问下A
异步任务：B不需要一直等着A, B先做其他事情，等A完成后A通知B。（发短信案例）
Num05–>进程和线程的优缺点比较
首先，要实现多任务，通常我们会设计Master-Worker模式，Master负责分配任务，Worker负责执行任务，因此，多任务环境下，通常是一个Master，多个Worker。
如果用多进程实现Master-Worker，主进程就是Master，其他进程就是Worker。
如果用多线程实现Master-Worker，主线程就是Master，其他线程就是Worker。
多进程模式最大的优点就是稳定性高，因为一个子进程崩溃了，不会影响主进程和其他子进程。（当然主进程挂了所有进程就全挂了，但是Master进程只负责分配任务，挂掉的概率低）著名的Apache最早就是采用多进程模式。
多进程模式的缺点是创建进程的代价大，在Unix/Linux系统下，用fork调用还行，在Windows下创建进程开销巨大。另外，操作系统能同时运行的进程数也是有限的，在内存和CPU的限制下，如果有几千个进程同时运行，操作系统连调度都会成问题。
多线程模式通常比多进程快一点，但是也快不到哪去，而且，多线程模式致命的缺点就是任何一个线程挂掉都可能直接造成整个进程崩溃，因为所有线程共享进程的内存。在Windows上，如果一个线程执行的代码出了问题，你经常可以看到这样的提示：“该程序执行了非法操作，即将关闭”，其实往往是某个线程出了问题，但是操作系统会强制结束整个进程。
在Windows下，多线程的效率比多进程要高，所以微软的IIS服务器默认采用多线程模式。由于多线程存在稳定性的问题，IIS的稳定性就不如Apache。为了缓解这个问题，IIS和Apache现在又有多进程+多线程的混合模式，真是把问题越搞越复杂。
Num06–>计算密集型任务和IO密集型任务
是否采用多任务的第二个考虑是任务的类型。我们可以把任务分为计算密集型和IO密集型。
第一种：计算密集型任务的特点是要进行大量的计算，消耗CPU资源，比如计算圆周率、对视频进行高清解码等等，全靠CPU的运算能力。这种计算密集型任务虽然也可以用多任务完成，但是任务越多，花在任务切换的时间就越多，CPU执行任务的效率就越低，所以，要最高效地利用CPU，计算密集型任务同时进行的数量应当等于CPU的核心数。
计算密集型任务由于主要消耗CPU资源，因此，代码运行效率至关重要。Python这样的脚本语言运行效率很低，完全不适合计算密集型任务。对于计算密集型任务，最好用C语言编写。
第二种：任务的类型是IO密集型，涉及到网络、磁盘IO的任务都是IO密集型任务，这类任务的特点是CPU消耗很少，任务的大部分时间都在等待IO操作完成（因为IO的速度远远低于CPU和内存的速度）。对于IO密集型任务，任务越多，CPU效率越高，但也有一个限度。常见的大部分任务都是IO密集型任务，比如Web应用。
IO密集型任务执行期间，99%的时间都花在IO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，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。
多进程和多线程：
因为GIL的问题导致系统中同一时间点只能有一个线程被解释器解释，这就导致了线程无法实现并行，无法充分的利用我们计算机的多核资源，python所谓的多线程编程就类似于单核CPU情况下的多进程编程。
相比之下多进程下每个进程执行的时候都会创建一个解释器，所以就能够比较好的计算机的多和资源实现并行。
那么，我们改如何解决GIL锁的问题呢？
1.更换cpython为jpython(不建议)
2.使用多进程完成多线程的任务
3.在使用多线程可以使用c语言去实现
问题1: 什么时候会释放Gil锁,
1 遇到像 i/o操作这种 会有时间空闲情况 造成cpu闲置的情况会释放Gil
2 会有一个专门ticks进行计数 一旦ticks数值达到100 这个时候释放Gil锁 线程之间开始竞争Gil锁(说明:
ticks这个数值可以进行设置来延长或者缩减获得Gil锁的线程使用cpu的时间)
问题2: 互斥锁和Gil锁的关系
Gil锁 : 保证同一时刻只有一个线程能使用到cpu
互斥锁 : 多线程时,保证修改共享数据时有序的修改,不会产生数据修改混乱
