Python 中线程和进程有什么区别？什么时候用多线程，什么时候用多进程？

简化版

线程是同一进程内的执行流，共享内存，创建和切换成本较低，适合 I/O 密集任务；进程有独立内存空间，隔离性更好，成本更高，更适合 CPU 密集任务。由于 CPython 有 GIL，多线程通常不能让纯 Python CPU 密集代码真正并行，多进程更适合利用多核 CPU。

详细版

线程和进程可以从几个角度比较：

维度	线程	进程
内存空间	同一进程内线程共享内存	每个进程通常有独立地址空间
创建成本	较低	较高
通信方式	共享变量、Queue、锁等	Queue、Pipe、共享内存、文件、Socket 等
崩溃影响	一个线程崩溃可能影响整个进程	一个子进程崩溃通常更容易隔离
适合任务	网络请求、文件 I/O、数据库 I/O	图像处理、压缩、计算、模型推理等 CPU 密集任务

典型选择：

I/O 密集：多线程或异步 I/O；
CPU 密集：多进程，或交给释放 GIL 的 C 扩展、NumPy、外部服务；
需要隔离：多进程；
需要共享大量内存且逻辑简单：线程可能更方便，但必须处理同步问题。

示例：

from concurrent.futures import ThreadPoolExecutor, ProcessPoolExecutor

def io_task(url):
    return fetch(url)

def cpu_task(n):
    return sum(i * i for i in range(n))

with ThreadPoolExecutor(max_workers=20) as pool:
    results = list(pool.map(io_task, urls))

with ProcessPoolExecutor(max_workers=4) as pool:
    results = list(pool.map(cpu_task, numbers))

面试时要说清：并发是同时处理多个任务，并行是同一时刻真正多个任务一起执行；Python 线程能提升 I/O 并发，但纯 Python CPU 并行通常要靠多进程。

完整版教学

一、先区分并发和并行

并发强调“同时处理多个任务”，并不要求同一时刻真的多个任务都在 CPU 上运行。一个线程等待网络返回时，另一个线程可以继续做别的事，这就是并发价值。

并行强调“同一时刻多个任务真正一起执行”，通常需要多核 CPU 或多台机器。

Python 面试里很多问题绕来绕去，其实都在问：你的任务到底是 I/O 等待多，还是 CPU 计算多？

二、线程为什么适合 I/O 密集任务

I/O 密集任务的大量时间花在等待外部资源：

等网络响应；
等数据库返回；
等磁盘读写；
等第三方接口。

等待期间 CPU 是空的。多线程可以让一个线程等待 I/O 时，另一个线程继续运行。

from concurrent.futures import ThreadPoolExecutor

def download(url):
    return request_url(url)

with ThreadPoolExecutor(max_workers=20) as pool:
    for content in pool.map(download, urls):
        handle(content)

即使存在 GIL，I/O 等待期间线程通常会释放执行机会，所以多线程仍然能显著提升吞吐。

三、进程为什么适合 CPU 密集任务

CPU 密集任务主要消耗 CPU，比如：

大量数学计算；
图片压缩；
视频转码；
纯 Python 循环计算；
加密解密、解析大量数据。

在 CPython 中，GIL 会让同一进程内多个 Python 线程执行字节码时互相竞争。纯 Python CPU 密集任务用多线程不一定更快，甚至可能因为线程切换更慢。

多进程有独立解释器和独立 GIL，可以更好利用多核：

from concurrent.futures import ProcessPoolExecutor

def compute(n):
    return sum(i * i for i in range(n))

with ProcessPoolExecutor(max_workers=4) as pool:
    results = list(pool.map(compute, [10_000_000] * 8))

四、共享内存是优点也是风险

线程共享同一进程内的对象，传数据很方便：

items.append(value)

但共享也意味着竞争。多个线程同时修改同一个对象，可能导致数据错乱，需要 Lock、Queue 等同步工具。

进程之间默认不共享普通对象，隔离性更好，但通信成本更高。传给子进程的数据通常需要序列化，这对大对象会有明显开销。

五、工程中怎么做选择

可以按这个顺序判断：

任务主要在等外部资源吗？优先线程池或异步 I/O；
任务主要在吃 CPU 吗？优先进程池；
是否要强隔离，避免某个任务拖垮主进程？倾向进程；
是否需要频繁共享大量状态？线程更方便，但同步复杂；
是否已经使用 NumPy、Pandas 等释放 GIL 的 C 扩展？线程也可能有效。

这个判断比背“线程轻、进程重”更有面试价值。

六、常见误区与追问

维度	线程	进程
地址空间	同进程内共享	默认相互隔离
切换和创建成本	较低	较高
CPython CPU 并行	受 GIL 限制	可利用多核
适合任务	I/O 密集、等待多	CPU 密集、隔离要求高

误区：并发和并行是同一个概念。 并发强调任务交替推进，并行强调同一时刻真的同时执行；单核也能并发，多核才更容易并行。
误区：Python 线程完全没有价值。 I/O 阻塞期间线程可以切换，网络请求、文件等待、数据库调用等场景仍可能明显受益。
误区：进程一定适合所有高并发任务。 进程隔离好但成本高，海量短 I/O 任务用进程可能浪费内存和调度资源。
追问：为什么 CPU 密集任务常用多进程？ CPython 的 GIL 限制同一进程内多个 Python 线程同时执行字节码，多进程能让多个解释器进程分布到多核。
追问：线程共享内存是优点还是风险？ 两者都是：共享让通信简单，但共享可变状态需要锁，否则容易竞态。
追问：工程上如何回答选择题？ 先判断任务瓶颈是等待 I/O 还是消耗 CPU，再看数据共享、隔离、启动成本和部署资源。

记忆钩子：线程省成本、适合等 I/O；进程隔离强、适合吃 CPU；别把“并发”和“并行”混着答。

七、加强记忆

线程轻、共享内存、适合 I/O；进程重、隔离性强、适合 CPU。Python 里还要补上 GIL 这个限制：多线程不是纯 Python CPU 密集任务的多核加速器，但对 I/O 并发依然很有用；要跑满多核，通常选择多进程或释放 GIL 的底层扩展。

简化版

详细版