多进程适合CPU密集型任务，利用多核并行计算，如数值处理；多线程适合I/O密集型任务，轻量高效，如网络请求。
Python中多进程和多线程都是实现并发的方式，但它们的使用场景和底层机制有明显区别。理解这些差异有助于在实际开发中做出合适选择。
多进程（multiprocessing）
每个进程拥有独立的内存空间，不共享全局变量，通过进程间通信（如Queue、Pipe）交换数据。由于Python的GIL（全局解释器锁）不影响多进程，每个进程可以真正利用多核CPU进行并行计算。
- 适合CPU密集型任务，比如数值计算、图像处理
- 进程之间更稳定，一个崩溃不会直接影响其他进程
- 创建和切换开销大，资源占用高
- 代码示例：使用multiprocessing.Process启动多个进程
多线程（thre
ading）
ading）多个线程运行在同一进程中，共享内存空间，可以直接读写全局变量。但由于Python的GIL限制，同一时间只有一个线程执行Python字节码，因此无法真正并行执行CPU密集任务。
- 适合I/O密集型任务，比如文件读写、网络请求、数据库操作
- 线程间通信简单，直接共享数据
- 轻量，创建和切换开销小
- 存在GIL限制，并发不等于并行
- 需要注意线程安全问题，比如使用锁（Lock）避免竞争条件
如何选择？
根据任务类型决定：
- CPU密集 → 多进程
- I/O密集 → 多线程
例如，同时下载多个网页用多线程更高效；而对大量数据做数学运算则应使用多进程。
基本上就这些，关键看任务是卡在CPU还是等待外部响应。选对方式，性能提升很明显。
