企业官网建设流程全解析

GIL：绕不开的那道墙

CPython解释器有一把全局锁，叫GIL。同一时刻，只有一个线程能执行Python字节码。这意味着多线程在CPU密集型任务上几乎无法并行，四个线程跑计算，总耗时可能和单线程差不多，甚至更慢。多线程的优势在I/O：当线程等待网络、磁盘、数据库时，GIL会被释放，其他线程趁机运行。所以多线程适合“等”多于“算”的场景。多进程则绕开了GIL，每个进程有独立的解释器和内存空间，能真正并行利用多核。异步则是单线程事件循环，靠协程切换，没有线程创建和上下文切换的开销。三者的分水岭，在于任务是在等，还是在算。

多线程：适合I/O密集，但别贪多

爬虫抓取网页、批量请求API、读写小文件，这些任务大部分时间在等待。多线程能让你在等一个响应时去发下一个请求，吞吐量成倍提升。但线程不是越多越好。线程切换有成本，共享内存还要加锁。锁用不好，死锁、竞态条件接踵而至。一个实用建议：I/O密集型任务，线程数可以设为CPU核数的几倍，但别动辄开几百个。用concurrent.futures.ThreadPoolExecutor管理线程池，比手动threading更稳。记住，多线程适合“等”，不适合“算”。

多进程：CPU密集的硬解法

图像处理、视频转码、科学计算、大规模数据清洗，这些任务CPU吃满。多进程让每个核心独立干活，性能随核数线性增长。multiprocessing或ProcessPoolExecutor是常用工具。但进程间不共享内存，数据传递要序列化，开销比线程大。进程启动也慢。所以任务粒度不能太细，否则通信成本吃掉并行收益。另外，Windows下多进程要放在if __name__ == '__main__':里，否则会无限递归创建进程。多进程适合“算”，但要注意数据交换的代价。

异步：高并发I/O的轻量武器

异步编程用async和await，在单线程内实现并发。协程切换由程序控制，没有线程切换的开销，内存占用极低。一个异步程序可以轻松维持上万并发连接。Web服务、API网关、实时通信、高频网络请求，异步是首选。但它要求整个调用链都是异步的，一个同步阻塞调用就能卡死事件循环。异步生态也有局限，很多库还不支持。异步适合“等”且“等得密集”的场景，代码复杂度比多线程高，调试也更难。用得好是利器，用不好是迷宫。

怎么选：看任务，也看生态

判断标准可以浓缩成一句话：CPU密集用多进程，I/O密集用多线程或异步，高并发I/O优先异步。如果任务混合了计算和I/O，可以组合使用：异步处理网络请求，把计算结果丢给进程池。Web框架里，FastAPI用异步，Django的ORM多数同步，选择要跟着生态走。没有银弹，只有权衡。先分析瓶颈在哪里：是CPU跑满，还是等待太长？用cProfile、py-spy定位，再决定用哪种并发模型。别为了并发而并发，简单场景同步代码反而最可靠。选对了工具，Python的并发能力远超你想象。