大幅提升執行效率：解析Python多執行緒和多進程的效能差異與使用情境

最近在調整跟優化效能時，又來複習了 Multi-threading 和 Multiprocessing 的概念，在面對大數據時，能夠有效利用多核心處理器的能力，對於提升程式執行效能至關重要。

Python 提供多線程(Multi-threading) 和多進程 (Multiprocessing) 的功能，讓開發者可以很好的去運用硬體資源，加速任務執行，以下討論這兩功能的優勢與差異，以及適合的使用情境。

bing 眼裡的 multi-threading / multi-process

多線程（Multi-threading）與多進程（Multiprocessing）的概念

多線程與多進程都是用於實現並行處理的技術，但其差異在於處理資源的方式。-

• 多線程是指在同一進程中運行多個執行緒，共享相同的記憶體空間
• 多進程則是啟動多個獨立的進程，每個進程擁有獨立的記憶體空間。

由於Python的全局解釋器（GIL）限制了同一進程中只有一個執行緒可以執行Python指令，多線程在某些情況下可能無法充分利用多核處理器，而多進程可以避免這個限制。(GIL 概念可以參考底下連結)

所以有些時候，multi-threading 無法完全發揮到它的功能。

使用時機

多線程(Multi-threading)

多線程適用於I/O密集型任務，例如網路請求、檔案處理等。Python的threading模組提供了多線程的支援。使用多線程的好處在於：I/O 密集型任務： 多執行緒適用於處理需要等待外部資源（如網路請求、檔案讀寫、資料庫查詢等）的工作。因為執行緒在等待資源時，GIL的影響相對較小，而等待外部資源的時間佔據大部分，多執行緒可以更有效地利用等待時間。

• 使用多線程：
• • I/O密集型任務，如網路請求、檔案處理。
  • 介面應用程式中的非同步任務，如UI更新。
  • 使用threading.Thread類別來建立執行緒，避免GIL限制的影響。
• 使用多進程：
• • CPU密集型任務，如運算密集型計算、圖像處理。
  • 使用multiprocessing.Process類別建立進程，充分利用多核心處理器。

參考資料: Python的全局解釋器（GIL）