多线程的目的 - “最大限度地利用cpu资源”。每个程序执行时都会产生一个进程，而每一个进程至少要有一个主线程。对于单cpu来说（没有开启超线程），在同一时间只能执行一个线程，所以如果想实现多任务，那么就只能每个进程或线程获得一个时间片，在某个时间片内，只能一个线程执行，然后按照某种策略换其他线程执行。由于时间片很短，这样给用户的感觉是同时有好多线程在执行。
python是运行在解释器中的语言，查找资料知道，python中有一个全局锁（gil），在使用多线程(thread)的情况下，不能发挥多核的优势。而使用多进程(multiprocess)，则可以发挥多核的优势真正地提高效率。
代码下载
单线程、多线程和多进程的效率对比测试：github地址
对比实验
资料显示，如果多线程的进程是cpu密集型的，那多线程并不能有多少效率上的提升，相反还可能会因为线程的频繁切换，导致效率下降，推荐使用多进程；如果是io密集型，多线程进程可以利用io阻塞等待时的空闲时间执行其他线程，提升效率。所以我们根据实验对比不同场景的效率
信息
详情
操作系统
windows 7 专业版 64-bit sp1
cpu
intel core i5 4590 @ 3.30ghz 4内核4线程
内存
8.00gb 单通道 ddr3 @ 798兆赫兹
硬盘
931gb seagate st1000dm003-1er162 ata device (sata)
过程展示（以cpu密集型操作为例）
单线程：进程1个（包含线程1个），cpu使用约24%
多线程：进程1个（包含线程11个），cpu使用约24%
多进程：进程11个（每个进程包含线程1个），cpu使用约100%
单线程.jpg
多线程.jpg
多进程.jpg
实验结果
cpu密集型操作
io密集型操作
网络请求密集型操作
线性操作
69.73533328374
17.76633326213
6.78833333651
多线程操作
75.40299995740
145.68366670609
1.93999997775
多进程操作
13.97433336576
4.67833328247
2.38333328565
总结
多线程：
由于gil的原因，4核的cpu最多能用到25%（1个核）
在cpu密集型的操作下明显地比单线程线性执行性能更差，在io密集型的操作下似乎也没有很大的优势（也许io操作的任务再繁重一些就能体现出优势），在网络请求密集型操作（阻塞线程的操作），多线程的优势便非常显著了
多进程：
无论是在cpu密集型还是io密集型以及网络请求密集型（经常发生线程阻塞的操作）中，都能体现出性能的优势。不过在类似网络请求密集型的操作上，与多线程相差无几，但却更占用cpu等资源，所以对于这种情况下，我们可以选择多线程来执行 程序员不是一天两天就能做成的，需要一份持续的心，多思考多变化。代码多敲就熟练了，不管天赋怎样，勤能补拙嘛，大家可以加我python交流群：58937142，里面新手资料，框架，爬虫。web都有，都是可以免费获取的，还有大牛解答各种难题，不失为是一个学习的好地方，小编在这里邀请大家加入我的大家庭。欢迎你的到来。
疑问
没搞明白为什么多线程的情况下， io密集型操作数据会相差那么大~~~