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），在使用多进程(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。
　　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
　　操作系统 CPU 内存 硬盘 Windows 10 双核 8GB 机械硬盘 (1)引入所需要的模块
　　<code class="python">import requests
　　import time
　　from threading import Thread
　　from multiprocessing import Process</code>
　　(2)定义CPU密集的计算函数
　　<code class="python">def count(x， y):
　　# 使程序完成150万计算
　　c = 0
　　while c < 500000:
　　c += 1
　　x += x
　　y += y</code>
　　（3）定义IO密集的文件读写函数
　　<code class="python">def write():
　　f = open("test.txt"， "w")
　　for x in range(5000000):
　　f.write("testwrite ")
　　f.close()
　　def read():
　　f = open("test.txt"， "r")
　　lines = f.readlines()
　　f.close()</code>
　　(4) 定义网络请求函数
　　<code class="python">_head = {
　　'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML， like Gecko) Chrome/48.0.2564.116 Safari/537.36'}
　　url = "http://www.tieba.com"
　　def http_request():
　　try:
　　webPage = requests.get(url， headers=_head)
　　html = webPage.text
　　return {"context": html}
　　except Exception as e:
　　return {"error": e}</code>
　　(5)测试线性执行IO密集操作、CPU密集操作所需时间、网络请求密集型操作所需时间
　　<code class="python"># CPU密集操作
　　t = time.time()
　　for x in range(10):
　　count(1， 1)
　　print("Line cpu"， time.time() - t)
　　# IO密集操作
　　t = time.time()
　　for x in range(10):
　　write()
　　read()
　　print("Line IO"， time.time() - t)
　　# 网络请求密集型操作
　　t = time.time()
　　for x in range(10):
　　http_request()
　　print("Line Http Request"， time.time() - t)</code>
　　输出
　　CPU密集：95.6059999466、91.57099986076355 92.52800011634827、 99.96799993515015
　　IO密集：24.25、21.76699995994568、21.769999980926514、22.060999870300293
　　网络请求密集型: 4.519999980926514、8.563999891281128、4.371000051498413、4.522000074386597、14.671000003814697
　　(6)测试多线程并发执行CPU密集操作所需时间
　　<code class="python">counts = []
　　t = time.time()
　　for x in range(10):
　　thread = Thread(target=count， args=(1，1))
　　counts.append(thread)
　　thread.start()
　　e = counts.__len__()
　　while True:
　　for th in counts:
　　if not th.is_alive():
　　e -= 1
　　if e <= 0:
　　break
　　print(time.time() - t)</code>
　　Output: 99.9240000248 、101.26400017738342、102.32200002670288
　　(7)测试多线程并发执行IO密集操作所需时间
　　<code class="Python">def io():
　　write()
　　read()
　　t = time.time()
　　ios = []
　　t = time.time()
　　for x in range(10):
　　thread = Thread(target=count， args=(1，1))
　　ios.append(thread)
　　thread.start()
　　e = ios.__len__()
　　while True:
　　for th in ios:
　　if not th.is_alive():
　　e -= 1
　　if e <= 0:
　　break
　　print(time.time() - t)</code>
　　Output: 25.69700002670288、24.02400016784668