(8)测试多线程并发执行网络密集操作所需时间
　　<code class="python">t = time.time()
　　ios = []
　　t = time.time()
　　for x in range(10):
　　thread = Thread(target=http_request)
　　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("Thread Http Request"， time.time() - t)</code>
　　Output: 0.7419998645782471、0.3839998245239258、0.3900001049041748
　　(9)测试多进程并发执行CPU密集操作所需时间
　　<code class="python">counts = []
　　t = time.time()
　　for x in range(10):
　　process = Process(target=count， args=(1，1))
　　counts.append(process)
　　process.start()
　　e = counts.__len__()
　　while True:
　　for th in counts:
　　if not th.is_alive():
　　e -= 1
　　if e <= 0:
　　break
　　print("Multiprocess cpu"， time.time() - t)</code>
　　Output: 54.342000007629395、53.437999963760376
　　(10)测试多进程并发执行IO密集型操作
　　<code class="python">t = time.time()
　　ios = []
　　t = time.time()
　　for x in range(10):
　　process = Process(target=io)
　　ios.append(process)
　　process.start()
　　e = ios.__len__()
　　while True:
　　for th in ios:
　　if not th.is_alive():
　　e -= 1
　　if e <= 0:
　　break
　　print("Multiprocess IO"， time.time() - t)</code>
　　Output: 12.509000062942505、13.059000015258789
　　(11)测试多进程并发执行Http请求密集型操作
　　<code class="python">t = time.time()
　　httprs = []
　　t = time.time()
　　for x in range(10):
　　process = Process(target=http_request)
　　ios.append(process)
　　process.start()
　　e = httprs.__len__()
　　while True:
　　for th in httprs:
　　if not th.is_alive():
　　e -= 1
　　if e <= 0:
　　break
　　print("Multiprocess Http Request"， time.time() - t)</code>
　　Output: 0.5329999923706055、0.4760000705718994
　　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 94.91824996469 22.46199995279 7.3296000004 多线程操作 101.1700000762 24.8605000973 0.5053332647 多进程操作 53.8899999857 12.7840000391 0.5045000315
　　通过上面的结果，我们可以看到：
　　多线程在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能体现出优势），在CPU密集型的操作下明显地比单线程线性执行性能更差，但是对于网络请求这种忙等阻塞线程的操作，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