资料已经打包好了，需要的关注公众号发送“111”领取

“用代码下载10张图片，一张下完才开始下下一张，太慢了？”

“写的监控程序，既要采集数据又要显示结果，只能二选一？”

——之前写的代码都是“单线作战”，同一时间只干一件事。今天咱们学进程和线程，这两个“并行处理神器”能让代码同时执行多个任务，下载文件、监控系统、爬虫采集都能效率翻倍，这才是Python高手的干活方式。

一、先搞懂：进程和线程是什么？

用生活场景类比最容易理解：进程是“一个独立的工厂”，有自己的厂房和设备（系统资源）；线程是“工厂里的工人”，共享厂房资源，同时干不同的活。比如打开微信（一个进程），里面的聊天、朋友圈、支付就是不同的线程。

核心关系：一个进程可以包含多个线程，线程共享进程的资源，切换速度比进程快；进程之间相互独立，资源不共享，稳定性更高。

二、多进程：让代码“开多个工厂”

多进程就是同时启动多个独立程序（工厂），适合CPU密集型任务（比如大量计算）。Python用multiprocessing模块实现多进程，跨平台兼容性好。

# 用多进程同时计算3组大数字的平方和from multiprocessing import Processimport time# 定义计算函数（CPU密集型任务）def calculate_square_sum(num_range):    start = time.time()    total = sum(x*x for x in num_range)    end = time.time()    print(f"计算结果：{total}，耗时：{end-start:.2f}秒")if __name__ == "__main__":    # 3组需要计算的数字范围    ranges = [range(1, 10000000), range(10000000, 20000000), range(20000000, 30000000)]    # 单进程执行（对比用）    print("单进程执行：")    start_single = time.time()    for r in ranges:        calculate_square_sum(r)    print(f"单进程总耗时：{time.time()-start_single:.2f}秒\n")    # 多进程执行    print("多进程执行：")    start_multi = time.time()    processes = []    # 创建3个进程    for r in ranges:        p = Process(target=calculate_square_sum, args=(r,))  # args传参数，必须是元组        processes.append(p)        p.start()  # 启动进程    # 等待所有进程完成    for p in processes:        p.join()    print(f"多进程总耗时：{time.time()-start_multi:.2f}秒")

运行后会发现，多进程总耗时不到单进程的1/3，效率提升明显。避坑点：Windows系统中，多进程代码必须放在if __name__ == "__main__"下，否则会报错。

三、多线程：让代码“多工人干活”

多线程是在一个进程里启动多个线程，适合IO密集型任务（比如下载文件、网络请求）。Python用threading模块实现多线程，比多进程更轻量。

# 用多线程同时下载3张图片（IO密集型任务）import threadingimport requestsimport time# 图片下载函数def download_image


    
(url, filename):    start = time.time()    response = requests.get(url)    with open(f"images/{filename}", "wb") as f:        f.write(response.content)    end = time.time()    print(f"《{filename}》下载完成，耗时：{end-start:.2f}秒")if __name__ == "__main__":    # 确保图片文件夹存在    import os    os.makedirs("images", exist_ok=True)    # 3张图片的下载地址（替换为实际可用地址）    image_urls = [        ("https://xxx.com/img1.jpg", "风景1.jpg"),        ("https://xxx.com/img2.jpg", "风景2.jpg"),        ("https://xxx.com/img3.jpg", "风景3.jpg")    ]    # 多线程执行    print("多线程下载开始：")    start = time.time()    threads = []    for url, name in image_urls:        t = threading.Thread(target=download_image, args=(url, name))        threads.append(t)        t.start()    # 等待所有线程完成    for t in threads:        t.join()    print(f"全部下载完成，总耗时：{time.time()-start:.2f}秒")

如果用单线程下载，总耗时是3个文件耗时之和；多线程则是“同时下载”，总耗时接近最慢的那一个文件，效率提升非常直观。

四、ThreadLocal：线程的“专属记事本”

线程共享进程资源，但有时候每个线程需要自己的“私有数据”（比如爬虫线程的cookie、用户线程的登录信息），用ThreadLocal就能给每个线程分配独立的存储空间，不用手动传递参数，代码更简洁。

# ThreadLocal的使用示例import threading# 创建ThreadLocal对象local_data = threading.local()# 线程执行函数def worker(worker_id):    # 给当前线程绑定私有数据    local_data.worker_id = worker_id    # 调用其他函数时，直接获取当前线程的私有数据    print_task()def print_task():    # 直接获取当前线程的worker_id，不用传参    print(f"线程{threading.current_thread().name}：工人编号{local_data.worker_id}，开始工作")if __name__ == "__main__":    threads = []    for i in range(3):        t = threading.Thread(target=worker, args=(i+1,), name=f"WorkerThread-{i+1}")        threads.append(t)        t.start()    for t in threads:        t.join()

运行后会看到，每个线程都能正确获取自己的worker_id，互不干扰。ThreadLocal常用来处理Web开发中的用户会话、爬虫中的线程私有配置等场景。

五、进程 vs 线程：该选哪个？一张表说清

新手最纠结“什么时候用进程，什么时候用线程”，这张对比表直接抄作业：

记住一个简单原则：计算多就用多进程，等待多就用多线程。

六、分布式进程：让多台电脑“一起干活”

如果一个任务太庞大，单台电脑的多进程/多线程也不够用，就需要“分布式进程”——让多台电脑同时执行任务，比如用10台电脑一起爬取一个大型网站的数据。Python用multiprocessing的managers模块实现分布式进程，核心是“主进程管理任务，子进程执行任务”。

# 简化版分布式进程：主进程发送任务，子进程执行# 1. 主进程（任务分发者）from multiprocessing.managers import BaseManagerimport queue# 创建任务队列和结果队列task_queue = queue.Queue()result_queue = queue.Queue()# 注册队列到网络，让子进程能访问class QueueManager(BaseManager):    passQueueManager.register('get_task_queue', callable=lambda: task_queue)QueueManager.register('get_result_queue', callable=lambda: result_queue)# 启动管理器，监听端口manager = QueueManager(address=('', 5000), authkey=b'python30')manager.start()# 获取网络队列task = manager.get_task_queue()result = manager.get_result_queue()# 发送3个任务（计算数字平方）for i in [10, 20, 30]:    print(f"发送任务：计算{i}的平方")    task.put(i)# 接收结果for _ in range(3):    r = result.get(timeout=10)    print(f"接收结果：{r}")# 关闭管理器manager.shutdown()# 2. 子进程（任务执行者，可在其他电脑运行）from multiprocessing.managers import BaseManager# 注册队列（和主进程一致）class QueueManager(BaseManager):    passQueueManager.register('get_task_queue')QueueManager.register('get_result_queue')# 连接主进程的管理器server_addr = '192.168.1.100'  # 主进程的IP地址manager = QueueManager(address=(server_addr, 5000), authkey=b'python30')manager.connect()# 获取队列并执行任务task = manager.get_task_queue()result = manager.get_result_queue()while True:    try:        n = task.get(timeout=1)        print(f"执行任务：计算{n}的平方")        result.put(f"{n}的平方是{n*n}")    except queue.Empty:        print("任务执行完毕")        break

把子进程代码放到多台电脑上运行，就能实现分布式计算，任务执行效率随电脑数量倍增。

今天的内容核心是“并行处理”：多进程和多线程解决单台电脑的效率问题，分布式进程解决多台电脑的协同问题。新手不用急于掌握分布式进程，先把多线程（处理IO任务）和多进程（处理计算任务）的基础用法练熟，日常开发就足够用了。记住，用对并行方式，代码效率能提升10倍甚至100倍。

【今日任务】用多线程实现“同时下载2张图片+播放提示音”的功能：① 下载图片用requests模块；② 播放提示音用winsound模块（Windows）或playsound模块（Mac）；③ 确保下载和播放同时进行。

以上就是今天给你分享的内容，觉得有用的话欢迎点赞收藏哦！

如果你也对Python这门编程感兴趣的话，欢迎加入我们。（小白也可以参加）

获取方式：

1.关注下方公众号↓↓↓↓

2.点赞+再看

3.在后台发送：“python” 即可领取资料福利/开通上课权限

资料已经打包好了，需要的关注公众号发送“111”领取