目录

一、多任务基础：并发与并行

1. 什么是多任务

2. 两种表现形式

二、进程：操作系统资源分配的最小单位

1. 进程的概念

2. 多进程实现多任务

2.1 基础示例：边听音乐边敲代码

2.2 带参数的进程任务

2.3 进程编号与应用注意点

2.3.1 进程编号的作用

2.3.2 关键注意点

三、线程：程序执行的最小单位

1. 线程的概念

2. 多线程实现多任务

3. 线程的核心特性

四、进程与线程的对比

五、协程：用户态的轻量级线程

1. 协程的概念

2. 核心优势

3. 基于asyncio实现协程

4. 协程的适用场景与注意事项

六、总结：如何选择多任务方案

---

在日常开发中，我们经常会遇到需要同时处理多个任务的场景，比如网盘同时下载多个文件、程序一边播放音乐一边执行计算。这些都离不开多任务编程技术。本文将基于 Python，从多任务的基础概念出发，详细讲解进程、线程与协程三种实现方式，帮助你轻松掌握多任务编程的核心逻辑。

一、多任务基础：并发与并行

1. 什么是多任务

多任务指在同一时间内执行多个任务，比如电脑同时运行微信、浏览器和代码编辑器。其核心价值是充分利用 CPU 资源，提升程序执行效率。

2. 两种表现形式

多任务的实现分为 “并发” 和 “并行”，二者的核心区别在于是否 “真正同时执行”：

（1）并发：单核 CPU 场景下，操作系统轮流让多个任务交替执行（如任务 1 执行 0.01 秒→切换到任务 2 执行 0.01 秒）。由于 CPU 速度极快，表面上看起来任务在同时运行。适用场景：任务数量＞CPU 核心数。

（2）并行：多核 CPU 场景下，每个核心分别执行一个任务，多个任务真正同时进行。适用场景：任务数量≤CPU 核心数。

二、进程：操作系统资源分配的最小单位

1. 进程的概念

进程（Process）是操作系统进行资源分配和调度的基本单位，一个正在运行的程序就是一个进程（如打开的微信、Chrome 浏览器）。一个程序运行后至少会创建一个主进程。

2. 多进程实现多任务

通过 Python 的multiprocessing模块，我们可以创建子进程，让多个任务并行执行。

核心步骤

（1）导入multiprocessing模块；
（2）用multiprocessing.Process()创建进程对象，指定目标任务（函数名）；
（3）调用start()方法启动进程。

2.1 基础示例：边听音乐边敲代码

import multiprocessing
import time# 任务1：听音乐
def music():for i in range(3):print("听音乐...")time.sleep(0.2)# 任务2：敲代码
def coding():for i in range(3):print("敲代码...")time.sleep(0.2)if __name__ == '__main__':# 创建进程对象music_process = multiprocessing.Process(target=music)coding_process = multiprocessing.Process(target=coding)# 启动进程music_process.start()coding_process.start()

2.2 带参数的进程任务

通过args（元组）或kwargs（字典）给任务传递参数：

if __name__ == '__main__':# 元组传参（注意逗号）music_process = multiprocessing.Process(target=music, args=(3,))# 字典传参coding_process = multiprocessing.Process(target=coding, kwargs={'count': 3})music_process.start()coding_process.start()

2.3 进程编号与应用注意点

2.3.1 进程编号的作用

每个进程都有唯一编号（PID），用于区分主进程和子进程，方便进程管理。通过os模块获取：

(1)os.getpid()：获取当前进程编号；

（2）os.getppid()：获取父进程编号（创建当前进程的进程）。

2.3.2 关键注意点

（1）进程间不共享全局变量：子进程会拷贝主进程的资源，修改子进程的全局变量不会影响主进程；

（2）主进程与子进程的结束顺序：默认主进程会等待所有子进程执行完再结束。若需主进程结束时子进程也终止，可：

• 设置守护进程：process.daemon = True；
• 手动终止子进程：process.terminate()。

三、线程：程序执行的最小单位

1. 线程的概念

线程（Thread）是进程内的执行单元，共享进程的所有资源（如内存、文件句柄）。一个进程默认有一个主线程，可创建多个子线程，就像 “一个 QQ 打开两个聊天窗口”，既实现多任务又节省资源。

2. 多线程实现多任务

通过threading模块实现，步骤与多进程类似，且资源开销更低、启动速度更快。

基础示例

import threading
import timedef music():for i in range(3):print("听音乐...")time.sleep(0.2)def coding():for i in range(3):print("敲代码...")time.sleep(0.2)if __name__ == '__main__':# 创建线程对象music_thread = threading.Thread(target=music)coding_thread = threading.Thread(target=coding)# 启动线程music_thread.start()coding_thread.start()

3. 线程的核心特性

• 共享全局变量：同一进程内的线程共享全局变量（如列表、字典），但需注意 “线程安全”（需用锁避免数据竞争）；
• 执行顺序无序：线程的执行由 CPU 调度决定，无法保证顺序；
• 守护线程：设置thread.daemon = True，主线程结束时子线程自动终止。

四、进程与线程的对比

特性	进程（Process）	线程（Thread）
定义	资源分配最小单位	程序执行最小单位
资源开销	高（独立内存、资源）	低（共享进程资源）
启动速度	慢	快
全局变量共享	不共享（需 IPC 通信）	共享（需锁保证安全）
适用场景	CPU 密集型任务（如计算、数据分析）	I/O 密集型任务（如网络请求、文件读写）
模块	multiprocessing	threading

五、协程：用户态的轻量级线程

1. 协程的概念

协程（Coroutine）是用户态的轻量级线程，通过 “协作式调度” 实现并发 —— 无需操作系统介入，仅需保存寄存器上下文，切换效率极高。

2. 核心优势

• 无锁机制：避免多线程的同步开销；
• 高并发：单线程内可处理数千个 I/O 密集型任务；
• 代码简洁：用async/await语法，以同步风格写异步逻辑。

3. 基于asyncio实现协程

asyncio是 Python 官方协程库，核心是 “事件循环”（管理协程的执行）。

基础示例

import asyncio# 定义协程函数（用async修饰）
async def my_coroutine():print("Start")# 非阻塞等待（替代time.sleep，不阻塞事件循环）await asyncio.sleep(1)print("End")# 启动事件循环
asyncio.run(my_coroutine())

并发执行多个协程

用asyncio.create_task()创建任务，asyncio.gather()并发执行：

async def task(name, delay):await asyncio.sleep(delay)print(f"{name} completed")async def main():# 创建任务列表tasks = [asyncio.create_task(task("A", 2)),asyncio.create_task(task("B", 1))]# 并发执行await asyncio.gather(*tasks)asyncio.run(main())
# 输出：B completed → A completed（按完成时间排序）

4. 协程的适用场景与注意事项

• 适用场景：I/O 密集型任务（如网络爬虫、API 调用），结合aiohttp（异步 HTTP 库）可大幅提升效率；
• 注意事项：

（1）协程内禁用time.sleep()等同步操作，需用asyncio.sleep()；

（2）需 Python 3.7+，推荐用asyncio.run()管理事件循环。

（3）不适合 CPU 密集型任务（需结合多进程）；

六、总结：如何选择多任务方案

1. CPU 密集型任务（如计算、矩阵运算）：用多进程（绕过 Python GIL 锁，利用多核 CPU）；
2. I/O 密集型任务（如网络请求、文件读写）：优先用协程（效率最高、资源开销最低），其次用多线程；
3. 简单多任务场景：若无需多核利用，用多线程（实现简单、通信方便）。