进程间通信 即 IPC机制，IPC 全称为 Inter-Process Communication。
进程:正在进行的程序【代码块】,操作系统会为正在运行的程序分配内存空间 线程:本质就是一条执行路径,可以理解为是进程的子任务【迅雷多资源下载】, 一个进程可以只包含一个线程,也可以包含多个线程
IBM有个家伙做了个测试，发现切换线程context的时候，windows比linux快一倍多。进出最快的锁（windows2k的 critical section和linux的pthread_mutex），windows比linux的要快五倍左右。当然这并不是说linux不好，而且在经过实际编程之后，综合来看我觉得linux更适合做high performance server，不过在多线程这个具体的领域内，linux还是稍逊windows一点。这应该是情有可原的，毕竟unix家族都是从多进程过来的，而 windows从头就是多线程的。
这次是讲Android存储路径及IO的基本操作。因为我们在开发的时候会经常这种方便的需求。这篇文章的内容我写的可能很少，都没有细写。别吐槽。o(￣︶￣)o
在Python中,由于历史原因(GIL),使得Python中多线程的效果非常不理想.GIL使得任何时刻Python只能利用一个CPU核,并且它的调度算法简单粗暴:多线程中,让每个线程运行一段时间t,然后强行挂起该线程,继而去运行其他线程,如此周而复始,直到所有线程结束.
Python中的多进程是通过multiprocessing包来实现的，和多线程的threading.Thread差不多，它可以利用multiprocessing.Process对象来创建一个进程对象。这个进程对象的方法和线程对象的方法差不多也有start(), run(), join()等方法，其中有一个方法不同Thread线程对象中的守护线程方法是setDeamon，而Process进程对象的守护进程是通过设置daemon属性来完成的。
多进程和多线程主要区别是：线程是进程的子集，一个进程可能由多个线程组成。多进程的数据是分开的、共享复杂，需要用IPC，但同步简单；多线程共享进程数据、共享简单，但同步复杂。
前面写了三篇关于python多线程的文章，大概概况了多线程使用中的方法，文章链接如下：
Python 自带的多进程库 multiprocessing 可实现多进程。我想用这些短例子示范如何优雅地用多线程。中文网络上，有些人只是翻译了旧版的 Python 官网的多进程文档。而我这篇文章会额外讲一讲下方加粗部分的内容。
python 有自己的多进包 multiprocessing 去实现并行计算，但在 pandas 处理数据中，使用 multiprocessing 并不好使，只听见风扇转啊转，就不见运行完毕。
小程序这个名词相信大家已经不陌生了，继微信之后，阿里巴巴、百度、头条等大厂相继实现了自己的小程序。小程序是一种全新的开放能力，开发者能够快速开发出小程序并集成进宿主，实现推广等目的。
最近会开始继续 Python 的进阶系列文章，这是该系列的第一篇文章，介绍进程和线程的知识，刚好上一篇文章就介绍了采用 concurrent.futures 模块实现多进程和多线程的操作，本文则介绍下进程和线程的概念，多进程和多线程各自的实现方法和优缺点，以及分别在哪些情况采用多进程，或者是多线程。
https://blog.csdn.net/lishenglong666/article/details/8557215 ---优秀的分割线---
进程是程序执行时的一个实例，即它是程序已经执行到课中程度的数据结构的汇集。从内核的观点看，进程的目的就是担当分配系统资源（CPU时间、内存等）的基本单位。
了解关于cgi、fastCGI、php-cgi、php-fpm的概念更能加深理解。 下面是我查阅大量资料后整理的关系图供大家参考，也欢迎留言一起讨论
我们知道Node.js是以单线程的模式运行的，但它使用的是事件驱动来处理并发，这样有助于我们在多核cpu的系统上创建多个进程，从而提高性能。
进程和线程是包含关系，但是多任务既可以由多进程实现，也可以由单进程内的多线程实现，还可以混合多进程＋多线程。
上面的代码开启了5个子进程去执行函数，我们可以观察结果，是同时打印的，这里实现了真正的并行操作，就是多个CPU同时执行任务。我们知道进程是python中最小的资源分配单元，也就是进程中间的数据，内存是不共享的，每启动一个进程，都要独立分配资源和拷贝访问的数据，所以进程的启动和销毁的代价是比较大了，所以在实际中使用多进程，要根据服务器的配置来设定。
这是一个多进程爬取电影的爬虫，因为下载电影的话用单进程是在苦不堪言，速度感人 一开始就遇到了一个大坑，尅是只是用了多进程，但是没有使用队列，最后发现下载下来的数据虽然 按照我预想的规则l+0000 .ts 这种格式来命名了，但是有个致命的地方，本来文件名字就是无序的， 然后没有使用队列的多进程又再一次打乱了顺序，导致最后拼接的电影成了ppt，然后就各种百度谷歌， 现学现卖吧，写了这个多进程的队列爬虫，下载速度还过得去，还有待优化呀。 import requests import random impor
进程与线程在服务端研发中是一个非常重要的概念，如果您在学习的时候对这一块感到混乱或者不是太理解，可以阅读下本篇内容，本篇在介绍进程和线程的概念之外，列举了很多 Demo 希望能从实战角度帮助您更好的去理解。
SRS单进程能支持9000并发，nginx-rtmp单进程最多支持3000个，单进程的性能SRS是nginx-rtmp的三倍。SRS单进程性能如何做到nginx-rtmp的三倍的？SRS哪几个结构极大提升了性能？ 先来看看我们遇到的问题，RTMP协议和HTTP协议是又很大不同的。nginx在分发HLS，即m3u8文本文件和ts视频文件时，对所有连接发送的都是同一个内容，甚至可以调用sendfile让内核自己发fd去，nginx服务器自己要干的事情很少了；如果nginx必须把每个ts的内容读出来，修改里面某些
进程：一个JVM就是一个进程 线程：最小的调度单元 一个进程可以包含多个线程，在安卓中有一个主线程也就是UI线程，UI线程才可以操作界面，如果在一个线程里面进行大量耗时操作在安卓中就会出现ANR(Application Not Responding)
实际上CPU和厨师一样，都是按照菜谱(机器指令)去执行某个动作，从操作系统的角度讲当CPU切换回用户态后，CPU执行的一段指令就是线程，或者说属于某个线程。
似乎有人不知道nodejs是支持多核的？v0.10 Cluster可以搭建nodejs多核服务。v0.12重写了Cluster，据说提升了非常大的性能。
我们在日常使用Python进行各种数据计算处理任务时，若想要获得明显的计算加速效果，最简单明了的方式就是想办法将默认运行在单个进程上的任务，扩展到使用多进程或多线程的方式执行。
进程（Process）是计算机中的程序关于某数据集合上的一次运行活动，是系统进行资源分配和调度的基本单位，是操作系统结构的基础。在早期面向进程设计的计算机结构中，进程是程序的基本执行实体；在当代面向线程设计的计算机结构中，进程是线程的容器。程序是指令、数据及其组织形式的描述，进程是程序的实体。
随着项目越来越复杂，可能你们会有同样的感触，上了趟厕所回来，项目还没构建完成。然而测试还一直在催命。或许这时候你就应该去考虑下，如何去优化我们的构建速度。
进程与 线程是一个程序员的必知概念，面试经常被问及，但是一些文章内容只是讲讲理论知识，可能一些小伙伴并没有真的理解，在实际开发中应用也比较少。本篇文章除了介绍概念，通过Node.js 的角度讲解 进程与 线程，并且讲解一些在项目中的实战的应用，让你不仅能迎战面试官还可以在实战中完美应用。
我的理解中PHP-FPM使用的是这个 , 单Reactor 多进程 , 主进程Reactor接收连接请求 , 子进程处理每个连接
IPC是“Inter-Process Communication”的缩写，即进程间通信。Android为APP提供了多进程工作模式，这是因为多线程存在若干局限： 1、多线程共存于一个进程中，而该进程可用的内存容量是固定的，多线程不会拓展app可用的内存大小。所以如果app的性能瓶颈在内存，那么多线程并不能提高处理速度。 2、app在响应用户操作之外，还想完成某些系统管理的任务，比如说双守护进程防止被意外杀掉、比如说app集成第三方插件要定期推送消息，以及其他类似服务端系统管理的功能。 另外，进程间通信不局限于两个APP进程直接通信，也包括APP与系统进程通信，以及进程间通过文件、广播等手段间接通信。
一个在内存中运行的应用程序。每个进程都有自己独立的一块内存空间，一个进程可以有多个线程，比如在Windows系统中，一个运行的xx.exe就是一个进程。
Java当中的线程，进程和线程的关系？进程就是线程吗？不是的。线程的运行，和方法。
总共用时 28 秒，如果开启两条线程来执行上面的操作（假设处理器为多核 CPU），如下所示：
移动研发火热不停，越来越多人开始学习Android 开发。但很多人感觉入门容易成长很难，对未来比较迷茫，不知道自己技能该怎么提升，到达下一阶段需要补充哪些内容。市面上也多是谈论知识图谱，缺少体系和成长节奏感，特此编写一份 Android 研发进阶之路，希望能对大家有所帮助。
程序：程序是一个静态的概念。在一台电脑上，我们安装了很多程序，这些程序是可以运行的。比如我们编写一个xxx.py程序，它是静态的，静静的保存在电脑的硬盘中，等待执行。
之前一直都用python的多线程库(比如threading)来写一些并发的代码，后来发现其实用这个方法写的程序其实并不是真正的并行(parrallel)计算，而只是利用单个CPU进行的并发(concurrency)计算。因此，多线程也仅仅只在处理一些被频繁阻塞的程序时才会有效率上的提升，比如网络爬虫里等待http返回等；而在CPU使用密集的程序里使用多线程反而会造成效率的下降。那么为什么python不把threading库设计成并发的线程呢？这是因为python本身有一个全局翻译锁，叫GIL(Global Interpreter Lock)，这个锁的目的是让当前的python解释器在同一时间只能执行一条语句，从而保证程序的正确运行，这也就导致了一个python解释器只能并发处理而不能并行处理。那么，如果想并行的执行代码，显然需要开启多个python解释器，这也就不是多线程，而是多进程了，因此python在多线程库里并不支持多核处理，而是在多进程库(multiprocessing)里支持多核处理。
大家所熟悉的性能测试工具有Loadrunner、JMeter，以及其他小众一些的工具，如Locust、Ngrinder、Gatling等等，那么你们知道这些工具有什么不同吗？为什么有的工具能模拟数千上几万的并发，有的工具单机只能模拟一两千的并发，这其中的原因是什么呢？那么这节课我就来告诉大家，你所不了解性能测试工具的一面：并发模式。
不管是C/C++技术栈，还是PHP，Java技术栈，从事后端开发的朋友对nginx一定不会陌生。
当你的编写的是一个多进程的程序的时候，调试起来可能会比较困难，因为 Visual Studio 默认只会把你当前设置的启动项目的启动调试。
文章比较长，需要一些耐心才能看完 并发模型简介 并发：一个人同一时间应对多件事的能力 并行：一个人同一时间处理多件事的能力（显然一个人同一事件不能处理多件事，单核CPU不具备并行能力） 可以理解为并行是并发的一种特殊情况 并发模型的核心是为了提高提高CPU利用率，提高服务器应对大量请求，海量数据处理的能力，单核CPU性能已经难以发展，各大厂商都在通过增加CPU个数来达到硬件处理能力的提高（摩尔定律），随之而来在编程语言方面衍生出各个模型（其实就是处理问题的思路）用来压榨硬件的性能，以使自己的系统并发能力得到
看到这里，也许你会疑惑。这很正常，所以让我们带着问题来阅读本文章吧。 问题： 1、Python 多线程为什么耗时更长？ 2、为什么在 Python 里面推荐使用多进程而不是多线程？
在那篇长达两万多字加几十张图片的文章中，我看到了两个很熟悉的身影：nginx采用的多进程模型和moduo网络库采用的reactor模型，果然技术都是互通有无的。
彭渊，在Java技术领域从业十多年，曾撰写多款开源软件，历任淘宝高级专家和华为中间件首席架构师。开源代表作有Fourinone（四不像）分布式核心技术框架、CoolHash并行数据库引擎等，曾出版书籍《大规模分布式系统架构与设计实战》。 以下为作者分享的整理： 前言：“如何用70行java代码实现深度神经网络算法”一文发表后，反响非常好，为此非常感谢CSDN架构编辑钱曙光先生和机器学习编辑周建丁先生对中国原创技术实践的支持，并接受邀请，就各位朋友感兴趣的分布式核心技术Fourinone（四不像）和高性能
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频
