python并发

1，线程（Thread）
使用多线程可以有效的利用CPU资源（Python例外）。然而多线程所带来的程序的复杂度也不可避免，尤其是对竞争资源的同步问题。 然而在python中由于使用了全局解释锁（GIL）的原因，代码并不能同时在多核上并发的运行，也就是说，Python的多线程不能并发，使用多线程来改进自己的Python代码后，程序的运行效率却下降了。
实际上使用多线程的编程模型是很困难的，程序员很容易犯错，这并不是程序员的错误，因为并行思维是反人类的，我们大多数人的思维是串行，而且冯诺依曼设计的计算机架构也是以顺序执行为基础的。所以如果你总是不能把你的多线程程序搞定。
Python提供两组线程的接口：一是thread模块，提供基础的，低等级（Low Level）接口，使用Function作为线程的运行体。还有一组是threading模块，提供更容易使用的基于对象的接口（类似于Java），可以继承Thread对象来实现线程，还提供了其它一些线程相关的对象。例如Timer，Lock ：
使用thread模块的例子：

import threaddef worker():    """thread worker function"""    print 'Worker'thread.start_new_thread(worker)

使用threading模块的例子：

import threadingdef worker():    """thread worker function"""    print 'Worker't = threading.Thread(target=worker)t.start()

2，进程 （Process）
由于前文提到的全局解释锁的问题，Python下比较好的并行方式是使用多进程，这样可以非常有效的使用CPU资源，并实现真正意义上的并发。当然，进程的开销比线程要大，也就是说如果你要创建数量惊人的并发进程的话，需要考虑一下你的机器是不是有一颗强大的心。 Python的mutliprocess模块和threading具有类似的接口。

from multiprocessing import Processdef worker():    """thread worker function"""    print 'Worker'p = Process(target=worker)p.start()p.join()

由于线程共享相同的地址空间和内存，所以线程之间的通信是非常容易的，然而进程之间的通信就要复杂一些了。常见的进程间通信有：

管道，消息队列，Socket接口（TCP/IP）等等

Python的mutliprocess模块提供了封装好的管道和队列，可以方便的在进程间传递消息。 Python进程间的同步使用锁，这一点和线程是一样的。 另外，Python还提供了进程池Pool对象，可以方便的管理和控制线程。
3，远程分布式主机 （Distributed Node）
随着大数据时代的到临，数据的计算和处理需要分布式的计算机网络来运行，程序并行的运行在多个主机节点上，已经是现在的软件架构所必需考虑的问题。
远程主机间的进程间通信有几种常见的方式

1. TCP／IP
   TCP／IP是所有远程通信的基础，然而API比较低级别，使用起来比较繁琐，所以一般不会考虑 ;

2. 远程方法调用 Remote Function Call
   RPC是早期的远程进程间通信的手段。Python下有一个开源的实现RPyC ;

3. 远程对象 Remote Object
   远程对象是更高级别的封装，程序可以想操作本地对象一样去操作一个远程对象在本地的代理。