我阅读了试图获得基本理解的文档，但它只表明ProcessPoolExecutor 允许回避Global Interpreter Lock，我认为这是锁定变量或函数的方法，这样并行进程就不会更新它同时具有价值。
我正在寻找的是何时使用ProcessPoolExecutor，何时使用ThreadPoolExecutor，以及在使用每种方法时我应该记住什么！
【问题讨论】：
标签： python python-3.x multithreading parallel-processing python-3.5
ProcessPoolExecutor 在自己独立的子进程中运行您的每个工作人员。
ThreadPoolExecutor 在主进程的不同线程中运行每个工作线程。
全局解释器锁 (GIL) 不只是锁定变量或函数；它锁定了整个解释器。这意味着每个内置操作，包括像 listodicts[3]['spam'] = eggs 这样的东西，都是自动线程安全的。
但这也意味着，如果您的代码受 CPU 限制（也就是说，它会花费时间进行计算，而不是等待网络响应等），并且不会将大部分时间花在旨在发布的外部库中GIL（如 NumPy），一次只有一个线程可以拥有 GIL。所以，如果你有 4 个线程，即使你有 4 个甚至 16 个内核，大多数时候，其中 3 个会坐在那里等待 GIL。因此，您的代码不会快 4 倍，而是会慢一点。
同样，对于 I/O 绑定代码（例如，等待一堆服务器响应您发出的一堆 HTTP 请求），线程就可以了；仅对于受 CPU 限制的代码，这是一个问题。
每个独立的子进程都有自己独立的 GIL，因此这个问题就消失了——即使您的代码受 CPU 限制，使用 4 个子进程仍然可以使其运行速度快近 4 倍。
但是子进程不共享任何变量。通常，这是一件好事——您将值作为参数传递（副本）给您的函数，然后返回（副本）值，并且进程隔离保证您安全地执行此操作。但偶尔（通常是出于性能原因，但有时也因为您传递无法通过pickle 复制的对象），这是不可接受的，因此您要么需要使用线程，要么使用更复杂的显式共享multiprocessing 模块中的数据包装器。
【讨论】：
ProcessPool 用于 CPU 密集型任务，因此您可以从多个 CPU 中受益。
Threads 用于 io 绑定任务，因此您可以从 io wait 中受益。
【讨论】：