“線程是并發(fā)還是并行？進程又是并發(fā)還是并行？”面試官這問題一出口，我腦子里先是一片空白，然后開始快速檢索我那臺老舊大腦里的緩存——到底誰是并發(fā)，誰是并行？

作為一個寫 Python 的程序員，我平時寫多線程的機會說多也不多，說少吧也不算少，但真讓我嘴上整出個定義，還真容易一臉懵。

所以，這篇就當給自己和大家補個課，也算是個“面試保命指南”。

并發(fā)和并行，到底啥區(qū)別？
先別急著答問題，我們得先整明白“并發(fā)”和“并行”到底是個啥。

? 并發(fā)（Concurrency）：多個任務在“同一個時間段”交替執(zhí)行，看起來像同時發(fā)生，但其實是你一下、我一下，大家輪流干活。比如單核 CPU 模擬多線程運行，就是通過任務切換來實現(xiàn)的。
? 并行（Parallelism）：多個任務在“同一時刻”真的同時執(zhí)行。比如多核 CPU 上一個線程一個核，大家一起跑步，不用輪流。
用個比喻：你一個人炒三個菜，這叫并發(fā)；你找倆室友一人炒一個，這叫并行。

那線程和進程呢？是并發(fā)還是并行？
這問題本身其實是個陷阱，因為“線程”和“進程”是實現(xiàn)單位，不是“方式”。他們可以是并發(fā)，也可以是并行，關鍵在于你的操作系統(tǒng)和硬件怎么安排。

但我們以 Python 的角度來看，事情就復雜了一點：

Python 中的線程：通常是并發(fā)
原因：GIL（全局解釋器鎖）

上面這個程序跑起來，你會發(fā)現(xiàn)就算你電腦有 8 核，也還是用不到幾個核。因為 GIL 存在于 CPython（Python 最主流的實現(xiàn)）中，限制了同一時刻只能有一個線程在執(zhí)行 Python 字節(jié)碼。

所以多線程在 Python 中，CPU 密集型任務是并發(fā)（輪流跑），但不是并行。

不過，如果你是搞 IO 密集型的事（比如網(wǎng)絡請求、讀寫文件），Python 的線程還是挺香的，因為線程會在等待 IO 的時候切出去，讓其他線程繼續(xù)跑，這就很高效。

Python 中的進程：可以并行
用 multiprocessing 模塊就能創(chuàng)建多個子進程，每個進程有自己獨立的內(nèi)存空間和 GIL，所以可以真正實現(xiàn)并行。

這時候你的 CPU 就是真的雙核齊飛了，能感受到明顯的加速。

面試中怎么答更靠譜？
面試官一問你線程并發(fā)還是并行，你要先反問一句：“您是指 Python 中的嗎？”

然后根據(jù)情況出招：

? 如果是 Python 的線程：并發(fā)（主要受 GIL 限制）
? 如果是 Python 的進程：并行（多核執(zhí)行，互不干擾）
? 補充一句：如果是其他語言（比如 Java、C++）的線程，那線程也可能實現(xiàn)并行，因為它們沒有 GIL。
順便丟一句“IO 密集型任務用線程，CPU 密集型任務用進程”，再加點示例代碼，完事收工。

日常開發(fā)咋選？線程還是進程？
我自己覺得還是得看場景：

? 爬蟲、文件下載、數(shù)據(jù)庫操作：線程更輕便，適合用 threading 或 concurrent.futures.ThreadPoolExecutor
? 大規(guī)模數(shù)據(jù)計算、圖像處理、模型訓練：果斷用 multiprocessing，或者更高級的并行框架，比如 joblib, dask 等
當然，寫了這么多，不如現(xiàn)場背一段“金句”，比如：

“在 Python 中，由于 GIL 的限制，線程多用于 IO 密集型任務，而進程更適合 CPU 密集型任務，實現(xiàn)真正的并行計算。”

你這一說，八成面試官也懵了，咱算是扳回一局。

下次再有人問我線程并發(fā)還是并行，我可得先笑一下，再扔一段代碼，讓他看看咱也是刷過面經(jīng)的“資深調(diào)度器”。

以上就是“python面試題：線程是并發(fā)還是并行，進程是并發(fā)還是并行？”的詳細內(nèi)容，想要了解更多Python教程歡迎持續(xù)關注編程學習網(wǎng)。