在python 进程、线程 (一)中简单的说过，CPython中的GIL使得同一时刻只能有一个线程运行，即并发执行。并且即使是多核CPU，GIL使得同一个进程中的多个线程也无法映射到多个CPU上运行，这么做最初是为了安全着想，慢慢的也成为了限制CPython性能的问题。
　　
　　就像是一个线程想要执行，就必须得到GIL，否则就不能拿到CPU资源。但是也不是说一个线程在拿到CPU资源后就一劳永逸，在执行的过程中GIL可能会释放并被其他线程获取，所以说其它的线程会与本线程竞争CPU资源。
　　
　　在understand GIL：http://www.dabeaz.com/python/UnderstandingGIL.pdf中有关于GIL释放和GIL的概要。
　　
　　多线程在python2中：当一个线程进行I/O的时候会释放锁，另外当ticks计数达到100（ticks可以看作是Python自身的一个计数器，也可对比着字节码指令理解，专门做用于GIL，每次释放后归零，这个计数可以通过 sys.setcheckinterval 来调整)。锁释放之后，就涉及到线程的调度，线程的锁进行，线程的切换。这是会消耗CPU资源，因此会造成程序性能问题和等待时延。特别是在CPU密集型代码时。
　　
　　但是对于多进程，GIL就无法限制，多个进程可以再多个CPU上运行，充分利用多核优势。事情往往是相对的，虽然可以充分利用多核优势，但是进程之间的切换却比线程的切换代价更高。
　　
　　所以选择多线程还是多进程，主要还是看怎样权衡代价，什么样的情况。
　　
　　1、CPU密集代码
　　
　　下面来利用斐波那契数列模拟CPU密集运算。
　　
　　def fib(n):
　　
　　# 求斐波那契数列的第n个值
　　
　　if n<=2:
　　
　　return 1
　　
　　return fib(n-1)+fib(n-2)
　　
　　<1>、多进程
　　
　　打印第25到35个斐波那契数，并计算程序运行时间
　　
　　import time
　　
　　from concurrent.futures import ThreadPoolExecutor, as_completed
　　
　　from concurrent.futures import ProcessPoolExecutor
　　
　　def fib(n):
　　
　　if n<=2:
　　
　　return 1
　　
　　return fib(n-1)+fib(n-2)
　　
　　if __name__ == "__main__":
　　
　　with ProcessPoolExecutor(3) as executor: # 使用进程池控制 每次执行3个进程
　　
　　all_task = [executor.submit(fib, (num)) for num in range(25,35)]
　　
　　start_time = time.time()
　　
　　for future in as_completed(all_task):
　　
　　data = future.result()
　　
　　print("exe result: {}".format(data))
　　
　　print("last time is: {}".format(time.time()-start_time))
　　
　　# 输出
　　
　　exe result: 75025
　　
　　exe result: 121393
　　
　　exe result: 196418
　　
　　exe result: 317811
　　
　　exe result: 514229
　　
　　exe result: 832040
　　
　　exe result: 1346269
　　
　　exe result: 2178309
　　
　　exe result: 3524578
　　
　　exe result: 5702887
　　
　　last time is: 4.457437038421631
　　
　　输出结果，每次打印三个exe result，总重打印十个结果，多进程运行时间为4.45秒
　　
　　<2>、多线程
　　
　　import time
　　
　　from concurrent.futures import ThreadPoolExecutor, as_completed
　　
　　from concurrent.futures import ProcessPoolExecutor
　　
　　def fib(n):
　　
　　if n<=2:
　　
　　return 1
　　
　　return fib(n-1)+fib(n-2)
　　
　　if __name__ == "__main__":
　　
　　with ThreadPoolExecutor(3) as executor: # 使用线程池控制 每次执行3个线程
　　
　　all_task = [executor.submit(fib, (num)) for num in range(25,35)]
　　
　　start_time = time.time()
　　
　　for future in as_completed(all_task):
　　
　　data = future.result()
　　
　　print("exe result: {www.gcyl152.com/ }".format(data))
　　
　　print("last time is: {}".format(time.time()-start_time))
　　
　　# 输出
　　
　　exe result: 121393
　　
　　exe result: 75025
　　
　　exe result: 196418
　　
　　exe result: 317811
　　
　　exe result: 514229
　　
　　exe result: 832040
　　
　　exe result: 1346269
　　
　　exe result: 2178309
　　
　　exe result: 3524578
　　
　　exe result: 5702887
　　
　　last time is: 7.3467772006988525
　　
　　最终程序运行时间为7.34秒
　　
　　程序的执行之间与计算机的性能有关，每天计算机的执行时间都会有差异。从上述结果中看显然多线程比多进程要耗费时间。这就是因为对于密集代码(密集运算，循环语句等)，tick计数很快达到100，GIL来回的释放竞争，线程之间频繁切换，所以对于密集代码的执行中，多线程性能不如对进程。
　　
　　第一步导入依赖
　　
　　implementation 'com.squareup.retrofit2:adapter-rxjava2:2.4.0'
　　
　　implementation 'com.squareup.retrofit2:converter-gson:2.4.0'
　　
　　implementation 'io.reactivex.rxjava2:rxandroid:2.1.0'
　　
　　implementation 'cn.bingoogolapple:bga-banner:2.2.4@aar'
　　
　　创建BaseService
　　
　　import java.util.Map;
　　
　　import io.reactivex.Observable;
　　
　　import okhttp3.ResponseBody;
　　
　　import retrofit2.http.GET;
　　
　　import retrofit2.http.POST;
　　
　　import retrofit2.http.QueryMap;
　　
　　import retrofit2.http.Url;
　　
　　public interface BaseService {
　　
　　@GET
　　
　　Observable<ResponseBody> get(@Url String url, @QueryMap Map<String, String> map);
　　
　　@POST
　　
　　Observable<ResponseBody>www.gcyL157.com post(@Url www.michenggw.com String url, @QueryMap Map<String, String> map);
　　
　　工具类
　　
　　import java.io.IOException;
　　
　　import java.util.HashMap;
　　
　　import java.util.Map;
　　
　　import io.reactivex.Observer;
　　
　　import io.reactivex.www.yigouyule2.cn android.schedulers.AndroidSchedulers;
　　
　　import io.reactivex.disposables.Disposable;
　　
　　import io.reactivex.schedulers.Schedulers;
　　
　　import okhttp3.ResponseBody;
　　
　　import retrofit2.Retrofit;
　　
　　import retrofit2.adapter.rxjava2.RxJava2CallAdapterFactory;
　　
　　public class HttpHelper11 www.mhylpt.com{
　　
　　private BaseService mBaseService;
　　
　　public HttpHelper11(){
　　
　　Retrofit retrofit=new Retrofit.Builder()
　　
　　.addCallAdapterFactory(RxJava2CallAdapterFactory.create())
　　
　　.baseUrl("http://www.zhaoapi.cn/")
　　
　　.build();
　　
　　mBaseService=retrofit.create(BaseService.class);
　　
　　}
　　
　　//get请求
　　
　　public HttpHelper11 get(String url, Map<String,String> map){
　　
　　if(map==null){
　　
　　map=new HashMap<>();
　　
　　}
　　
　　mBaseService.get(url,map)
　　
　　.subscribeOn(Schedulers.io(www.mcyllpt.com/))
　　
　　.observeOn(AndroidSchedulers.mainThread())
　　
　　.subscribe(observer);
　　
　　return this;
　　
　　}
　　
　　//post请求
　　
　　public HttpHelper11 post(String url, Map<String,String> map){
　　
　　if(map==null){
　　
　　map=new HashMap<www.dfgjyl.cn>();
　　
　　}
　　
　　mBaseService.post(url,map)
　　
　　.subscribeOn(Schedulers.io())
　　
　　.observeOn(AndroidSchedulers.mainThread())
　　
　　.subscribe(observer);
　　
　　return this;
　　
　　}
　　
　　private Observer observer=new Observer<ResponseBody>() {
　　
　　@Override
　　
　　public void onSubscribe(Disposable d) {
　　
　　}
　　
　　@Override
　　
　　public void onNext(ResponseBody responseBody) {
　　
　　try {
　　
　　String data= responseBody.string();
　　
　　listener.success(data);
　　
　　} catch (IOException e) {
　　
　　e.printStackTrace(www.365soke.com);
　　
　　}
　　
　　}
　　
　　@Override
　　
　　public void onError(Throwable e) {
　　
　　String error= e.getMessage();
　　
　　listener.fail(error);
　　
　　}
　　
　　@Override
　　
　　public void onComplete() {
　　
　　}
　　
　　};
　　
　　private HttpListener listener;
　　
　　public void result(HttpListener listener){
　　
　　this.listener=listener;
　　
　　}
　　
　　public interface HttpListener {
　　
　　void success(String data);
　　
　　void fail(String error);
　　
　　}
　　
　　}