Python多進(jìn)程和多線程是雞肋嘛？GIL的存在一直在是富有爭(zhēng)議的，它倒致Python程序不能真正利用在現(xiàn)代操作系統(tǒng)的多進(jìn)程特性。需要注意的是，這對(duì)I/O圖形處理、NumPy數(shù)學(xué)可以計(jì)算這樣的需要的時(shí)

Python多進(jìn)程和多線程是雞肋嘛？

GIL的存在一直在是富有爭(zhēng)議的，它倒致Python程序不能真正利用在現(xiàn)代操作系統(tǒng)的多進(jìn)程特性。需要注意的是，這對(duì)I/O圖形處理、NumPy數(shù)學(xué)可以計(jì)算這樣的需要的時(shí)間操作都突然發(fā)生在GIL之外，實(shí)際上基本都不受影響，真正的受影響的是Python字節(jié)碼的執(zhí)行，GIL會(huì)會(huì)造成性能瓶頸的出現(xiàn)。當(dāng)然，唯有在在用純Python做CPU尖銳的多線程運(yùn)算時(shí)GIL會(huì)是問題。

GIL是什么Python的代碼執(zhí)行由Python虛擬機(jī)（也叫回答器主循環(huán)，CPython版本）來再控制，Python在設(shè)計(jì)什么之初就確定到在解釋器的主循環(huán)中，而只能一個(gè)線程在運(yùn)行。即每個(gè)CPU在橫豎斜時(shí)刻僅有一個(gè)線程在解釋器中正常運(yùn)行。對(duì)Python虛擬機(jī)ftp連接的再控制由全局解釋鎖GIL再控制，正是這個(gè)鎖來完全控制同一時(shí)刻僅有一個(gè)線程能運(yùn)行?！趩魏薈PU下的多線程當(dāng)然都只不過各種嚴(yán)重感染，又不是聯(lián)成一體。

并發(fā)與分頭并進(jìn)區(qū)別

并發(fā)：兩個(gè)或多個(gè)事件在同一時(shí)間間隔突然發(fā)生，或則說上下交替做差別事件的能力，或者說有所不同的代碼塊上下交替不能執(zhí)行。左行：兩個(gè)也可以多個(gè)事件在同一時(shí)刻再一次發(fā)生，也可以說而做相同事件的能力，或者說不同的代碼塊同時(shí)負(fù)責(zé)執(zhí)行。

并發(fā)和并行的意義

并發(fā)和并行都也可以處理“多任務(wù)”，二者的主要區(qū)別只是相對(duì)而言是否是是“同樣進(jìn)行”多個(gè)的任務(wù)。但是牽涉到到目標(biāo)任務(wù)分解（有一連依賴性太強(qiáng)直接耦合度高的任務(wù)根本無法能夠做到右行）、任務(wù)運(yùn)行（很有可能要判斷互斥、鎖、共享等）、而合并。

Python下的多線程在Python多線程下，每個(gè)線程的執(zhí)行，:：

聲望兌換GIL可以切換到這個(gè)線程去先執(zhí)行運(yùn)行代碼，這里有兩種機(jī)制：委托數(shù)量的字節(jié)碼指令（100個(gè)）單獨(dú)計(jì)算時(shí)間15ms線程主動(dòng)去占下操縱把線程系統(tǒng)設(shè)置為睡眠狀態(tài)釋放GIL立即重復(fù)一遍以下步驟在Python2中，在解釋器回答想執(zhí)行任何Python代碼時(shí)，都需要先完成這把鎖才行（相同時(shí)間只會(huì)有一個(gè)我得到了GIL的線程在跑，其它的線程都在耐心的等待狀態(tài)在等GIL的釋放），在遇到I/O操作時(shí)會(huì)能量這把鎖。如果沒有是純可以計(jì)算的程序，沒有I/O你的操作，回答器會(huì)每隔100次操作就能量這把鎖，讓別的線程有機(jī)會(huì)負(fù)責(zé)執(zhí)行（這個(gè)次數(shù)可以通過來根據(jù)情況）也正是我這種設(shè)定，是的多線程的CPU密集型計(jì)算相當(dāng)雞肋，下面會(huì)有講又為什么會(huì)如此。

而在python3中，GIL不在用ticks數(shù)器(100次，釋放者GIL)，值改使用計(jì)時(shí)器（執(zhí)行時(shí)間都沒有達(dá)到15ms閾值后，當(dāng)前線程釋放GIL），以至于執(zhí)行計(jì)算的次數(shù)大量，釋放次數(shù)降低，那樣的話對(duì)CPU密集型程序極其不友善，但仍然還沒有可以解決GIL導(dǎo)致的同一時(shí)間不能先執(zhí)行一個(gè)線程的問題，所以效率依然不不如人意。

那就有沒Python的多線程是沒啥用處嘛？CPU密集型(各種循環(huán)處理、計(jì)數(shù)等等)，在狀況下，ticks計(jì)數(shù)迅速變會(huì)提升到閾值，然后把可以觸發(fā)GIL的釋放與再競(jìng)爭(zhēng)（多個(gè)線程來回快速切換是必須消耗掉資源的），所以才python下的多線程對(duì)CPU密集型代碼的確表示友好，會(huì)觸發(fā)也很不穩(wěn)定的線程直接切換。

IO密集型(文件處理、網(wǎng)絡(luò)爬蟲等)，多線程還能夠最有效提升效率(單線程下有IO操作會(huì)進(jìn)行IO耐心的等待，造成不必要的時(shí)間浪費(fèi)掉，而開啟多線程能在線程A再等待時(shí)，自動(dòng)切換到線程B，也可以不浪費(fèi)資源CPU的資源，進(jìn)而能提升到程序想執(zhí)行效率，一個(gè)線程額外GIL發(fā)送消息，然后把耐心的等待前往消息（阻塞），Python此時(shí)能量GIL,其他線程得到GIL發(fā)送消息，后再則是等待返回消息（阻塞）......，這樣可以保證了IO傳輸過程時(shí)間的合理利用，會(huì)減少了IO再等待倒致的資源浪費(fèi)，能提高IO傳輸效率)。所以python的多線程對(duì)IO密集型代碼比較客氣禮貌。

有哪些結(jié)論？I/O密集型可以使用多線程并發(fā)不能執(zhí)行提高效率、計(jì)算出密集型使用多進(jìn)程（multiprocessing）并行先執(zhí)行提高效率。通常程序既真包含IO操作又中有計(jì)算操作,這樣的話狀況下，在開始并發(fā)任務(wù)之前，也可以先接受測(cè)試，測(cè)試出來多線程、多進(jìn)程哪個(gè)效率高應(yīng)該是用哪種。

請(qǐng)?zhí)貏e注意：多核多線程比單核多線程更差，多核多進(jìn)程下，CPU1能量GIL后，其他CPU上的線程都會(huì)參與競(jìng)爭(zhēng)，但GIL肯定會(huì)又重新被CPU1搞到，CPU2釋放者GIL后……，倒致其他幾個(gè)CPU上被再喚醒后的線程會(huì)醒著在等待到可以切換時(shí)間后又再次進(jìn)入待調(diào)度狀態(tài)，這樣的會(huì)會(huì)造成線程顛跛(thrashing)，會(huì)造成效率穩(wěn)定性更好。

多線程下的CPU密集型可以計(jì)算也也不是無藥可救，這個(gè)可以利用ctypes沿著GIL，ctypes也可以使py就內(nèi)部函數(shù)任意的C動(dòng)態(tài)庫(kù)的導(dǎo)出函數(shù)。所要做的只是因?yàn)榘殃P(guān)鍵部分用C/C寫成Python擴(kuò)展。但，ctypes會(huì)在動(dòng)態(tài)創(chuàng)建C函數(shù)前施放GIL。

另外，這個(gè)可以所了解下協(xié)程，又稱微線程。

協(xié)程大的的優(yōu)勢(shì)那就是協(xié)程極高的執(zhí)行效率。畢竟子程序快速切換并非線程直接切換，只不過是由程序自身壓制，但，沒有線程可以切換的開銷，和多線程比，線程數(shù)量一定，協(xié)程的性能優(yōu)勢(shì)就越確實(shí)。

第二大優(yōu)勢(shì)是不需要多線程的鎖機(jī)制，畢竟唯有一個(gè)線程，也不存在同時(shí)寫變量，在協(xié)程中完全控制共享資源不加鎖，只必須可以確定狀態(tài)就那樣最好，因?yàn)樨?fù)責(zé)執(zhí)行效率比多線程高比較多。

而且協(xié)程是一個(gè)線程不能執(zhí)行，那怎末利用多核CPU呢？最簡(jiǎn)單的方法是多進(jìn)程協(xié)程，既充分利用資源多核，又充分發(fā)揮協(xié)程的高效率，可我得到極高的性能。

python如何實(shí)現(xiàn)tkinter插入圖片？

1，必須用gimp再打開要插到的圖片。

2，隨即導(dǎo)出圖像，你選ppm格式通過導(dǎo)出來。

3，隨即修改一個(gè)imageurl的py腳本文件，與aa圖片放進(jìn)相互。

4，在腳本中創(chuàng)建戰(zhàn)隊(duì)一個(gè)canvas，大小300，詳細(xì)根據(jù)自己的圖片大小設(shè)置。

5，隨后從窗口的坐標(biāo)為50的位置創(chuàng)建家族繪制的自己的~a圖片。

6，在cmd窗口，直接進(jìn)入自己的腳本文件夾，不能執(zhí)行pythonupload腳本命令。

7，那樣的話我們就可以實(shí)際tkinter在窗口直接插入并顯示圖片了。