在Python项目里，并发模型的选型直接决定了系统的吞吐能力、资源消耗和代码可维护性。面对线程、进程和协程三种主流方案，开发者往往不清楚何时该用哪一种。本文从任务特征、全局解释器锁影响和工程落地成本三个方面，给出清晰的决策思路。
一、先判断任务属于哪种类型
并发选型的第一步是区分任务是CPU密集型还是IO密集型。
- CPU密集型：如图像计算、数据压缩、复杂算法，主要消耗处理器时间。
- IO密集型：如网络请求、数据库读写、文件操作，大量时间花在等待上。
二、三种模型的核心差异
1. 多线程 threading
受GIL限制，同一时刻只有一个线程执行Python字节码，因此多线程不适合CPU密集型。但在IO等待时，线程会释放GIL，适合IO密集型且逻辑简单的场景。
from concurrent.futures import ThreadPoolExecutor
import time
def fetch(n):
time.sleep(1) # 模拟IO等待
return n * n
with ThreadPoolExecutor(max_workers=4) as ex:
results = list(ex.map(fetch, range(8)))
print(results)
2. 多进程 multiprocessing
每个进程有独立解释器和GIL，可真正并行利用多核，适合CPU密集型。缺点是进程间通信成本和内存占用较高。
from multiprocessing import Pool
def compute(x):
return x ** 3
if __name__ == '__main__':
with Pool(4) as p:
print(p.map(compute, range(10)))
3. 协程 asyncio
协程在单线程内通过事件循环切换，开销极小，特别适合高并发IO场景，如Web服务。但代码需写成异步形式，对阻塞调用敏感。
import asyncio
async def task(name):
await asyncio.sleep(1)
return name
async def main():
res = await asyncio.gather(task('a'), task('b'))
print(res)
asyncio.run(main())
三、决策参考表
| 任务特征 | 推荐模型 | 主要原因 |
|---|---|---|
| CPU密集、需多核 | 多进程 | 绕过GIL实现并行 |
| IO密集、中等并发 | 多线程 | 编写简单，复用同步库 |
| IO密集、超高并发 | 协程 | 单线程高吞吐，资源占用低 |
四、工程层面的补充建议
如果旧系统大量使用同步库，优先用线程池降低改造成本；新项目接口层并发高，可直接采用asyncio。注意在协程中不要调用阻塞函数，否则会卡住整个事件循环。
选型原则：先按任务类型定方向，再按团队熟悉度和维护成本做微调。
五、小结
Python并发模型没有绝对优劣。看清任务是算得多还是等得多，理解GIL边界，就能在线程、进程和协程之间做出稳妥选择。