进程 vs 线程 vs 协程 三者对比
一句话：进程是工厂，线程是工人，协程是工人的”分身术”。
一、从零开始：先搞懂”程序”是啥
程序 = 写好的代码（静态的，躺在硬盘上）
进程 = 跑起来的程序（动态的，占着内存和CPU）
类比：
-
程序 = 菜谱（写在纸上，不会自己炒菜）
-
进程 = 厨师正在炒菜（占着灶台、锅、食材）
二、三者定义——用工厂比喻
| 概念 | 一句话定义 | 工厂比喻 |
|---|---|---|
| 进程 | 资源分配的最小单位，一个程序跑起来就是一个进程 | 一个工厂（有厂房、设备、资金） |
| 线程 | CPU调度的最小单位，进程里的执行单元 | 工厂里的工人（共享工厂资源，各自干活） |
| 协程 | 用户态的轻量级线程，由程序自己调度 | 工人的分身术（一个工人同时干多件事） |
三、核心区别——一张表说清楚
| 维度 | 进程 | 线程 | 协程 |
|---|---|---|---|
| 本质 | 资源分配单位 | CPU调度单位 | 用户态的”伪线程” |
| 内存 | 独立地址空间 | 共享进程内存 | 共享线程内存 |
| 创建开销 | 大（要分配资源） | 中（共享资源） | 极小（只是函数调用） |
| 切换开销 | 大（涉及内核态） | 中（内核态切换） | 极小（用户态切换） |
| 通信方式 | IPC（管道/共享内存等） | 直接读写共享变量 | 直接读写（同线程） |
| 数量 | 通常几十个 | 通常几百个 | 可以几万个 |
| 崩溃影响 | 一个崩了不影响其他 | 一个崩了整个进程挂 | 一个崩了影响线程 |
四、关系图——谁包含谁
graph TD A[进程 Process] --> B[线程 1] A --> C[线程 2] A --> D[线程 3] B --> E[协程 1.1] B --> F[协程 1.2] C --> G[协程 2.1] style A fill:#ff6b6b,color:#fff style B fill:#4ecdc4,color:#fff style C fill:#4ecdc4,color:#fff style D fill:#4ecdc4,color:#fff style E fill:#45b7d1,color:#fff style F fill:#45b7d1,color:#fff style G fill:#45b7d1,color:#fff
包含关系：进程 ≥ 线程 ≥ 协程
五、Python 特有：GIL 的影响
重点掌握：Python 有 GIL，多线程不能真正并行？
GIL 是什么？
GIL = Global Interpreter Lock（全局解释器锁）
同一时刻，只有一个线程能执行 Python 字节码
所以 Python 多线程是假的？
不完全对！
| 场景 | 多线程有没有用？ | 原因 |
|---|---|---|
| CPU 密集型（计算） | ❌ 没用 | GIL 限制，只能轮流跑 |
| IO 密集型（网络/文件） | ✅ 有用 | 等IO时释放GIL，其他线程能跑 |
import threading
import time
# IO密集型：多线程有效
def io_task():
time.sleep(1) # 模拟IO，会释放GIL
# CPU密集型：多线程无效
def cpu_task():
sum(range(10**7)) # 纯计算，不释放GIL
六、协程：Python 的”分身术”
为什么需要协程？
线程切换要进内核态 → 开销大
协程切换在用户态 → 开销极小
类比
| 场景 | 线程 | 协程 |
|---|---|---|
| 你同时看两本书 | 两本书放桌上，眼睛来回切换 | 一本书看5秒，自动跳另一本 |
| 厨师炒两个菜 | 两个灶台，来回跑 | 一个灶台，炒一会这个，炒一会那个 |
代码对比
# 线程版本
import threading
def task():
time.sleep(1)
threads = [threading.Thread(target=task) for _ in range(100)]
# 协程版本
import asyncio
async def task():
await asyncio.sleep(1)
tasks = [task() for _ in range(100)]
asyncio.run(asyncio.gather(*tasks)) # 极小开销
七、什么时候用什么？——选型决策树
graph TD A[你的任务是什么？] --> B{IO密集型？} B -->|是| C{需要高并发？} B -->|否| D{CPU密集型？} C -->|是 - 几千并发| E[协程 asyncio] C -->|否 - 几十个| F[线程 threading] D -->|是| G[多进程 multiprocessing] D -->|否| H[单线程就够了] style E fill:#45b7d1,color:#fff style F fill:#4ecdc4,color:#fff style G fill:#ff6b6b,color:#fff style H fill:#96ceb4,color:#fff
八、话术——直接背
Q1：进程和线程的区别？
进程是资源分配的最小单位，拥有独立的地址空间；线程是CPU调度的最小单位，共享进程的内存资源。创建进程开销大，创建线程开销小。进程间通信需要IPC机制，线程可以直接读写共享变量。
Q2：线程和协程的区别？
线程由操作系统调度，切换涉及内核态，开销较大；协程由用户程序自己调度，切换在用户态，开销极小。协程本质上是单线程内的并发，适合高并发IO场景。
Q3：Python 有GIL，多线程还有用吗？
对于IO密集型任务有用，因为等待IO时会释放GIL；对于CPU密集型任务没用，因为GIL限制了同一时刻只有一个线程执行字节码。CPU密集型应该用多进程。
九、实际项目中的应用
| 场景 | 你的选择 | 为什么 |
|---|---|---|
| FastAPI 处理1000个并发请求 | 协程 | IO密集，需要高并发 |
| 机器人同时处理多个用户消息 | 协程 | IO密集（等LLM响应） |
| 批量数据处理 | 多进程 | CPU密集 |
| 简单脚本 | 单线程 | 没有并发需求 |
十、记忆口诀
进程重，线程轻，协程最轻巧
进程分资源，线程共享用
协程用户态，切换零开销
GIL 让线程排队走，IO场景协程牛
总结：进程管资源，线程管执行，协程管并发。Python 项目（特别是 FastAPI）默认用协程，CPU 密集用多进程，其他场景用线程。
速记卡（面试闪卡）
Q1：一句话讲清「进程 vs 线程 vs 协程 三者对比」到底是什么？
A：进程是资源分配单位、线程是 CPU 调度单位、协程是用户态轻量级线程，包含关系为进程≥线程≥协程。
Q2：一、从零开始：先搞懂”程序”是啥 —— 怎么理解？
A：像菜谱和厨师：程序（Program）是躺在硬盘上的静态代码像菜谱，进程（Process）是跑起来的程序像正在炒菜的厨师，占着灶台和食材。
Q3：二、三者定义——用工厂比喻 —— 怎么理解？
A：像工厂、工人和分身术：进程是一整个工厂（有厂房设备），线程是工厂里的工人（共享资源各干各的），协程是工人的分身术（一个工人同时干多件事）。
Q4：三、核心区别——一张表说清楚 —— 怎么理解？
A：像三种交通工具对比：进程创建开销大、独立内存；线程开销中等、共享内存；协程开销极小、用户态切换（User-mode Switching），数量可达几万。
Q5：四、关系图——谁包含谁 —— 怎么理解？
A：像套娃：包含关系是进程（Process）≥ 线程（Thread）≥ 协程（Coroutine），一个进程里可有多个线程，一个线程里可跑多个协程。
Q6：核心速记主线有哪些？
-
进程是资源分配最小单位、有独立地址空间；线程是 CPU 调度最小单位、共享进程内存
-
协程是用户态轻量级”伪线程”，切换在用户态、开销极小，可轻松跑到几万个
-
Python 有 GIL（Global Interpreter Lock，全局解释器锁），多线程 CPU 密集无效、IO 密集有用
-
选型：IO 高并发用协程 asyncio，CPU 密集用多进程，简单场景用单线程
口诀
A：进程管资源线程管跑，协程最轻巧
工厂工人分身术，包含关系套娃牢
GIL 让线程排队走，IO 场景协程好
CPU 密集多进程，简单单线程就到