并发编程基础：理解多线程与多进程

# 1. 并发编程概述

### 1.1 什么是并发编程？

在计算机科学中，并发编程是指通过一种设计模式来处理多个同时活动的任务或事件。通过并发编程，程序可以更有效地利用多核处理器、提高系统响应速度和资源利用率。

### 1.2 并发编程的重要性

随着计算机硬件的发展，多核处理器已经成为主流，因此并发编程变得越来越重要。通过并发编程，程序能够更高效地利用硬件资源，提高系统的性能。

### 1.3 并行与并发的区别

虽然并行和并发经常被一起讨论，但它们有着不同的含义。并行是指同时执行多个任务，而并发是指系统同时具有多个任务处于活动状态，但并不一定是同时执行。因此，并行强调的是同时性，而并发强调的是能够处理多个任务的能力。

# 2. 多线程编程基础

### 2.1 多线程的概念
在计算机科学中，线程是进程的实体，它是在进程内部负责程序执行的实体。一个进程可以包含多个线程，这些线程共享进程的内存空间和资源，但拥有独立的栈空间和寄存器状态。多线程可以实现同时处理多个任务，提高程序的执行效率。

### 2.2 线程的创建与销毁
在多线程编程中，我们可以使用不同编程语言提供的线程库来创建和管理线程。以下是在Python和Java中创建和销毁线程的示例代码：

#### Python示例代码：

import threading

# 定义一个简单的线程类
class MyThread(threading.Thread):
    def run(self):
        print("Thread started")

# 创建并启动线程
t1 = MyThread()
t1.start()

# 销毁线程
del t1

#### Java示例代码：

public class MyThread extends Thread {
    public void run(){
        System.out.println("Thread started");
    }

    public static void main(String[] args){
        // 创建并启动线程
        MyThread t1 = new MyThread();
        t1.start();

        // 销毁线程
        t1 = null;
    }
}

### 2.3 线程之间的通信与同步
在多线程编程中，线程之间常常需要进行通信和同步，以确保线程间的数据一致性和安全性。常用的线程通信和同步方式包括锁、条件变量、信号量等。

以下是在Python中使用锁进行线程同步的示例代码：

import threading

# 创建锁对象
lock = threading.Lock()
counter = 0

def increment_counter():
    global counter
    with lock:
        counter += 1

# 创建多个线程并启动
threads = []
for _ in range(10):
    t = threading.Thread(target=increment_counter)
    threads.append(t)
    t.start()

# 等待所有线程执行完成
for t in threads:
    t.join()

print("Counter value:", counter)

通过上述示例，我们可以看到如何使用Python的线程库来实现线程的创建、销毁以及线程间的通信与同步，相应的在Java等其他语言中也有类似的实现方式。

# 3. 多进程编程基础

在本章中，我们将探讨多进程编程的基础知识，包括多进程的概念、进程的创建与销毁，以及进程之间的通信与同步。

#### 3.1 多进程的概念

在操作系统中，进程是程序的执行实例。每个进程都有自己的内存空间，包括代码、数据和堆栈。多进程编程是指同时运行多个进程，每个进程都有自己独立的执行流程。多进程编程可以充分利用多核处理器的优势，提高系统的性能。

#### 3.2 进程的创建与销毁

在多进程编程中，通常通过操作系统提供的API来创建和销毁进程。在 Python 中，可以使用 `multiprocessing` 模块来创建和管理进程。下面是一个简单的示例代码：

import multiprocessing
import time

def task():
    for i in range(5):
        print(f'Executing task in process: {multiprocessing.current_process().name}')
        time.sleep(1)

if __name__ == '__main__':
    process = multiprocessing.Process(target=task)