大家好，有时候会听到有人评价python编程执行效率方面相对java没有啥优势，其实是没有找到正确的打开方式，编程中无论是api还是执行脚本，无论是I/O密集型任务还是计算密集型任务，都有其提升执行效率的方式，通常，我们的优化手段就是并发编程，实现多任务同时执行，改善系统性能。
python中实现并发编程主要是依靠，进程、线程和协程，我们先来了解下三者的概念。
进程（process）:是操作系统进行资源分配的基本单元，是CPU对程序的一次执行过程，每个进程都是独立的，有自己的内存空间、数据栈等。
线程（Thread）：被包含在进程之中，是操作系统进行程序调度执行的最小单元。一个进程中至少有一个线程。
协程（Coroutine）：比线程更小的执行单元，也被成为微线程。单个线程上执行多个任务，等待、切换执行任务，线程内切换没有切换开销，执行效率高。
下面我们来举个生活中的例子：
我们把生产工厂比作一个操作系统，一条生产线是一个进程，生产线上人就是一个线程，生产线上的工作就是需要完成的任务。如果我们想要提高生产的话。我们有下面几种办法：
第一种：增加生产线（相当于增加进程，多进程执行）；
第二种：增加生产线上的人，提高生产（相当于增加线程，多线程执行）；
第三种：生产线上总有做的快和慢的任务，会有一个等待的过程，那么，当出现任务等待的时候，可以先去做可以做的工作，待任务出现后再执行。充分里面劳动时间提升效率（任务等待、切换相当于使用协程完成任务）；
从以上例子中我们就容易理解前面说的概念了。
接下来我们看一下，在python中的应用：
进程与多进程
python中依赖标准库mutiprocessing实现多进程任务，其中进程的常用方法：
多进程任务代码实例：
注意：上面进程的执行逻辑需要再run方法中实现，启动进程需要调用start方法，调用之后run方法便会执行。
线程与多线程
python依赖标准库Threading实现多线程，其中线程的常用方法有：
多线程实现实例：
执行结果：
python协程
协程的运行效率极高，切换完全由程序控制，不像进程和线程的切换需要花费系统的开销，并且协程不需要多线程的锁机制，因为只有一个线程。协程是微线程，对于计算密集型的任务都不太适用，但是对于I/O密集型的任务非常适用。如果遇到多核CPU且是计算密集型的任务，建议使用多进程+协程的方式，可以极大的提到性能。
我们一般通过asynio模块来实现协程及并发操作，代码实例如下：
需要注意的是：async和await这两个关键字只能在协程中使用；协程不能直接执行，需要在asyncio.run()中执行，也可以跟在await后面。
小结：为了提高执行效率，我们应该先分清任务类型。计算密集型任务更加适合多进程；I/O密集型任务适合多线程和协程；当然高并发下的最佳实践还是多进程+协程，可以极大提高执行效率，并且兼容了计算密集型任务和I/O密集型任务。