Что такое многопроцессность и чем она отличается от многопоточности?

Question

Многопроцессность использует несколько независимых процессов, каждый со своей памятью, что позволяет выполнять код параллельно на разных ядрах CPU.
Многопоточность использует несколько потоков внутри одного процесса, но они разделяют память и в CPython ограничены GIL — только один поток выполняет Python-байткод в момент времени.
Процессы подходят для CPU-интенсивных задач, где важна настоящая параллельность. Потоки удобны для IO-операций (файлы, сеть), где основная часть времени — ожидание.
Выбор между ними зависит от характера задачи: CPU → процессы, IO → потоки.

YeaHub · Accepted Answer

Понимание многопроцессности и многопоточности важно для правильного выбора модели параллелизма в Python.1. ОпределенияОпределение:Многопроцессность — выполнение программы несколькими независимыми процессами, каждый из которых имеет собственное адресное пространство и выполняется параллельно на разных ядрах.Определение:Многопоточность — выполнение программы несколькими потоками внутри одного процесса, использующими общую память и ресурсы.2. Отличия моделей2.1. Изоляция памятипроцессы изолированы;потоки делят общую память → нужны блокировки (Lock, RLock).2.2. Работа на нескольких ядрахпроцессы работают параллельно на нескольких ядрах;потоки в CPython выполняются по очереди из-за GIL (но могут параллелить IO).2.3. Накладные расходыпроцессы тяжелее: запуск дольше, межпроцессное взаимодействие сложнее (Queue, Pipe);потоки лёгкие и быстрые, но сложнее для безопасной работы с общей памятью.2.4. Где применятьCPU-heavy задачи:обработка изображений,машинное обучение,криптография→ многопроцессность (multiprocessing).IO-heavy задачи:сетевые вызовы,работа с файлами,ожидание API→ многопоточность (threading).3. Пример разницыПример многопроцессности:from multiprocessing import Pool

def calc(x):
    return x * x

with Pool(4) as p:
    print(p.map(calc, range(10)))
Пример многопоточности:import threading
import time

def task():
    time.sleep(1)

threads = [threading.Thread(target=task) for _ in range(5)]
for t in threads: t.start()
for t in threads: t.join()
Краткий выводМногопроцессность даёт настоящую параллельность.Многопоточность эффективна для IO-запросов.В CPython GIL ограничивает потоки, но не влияет на процессы.Выбор зависит от характера нагрузки