【Python】并发编程
目录
为什么要引入并发编程？
场景1：一个网络爬虫，按顺序爬取花了1小时，采用并发下载减少到20分钟；
场景2：一个app应用，优化前每次打开页面需要3秒，采用异步并发提升到每次200ms；
为了提升程序运行速度
单线程串行：
线程开始以后，cpu先执行，然后进行io（数据读取和写出），在io期间cpu是不做任何事情的，io完成以后，cpu继续开始运算，进行下一次io，因为在io的时候，cpu是等待状态，造成浪费。
多线程并发：
cpu开始执行，如果遇到了io操作，它会切换到另一个task进行执行，当io完成了以后，会通知cpu进行下一步的处理。（cpu和io是可以同时并发进行的，io的执行，比如读取内存、磁盘、网络，它的过程中是不需要cpu的参与的，这样的话cpu可以释放出来来执行其他task，实现并发的加速）但是其实这种原理上，还是一个cpu来进行运行的。
多cpu并行：
当前我们的电脑都是多核cpu。可以实现多个cpu多条线，同时真正的并行执行进行加速，这是一个并行的编程。
多机器并行：
再提升一步，进入了大数据时代，很多程序的运行都可以用很多的机器并行来进行运算，每个机器上有很多cpu，每个cpu上也可以进行并发的执行，这就是程序提速运行的几种粒度。
以上就是单线程、多线程、多cpu和多机器。
python对并发编程的支持
如何选择呢？
python并发编程有三种方式：
多线程Thread、多进程process、多协程Coroutine
分为一下几个部分进行讲解
cpu-bound：cpu是运行的瓶颈
简而言之，如果你的程序依赖大量的外部数据源，比如说内存磁盘和网络，那么他就是io密集型了；否则如果只在cpu中进行计算，那就是cpu密集。
多线程、多进程、多协程的对比
多进程受到cpu数量限制，适用于读取了数据，需要在cpu上运行大量的次数和时间；
线程占用资源少是指：每一个线程的运行都要包含自己的一些变量的存储，存储到内存区域，这是线程本身要消耗内存的。
在python中，多线程只能同时使用一个cpu，这是Python多线程的一个非常大的缺点，但是多线程也能用于io密集型的计算，因为cpu和io是可以并行进行的。 这个缺点主要是相比与进程的，就是它只能同时使用单个cpu。
协程可以开几万个；
如何选择？
超多任务量是指？