原创：hxj7
本文继续分享一个关于python多线程和多进程区别的例子
前文《浅谈python中的多线程和多进程》中我们分享过一个例子，就是分别利用python中的多线程和多进程来解决高运算量的任务，从中看出二者的一些区别。其中一点是“多线程会共享所属进程的内存资源；而子进程会从父进程那里拷贝一份内存资源”。当时没有进一步解释，为了更直观地了解这一点，本文给出一个例子。
我们用python分别创建多线程和多进程，然后打印出其中的变量和函数的id。这里的id是指python中对象的唯一标识符，可以通过id(obj)函数获得。如果两个对象的值相等，它们不一定是同一个对象，即它们的id不一定相等；反过来说，如果“两个”对象的id一样，那么它们其实是同一回事，就是同一个对象，它们的值一定相等。
我们首先用python创建多线程并打印其中对象的id。代码如下：
from threading import Threadimport time# all subthreads share data.def run_subthread(thread_id):time.sleep(thread_id + 1)print("inside run_subthread: a = %d, id(a) = %d, id(run_subthread) = %d" % (a, id(a), id(run_subthread)))a = 10print("outside run_subthread: a = %d, id(a) = %d, id(run_subthread) = %d" % (a, id(a), id(run_subthread)))if __name__ == "__main__":threads = [Thread(target=run_subthread, args=(idx, )) for idx in range(2)]for t in threads:t.start()for t in threads:t.join()print "all done"
运行结果如下：
从中可以看出，不同线程中的对象id是一样的，也就是说多线程共享了同一份对象资源。
然后我们用python创建多进程并打印其中对象的id。代码如下：
from multiprocessing import Processimport time# each subprocess has its own copy of data.def run_subproc(proc_id):time.sleep(proc_id + 1)print("inside run_subproc: a = %d, d(a) = %d, id(run_subproc) = %d" % (a, id(a), id(run_subproc)))a = 10print("outside run_subproc: a = %d, id(a) = %d, id(run_subproc) = %d" % (a, id(a), id(run_subproc)))if __name__ == "__main__":proc = [Process(target=run_subproc, args=(idx, )) for idx in range(2)]for p in proc:p.start()for p in proc:p.join()print "all done"
运行结果如下：
从中可以看出，不同子进程中的对象id是不一样的（变量和函数的id都不一样），说明多进程中，每个子进程都拷贝了父进程的一份对象资源。
除此之外，我们还可以看到，与多线程不同的是，多进程中的每个子进程都还执行了print("outside run_subproc: a = %d, id(a) = %d, id(run_subproc) = %d" % (a, id(a), id(run_subproc)))这一句。关于这一点的机制笔者并不完全清楚，不过它提醒我们，如果我们用python的多进程，要注意一些目标函数（target）之外的语句也可能会被执行，这并不是我们所期望的。
(公众号：生信了)
