🎯 本節目標

• 理解多線程/多進程/協程的應用場景
• 掌握threading與multiprocessing核心用法
• 學會使用asyncio進行異步編程
• 開發實戰項目：高并發爬蟲引擎
• 破解GIL鎖的性能迷思

---

1?? 并發編程三劍客

🎻 生活化比喻：

• 多線程 → 餐廳多個服務員共享廚房
• 進程 → 連鎖餐廳各自獨立分店
• 協程 → 一個服務員同時處理多桌點餐

---

2?? 多線程實戰：閃電下載器

import threading  
import requests  def download(url, filename):  print(f"🚀 開始下載 {filename}")  data = requests.get(url).content  with open(filename, 'wb') as f:  f.write(data)  print(f"? {filename} 下載完成")  # 創建線程列表  
threads = []  
urls = [  ('https://example.com/1.jpg', 'pic1.jpg'),  ('https://example.com/2.mp4', 'video.mp4')  
]  for url, name in urls:  t = threading.Thread(target=download, args=(url, name))  threads.append(t)  t.start()  # 等待所有線程完成  
for t in threads:  t.join()  
print("🎉 所有下載任務完成！")  

---

3?? 協程魔法：異步爬蟲引擎

import asyncio  
import aiohttp  async def async_fetch(session, url):  async with session.get(url) as response:  return await response.text()  async def main():  async with aiohttp.ClientSession() as session:  tasks = [  async_fetch(session, f"https://api.example.com/data/{i}")  for i in range(100)  ]  results = await asyncio.gather(*tasks)  print(f"📊 獲取到 {len(results)} 條數據")  # Python 3.7+ 使用 asyncio.run()  
asyncio.run(main())  

---

4?? GIL鎖：性能瓶頸與突破

🔒 GIL（全局解釋器鎖）真相

• 單進程中同一時間只有一個線程執行字節碼
• 單進程中同一時間只有一個線程執行字節碼
  破解方案：

# 使用多進程繞過GIL限制  
from multiprocessing import Pool  def heavy_compute(n):  return sum(i*i for i in range(n))  with Pool(4) as p:  results = p.map(heavy_compute, [10**6]*4)  

---

5?? 實戰項目：智能并發爬蟲

import concurrent.futures  
import requests  def advanced_crawler(urls, max_workers=5):  """智能并發爬蟲"""  with concurrent.futures.ThreadPoolExecutor(max_workers) as executor:  future_to_url = {  executor.submit(requests.get, url): url  for url in urls  }  for future in concurrent.futures.as_completed(future_to_url):  url = future_to_url[future]  try:  data = future.result()  print(f"🌐 {url} 抓取成功（長度：{len(data.text)}）")  except Exception as e:  print(f"? {url} 抓取失敗：{str(e)}")  # 使用示例  
url_list = [f"https://example.com/page/{i}" for i in range(50)]  
advanced_crawler(url_list, max_workers=10)  

---

📚 知識圖譜

并發編程決策樹：┌───────────────┐  │   任務類型？   │  └───────┬───────┘  ┌────────────┴────────────┐  ┌─────▼─────┐            ┌──────▼──────┐  │ I/O密集型  │            │ CPU密集型    │  └─────┬─────┘            └──────┬──────┘  ┌──────▼──────┐           ┌──────▼──────┐  │ 多線程/協程 │           │   多進程     │  └─────────────┘           └─────────────┘  PyCharm并發調試技巧：  1. 線程/進程ID顯示：View → Toolbar → Show Threads  2. 協程堆棧追蹤：async堆棧模式切換  3. 內存/CPU監控：右鍵狀態欄 → 勾選Memory Indicator  

---

🛠? 課后挑戰

1. 使用生產者-消費者模式實現多線程任務隊列
2. 將異步爬蟲改造為支持斷點續傳
3. 用多進程計算100個1e6大小隨機數組的標準差

💡 參考答案提示:

# 生產者-消費者模型核心  
import queue  task_queue = queue.Queue(maxsize=100)  def producer():  while True:  item = generate_item()  task_queue.put(item)  def consumer():  while True:  item = task_queue.get()  process_item(item)  task_queue.task_done()  

---

🚀 下節劇透：《網絡編程：連接世界的數字橋梁

👉 你將解鎖：

• TCP/UDP協議底層原理
• Socket編程實戰技巧
• HTTP服務器從零實現
• 實戰：即時聊天系統開發

📢 互動任務：在評論區分享你遇到過的并發難題，點贊最高的問題將獲得《Python并發編程實戰》實體書！