在 Python 中结合多进程和多线程
Combine multiprocess and multithread in Python
（我不知道是否应该在 SO 或其他 stackexchange 中询问这个问题）
在执行繁重的 I/O 绑定任务时，例如 API 调用或数据库获取，我想知道 Python 是否只使用一个进程进行多线程处理，即我们是否可以创建更多线程通过结合多处理和多线程，就像下面的伪代码
for process in Processes:
for thread in threads:
fetch_api_resuls(thread)
或者 Python 会自动执行此操作吗？
我认为这样做没有任何意义：启动一个新的 进程 的成本相对较高，并且启动一个新的 线程 成本相当高。将任务序列化到这些线程或进程再次花费成本，并且同步状态成本......再次。
如果我遇到两组问题，我会做什么：
- I/O 绑定问题（例如通过网络获取数据）
- CPU 与I/O 绑定问题相关的绑定问题
就是把multiprocessing和asyncio结合起来。这有一个低得多的开销---我们只有 一个 线程，我们只为调度程序付费（但没有序列化），不涉及启动大量进程（每个它使用与父进程一样多的虚拟内存）或线程（每个线程仍然使用相当大的内存块）。
但是，我不会在多处理线程中使用 asyncio——我会在 main 线程中使用 asyncio，并将 cpu 密集型任务卸载到需要时的工作线程池。
我怀疑你可能可以在多处理中使用线程，但它不太可能给你带来任何速度提升。
（我不知道是否应该在 SO 或其他 stackexchange 中询问这个问题）
在执行繁重的 I/O 绑定任务时，例如 API 调用或数据库获取，我想知道 Python 是否只使用一个进程进行多线程处理，即我们是否可以创建更多线程通过结合多处理和多线程，就像下面的伪代码
for process in Processes:
for thread in threads:
fetch_api_resuls(thread)
或者 Python 会自动执行此操作吗？
我认为这样做没有任何意义：启动一个新的 进程 的成本相对较高，并且启动一个新的 线程 成本相当高。将任务序列化到这些线程或进程再次花费成本，并且同步状态成本......再次。
如果我遇到两组问题，我会做什么：
- I/O 绑定问题（例如通过网络获取数据）
- CPU 与I/O 绑定问题相关的绑定问题
就是把multiprocessing和asyncio结合起来。这有一个低得多的开销---我们只有 一个 线程，我们只为调度程序付费（但没有序列化），不涉及启动大量进程（每个它使用与父进程一样多的虚拟内存）或线程（每个线程仍然使用相当大的内存块）。
但是，我不会在多处理线程中使用 asyncio——我会在 main 线程中使用 asyncio，并将 cpu 密集型任务卸载到需要时的工作线程池。
我怀疑你可能可以在多处理中使用线程，但它不太可能给你带来任何速度提升。