在用Python（解释语言）构建包含多线程的算法时，我惊讶地发现，与我之前构建的顺序算法相比，执行时间并没有任何改善。为了理解导致这种结果的原因，我做了一些阅读，并相信我所学到的内容提供了一个有趣的背景，可以更好地理解多线程和多进程之间的差异。

多核系统可能会执行多个线程，因此Python应该支持多线程。但Python不是一种编译语言，而是一种解释语言1。这意味着必须对程序进行解释才能运行，并且在程序开始执行之前，解释器不知道程序。然而，它所知道的是Python的规则，然后动态地应用这些规则。Python中的优化必须主要是解释器本身的优化，而不是要运行的代码。这与C++等编译语言形成对比，并对Python中的多线程产生影响。具体来说，Python使用全局解释器锁来管理多线程。

另一方面，编译语言是编译的。程序被“完全”处理，首先根据其语法定义进行解释，然后映射到语言不可知的中间表示，最后链接到可执行代码中。这个过程允许代码得到高度优化，因为在编译时所有代码都可用。在创建可执行文件时定义了各种程序交互和关系，可以做出关于优化的稳健决策。

在现代环境中，Python的解释器必须允许多线程，这必须既安全又高效。这就是解释语言与编译语言的区别所在。解释器必须不干扰来自不同线程的内部共享数据，同时优化处理器的计算使用。

如前几篇文章所述，进程和线程都是独立的顺序执行，主要区别在于内存在进程的多个线程之间共享，而进程隔离了它们的内存空间。

在Python中，全局解释器锁防止不同线程同时访问数据。它要求在任何Python程序中，任何时候只能执行一个线程。另一方面，可以运行多个进程，因为每个进程的内存都与任何其他进程隔离，并且进程可以在多个内核上运行。

唐纳德·克努思在《计算机编程的艺术：基本算法》中对解释例程有很好的解释。

进程和线程都是独立的执行序列。典型的区别是（同一进程的）线程在共享内存空间中运行，而进程在单独的内存空间中。

我不确定你可能指的是什么“硬件”线程和“软件”线程。线程是一种操作环境特性，而不是CPU特性（尽管CPU通常具有使线程高效的操作）。

Erlang使用术语“进程”，因为它不公开共享内存多道程序模型。称它们为“线程”意味着它们共享内存。

应用程序由一个或多个进程组成。简单地说，进程是一个正在执行的程序。一个或多个线程在进程上下文中运行。线程是操作系统分配处理器时间的基本单元。一个线程可以执行过程代码的任何部分，包括当前由另一个线程执行的部分。光纤是必须由应用程序手动调度的执行单元。纤维在调度它们的线程的上下文中运行。

从这里偷来的。

基本上，线程是进程的一部分，如果没有进程线程就无法工作。线程是轻量级的，而进程是重量级的。进程之间的通信需要一些时间，而线程需要更少的时间。线程可以共享同一个内存区域，而进程则单独存在。

进程和线程的真实示例这将为您提供有关线程和进程的基本信息

我从Scott Langham的回答中借用了上述信息-谢谢

示例1：JVM在单个进程中运行，JVM中的线程共享属于该进程的堆。这就是为什么多个线程可以访问同一个对象。线程共享堆并拥有自己的堆栈空间。这就是一个线程对方法及其局部变量的调用如何保持与其他线程的线程安全。但是堆不是线程安全的，必须同步以确保线程安全。