最近在看廖雪峰大神的python教程，看到一段對cpu和io操作的描述，以及與執行緒的關係，覺得寫得很清楚很棒，特此記錄
是否採用多工（也就是多程序/執行緒）的第二個考慮是任務的型別。我們可以把任務分為計算密集型和io密集型。
計算密集型任務由於主要消耗cpu資源，因此，**執行效率至關重要。python這樣的指令碼語言執行效率很低，完全不適合計算密集型任務。對於計算密集型任務，最好用c語言編寫。
第二種任務的型別是io密集型，涉及到網路、磁碟io的任務都是io密集型任務，這類任務的特點是cpu消耗很少，任務的大部分時間都在等待io操作完成（因為io【博主：按照這個我理解的io就是指把內容從硬碟上讀到記憶體的過程，或者是從網路上接收資訊到本機記憶體的過程】的速度遠遠低於cpu和記憶體的速度）。對於io密集型任務，任務越多，cpu效率越高，但也有乙個限度。常見的大部分任務都是io密集型任務，比如web應用。
io密集型任務執行期間，99%的時間都花在io上，花在cpu上的時間很少，因此，用執行速度極快的c語言替換用python這樣執行速度極低的指令碼語言，完全無法提公升執行效率。對於io密集型任務，最合適的語言就是開發效率最高（**量最少）的語言，指令碼語言是首選，c語言最差。
CPU核數跟多執行緒的關係
一直以來有這樣的疑惑，單核cpu適合多執行緒嗎？是不是幾個核的cpu開幾個執行緒是最合適的？要說多執行緒就離不開程序，程序和執行緒的區別在這裡就不詳細說了，只將關鍵的幾點 a 程序之間是相互獨立的，不共享記憶體和資料，執行緒之間的記憶體和資料是公用的，每個執行緒只有自己的一組cpu指令 暫存器和堆疊...
CPU密集型 IO密集型與執行緒關係
cpu密集型 cpu bound cpu密集型也叫計算密集型，指的是系統的硬碟 記憶體效能相對cpu要好很多，此時，系統運作大部分的狀況是cpu loading 100 cpu要讀 寫i o 硬碟 記憶體 i o在很短的時間就可以完成，而cpu還有許多運算要處理，cpu loading很高。在多重程...
執行緒數設定技巧 與CPU的關係
1 簡化設定 一般說來，執行緒池的大小可以這樣設定 1 如果是cpu密集型應用，則執行緒池大小設定為n 1 2 如果是io密集型應用，則執行緒池大小設定為2n 1 因為io讀資料或者快取的時候，執行緒等待，此時如果多開執行緒，能有效提高cpu利用率 其中n為cpu的個數 如果一台伺服器上只部署這乙個...