concurrent.futures提供了使用线程或进程工作池（pools of workers）来运行任务的接口。这个API使得多线程和多进程并发变得非常类似。它是在threading和multiprocessing接口上的封装。
Executors被用来管理工作池；futures被用来管理workers运行的结果。 ———————————————— 原文链接：https://blog.csdn.net/qq_16912257/article/details/79661863
- 多进程：进程是拥有资源的基本单位，其拥有独立的堆空间和栈空间。由操作系统调用。
- 多线程：线程是独立调度的基本单位，线程不拥有资源，但可以访问其隶属进程的资源。线程共享堆空间，拥有独立的栈空间。由操作系统调用。
- 协程：协程又叫微线程，是将线程切割成多段执行，可以随时暂停，由程序员控制。协程的效率比多线程高，因为其不需要进行竞争和切换，同时使用多路复用来同时管理多个接口的请求。
GIL(全局解释器锁)：是只有CPython解释器中才有的线程锁。一个进程中只有一个GIL，一个线程只有获取了GIL才能执行，GIL释放后需要线程间的竞争和切换，使得Python的多线程反而耗时。
- 管道：管道是半双工的，要双向通信必须建立两个管道；
- 消息队列：进程同时维护消息队列，通过写消息和读消息进行通信；
- 共享内存：进程间共享内存，类似于线程共享进程的堆空间，可以直接通过数据的读写进行通信。
多路：多个连接，复用：一个或少量线程，即利用一个或少量的线程来同时管理多个连接。在一个或少量的线程中不停查看多个接口的状态，其中任何一个任务完成IO就去执行它。
- select：轮询多个任务，任何一个完成了IO就去执行后续操作。限制最多同时监视1024个接口；
- poll：同select，但是取消了1024的限制；
- epoll：不再轮询，而是使用回调来通知状态。
- 并发：在一段宏观的时间上多个任务同时执行，实际上是分时间片轮转执行。
- 并行：多核的条件下，同一时刻两个及以上进程同时执行，进程间互不抢占资源。
将线程2作为参数传递到线程1并调用。
import threading
def fun1(t2):
print('running fun1')
t2.start()
def fun2():
print('running fun2')
if __name__ == '__main__':
t2 = threading.Thread(target=fun2)
t1 = threading.Thread(target=fun1, args=(t2,))
t1.start()同步与异步：主要关注消息通信机制。 • 同步就是在发出一个调用之后，调用没有得到结果之前该调用不返回。即同步是主动等待消息。 • 异步调用不会等待结果而是立即返回，然后等待被调用者使用消息、通知或者回调函数来通知调用者。即异步是被动接收消息。
阻塞与非阻塞：主要关注程序在等待时的状态。 • 阻塞是指程序在等待结果的时候被挂起，不能去完成别的任务【浪费时间】； • 非阻塞是指程序在等待的过程中可以做别的事情【需要切换开销】。
因此，异步非阻塞是当进程提交一个请求，不需要等到返回结果，可以直接回去干别的事情。也不需要时不时来轮询一下完成了没有，只需要好好做自己的事等着回调来告诉他任务完成了。
- 问题：python多线程中，每个线程使用局部变量时，局部变量不会相互影响。但当多个线程处理全局变量时，这个全局变量是共享资源，线程之间相互干扰导致结果错误。
- 解决：Python提供了 threading.local 类，将这个类实例化得到一个全局对象，但是不同的线程使用这个对象存储的数据其它线程不可见(本质上就是不同的线程使用这个对象时为其创建一个独立的字典)。