多線程與多進程的應用場景不一樣：
1、線程的創建開銷小、由於GIL的存在，無法真正並行，適合GUI、網絡通信、文件讀寫等IO密集型場景；
2、進程的創建開銷大，可以充分利用多個CPU實現並行，適合計算量比較大（比如單個函數執行需要幾分鍾、幾十分鍾以上），且無需IO（簡單地說就是數據已經在內存中，不需要讀取磁盤、不需要網絡通信）的場景。
3、多線程、多進程都不適合的場景：基本不涉及IO或只讀取一次文件這種，且計算量不大，單線程短時間就能結束（一兩秒左右）的情況下，單進程單線程是最好的。
我自己做過對比實驗，這種情況下單進程>多線程>>多進程，實際測試結果：單線程0.98s,4個線程1.03s,4個進程1.6s。
原因在於創建線程、進程的時間額外開銷超過了任務本身的計算時間。
4、實現多線程的方式：threading.Thread()、線程池concurrent.futures.ThreadPoolExecutor
5、實現多進程的方式：multiprocessing.Process、進程池concurrent.futures.ProcessPoolExecutor
6、多線程實現互斥：lock=threading.Lock(),lock.acquire(),訪問共享變量,lock.release(),
7、線程之間的數據共享：多個線程共用一個普通變量作為共享變量就可以，因為多線程共享同一個進程的內存空間。
8、多進程實現互斥：lock=multiprocessing.Manager().Lock()；每個進程先lock.acquire(),然后訪問共享變量，再lock.release()。
9、進程之間的數據共享：普通變量不能用作共享變量(因為普通變量屬於宿主進程空間，不屬於新創建的進程們，存在隔離)，必須使用multiprocessing.Manager()提供的數據類型。
例如：
list_=Manager().list() #用類似Python的普通list,可以append,但不能直接取值，需要先用list(var)強制轉為普通list dic_=Manager().dict(), #類似普通的dict v_=Manager().Value(typecode,value),#單個變量，typecode array_=Manager().Array(typecode,sequence) #數組
10、進程之間數據共享的其他方式：pipe、queue