Python高并发的解决方案
基本概念
并发和并行区别
并行，parallel
同时做某些事，可以互不干扰的同一个时刻做几件事
并发，concurrency
也是同时做某些事，但是强调，一个时段内有事情要处理。
举例
高速公路的车道，双向4车道，所有车辆（数据）可以互不干扰的在自己的车道上奔跑（传输） 在同一个时刻，每条车道上可能同时有车辆在跑，是同时发生的概念，这是并行 在一段时间内，有这么多车要通过，这是并发
并发的解决
某个时间段内，数据涌来，这就是并发。如果数据量很大，就是高并发
1、队列、缓冲区
假设只有一个窗口，陆续涌入食堂的人，排队打菜是比较好的方式 所以，排队（队列）是一种天然解决并发的办法 排队就是把人排成 队列，先进先出，解决了资源使用的问题 排成的队列，其实就是一个缓冲地带，就是 缓冲区 假设女生优先，每次都从这个队伍中优先选出女生出来先打饭，这就是 优先队列 例如queue模块的类Queue、LifoQueue、PriorityQueue（小顶堆实现）
2、争抢
只开一个窗口，有可能没有秩序，也就是谁挤进去就给谁打饭 挤到窗口的人占据窗口，直到打到饭菜离开 其他人继续争抢，会有一个人占据着窗口，可以视为锁定窗口，窗口就不能为其他人提供服务了。这是一种锁机 制 谁抢到资源就上锁，排他性的锁，其他人只能等候 争抢也是一种高并发解决方案，但是，这样可能不好，因为有可能有人很长时间抢不到
3、预处理
如果排长队的原因，是由于每个人打菜等候时间长，因为要吃的菜没有，需要现做，没打着饭不走开，锁定着窗 口 食堂可以提前统计大多数人最爱吃的菜品，将最爱吃的80%的热门菜，提前做好，保证供应，20%的冷门菜，现 做 这样大多数人，就算锁定窗口，也很快打到饭菜走了，快速释放窗口 一种提前加载用户需要的数据的思路，预处理 思想，缓存常用
4、并行
成百上千人同时来吃饭，一个队伍搞不定的，多开打饭窗口形成多个队列，如同开多个车道一样，并行打菜 开窗口就得扩大食堂，得多雇人在每一个窗口提供服务，造成 成本上升 日常可以通过购买更多服务器，或多开进程、线程实现并行处理，来解决并发问题 注意这些都是 水平扩展 思想 *注： 如果线程在单CPU上处理，就不是真并行了 但是多数服务器都是多CPU的，服务的部署往往是多机的、分布式的，这都是并行处理
5、提速
提高单个窗口的打饭速度，也是解决并发的方式 打饭人员提高工作技能，或为单个窗口配备更多的服务人员，都是提速的办法 提高单个CPU性能，或单个服务器安装更多的CPU 这是一种 垂直扩展 思想
6、消息中间件
上地、西二旗地铁 站外 的九曲回肠的走廊，缓冲人流，进去之后再多口安检进站 常见的消息中间件有RabbitMQ、ActiveMQ（Apache）、RocketMQ（阿里Apache）、kafka（Apache）等 当然还有其他手段解决并发问题，但是已经列举除了最常用的解决方案，一般来说不同的并发场景用不同的策略， 而策略可能是多种方式的优化组合 例如多开食堂（多地），也可以把食堂建设到宿舍生活区（就近），所以说，技术来源于生活
———————— 原文链接：https://blog.csdn.net/python_lqx/article/details/91345060