程序并不能单独运行，只有将程序装载到内存中，系统为它分配资源才能运行，而这种执行的程序就称之为进程。程序和进程的区别就在于：程序是指令的集合，它是进程运行的静态描述文本；进程是程序的一次执行活动，属于动态概念。
进程只能在一个时间干一件事，如果想同时干两件事或多件事，进程就无能为力了。
进程在执行的过程中如果阻塞，例如等待输入，整个进程就会挂起，即使进程中有些工作不依赖于输入的数据，也将无法执行。
进程和线程的主要差别在于它们是不同的操作系统资源管理方式。进程有独立的地址空间，一个进程崩溃后，在保护模式下不会对其它进程产生影响，而线程只是一个进程中的不同执行路径。线程有自己的堆栈和局部变量，但线程之间没有单独的地址空间，一个线程死掉就等于整个进程死掉，所以多进程的程序要比多线程的程序 健壮，但在进程切换时，耗费资源较大，效率要差一些。但对于一些要求同时进行并且又要共享某些变量的并发操作，只能用线程，不能用进程。
例子：
#!/usr/local/python27/bin/python2.7# coding=utf8# noinspection PyUnresolvedReferencesfrom multiprocessing import Processimport timedef f(n): time.sleep(1) print n*nfor i in range(10): p = Process(target=f,args=[i,]) p.start()
在一般情况下多个进程的内存资源是相互独立的，而多线程可以共享同一个进程中的内存资源，示例代码：
#!/usr/local/python27/bin/python2.7# coding=utf8# noinspection PyUnresolvedReferences# 通过多进程和多线程对比，进程间内存无法共享，线程间的内存共享from multiprocessing import Processimport threadingimport timelock = threading.Lock() def run(info_list,n): lock.acquire() info_list.append(n) lock.release() print('%s\n' % info_list) info = [] for i in range(10):'''target为子进程执行的函数，args为需要给函数传递的参数''' p = Process(target=run,args=[info,i]) p.start() '''这里是为了输出整齐让主进程的执行等一下子进程''' time.sleep(1) print('------------threading--------------') for i in range(10): p = threading.Thread(target=run,args=[info,i]) p.start()进程间通信：
#!/usr/local/python27/bin/python2.7# coding=utf8# noinspection PyUnresolvedReferences# 通过multiprocessing.Queue实现进程间内存共享from multiprocessing import Process,Queueimport time def write(q): for i in ['A','B','C','D','E']: print('Put %s to queue' % i) q.put(i) time.sleep(0.5) def read(q): while True: v = q.get(True) print('get %s from queue' %v) if __name__ == '__main__': q = Queue() pw = Process(target=write,args=(q,)) pr = Process(target=read,args=(q,)) pw.start() pr.start() pr.join() pr.terminate()进程池：
#!/usr/local/python27/bin/python2.7# coding=utf8# noinspection PyUnresolvedReferencesfrom multiprocessing import Poolimport time def f(x): print x*x time.sleep(2) return x*x '''定义启动的进程数量'''pool = Pool(processes=5)res_list = [] for i in range(10): '''以异步并行的方式启动进程，如果要同步等待的方式，可以在每次启动进程之后调用res.get()方法，也可以使用Pool.apply''' res = pool.apply_async(f,[i,]) print('-------:',i) res_list.append(res)pool.close()pool.join()for r in res_list: print(r.get(timeout=5))
