在計算機領域中，我們經常遇到進程(Process)、多進程(Multiple Process)、線程(Thread)、協程(Coroutine)等關鍵詞，又到底什麼是Multiple Processing、什麼是Multiple Threading呢、什麼是Coroutine呢? 這些術語究竟有何不同
透過本文，我們將帶您深入了解它們之間的差異，從而更好地理解計算機科技領域的核心概念。
簡介
一般運行程式時，最直覺的方式是一行一行的執行，但很多時候我們會遇到某一行程式碼卡很久並導致整個application都因此卡住不動，要是讓老闆等到茶都涼了，那我這份工作可能也涼了🤣，因此聰明的開發者就針對這類型的按力發展出了許多解決方案，以下將會介紹我們有哪些好方法可以解決這類型的問題。
I/O bound v.s CPU bound
首先，程式再執行任務時，會分成I/O bound和CPU bound
圖一: 程式運行時的圖示
- I/O bound
任務本身是透過網際網路去傳送請求，這時就會受到寫入/讀取的速度限制，比如打API到遠端的Server獲取股票價格、上傳高畫質相片到雲端會根據電腦的網路速度、以及其他任何牽涉到網路讀取和寫入，都屬於I/O bound的一種。 - CPU bound
任務本身涉及大量CPU、GPU計算，比如3D製圖、近期很火紅的AI模型訓練、本地解壓縮檔案等都屬於CPU bound的一種。
圖二：Program & Process & Thread 示意圖
如上圖所示，從上到下分別是簡單的單位區分，我們運行的程式碼就是Program，當你啟動某應用程式，實際上就是讓Program生成進程(Process)並執行程式，一個Program可以開出多個進程(Process)，每條進程都有一個獨立的id(PID)，而一個進程(Process)可以開出多個線程(Thread)，線程即為電腦運行軟體的最小單位，是程式碼實際實行的地方，並且Thread之間可以共享記憶體，統一由Process管理。
什麼是Multiple Processing
每個Process擁有自己的記憶體位址，並且是彼此獨立的。
Multiple Processing是使用兩個以上的CPU來再同時間執行獨立的任務，Process彼此之間不會互相影響，理論上電腦上的每顆CPU只可以開出一條新的process，所以假設你的電腦是八核心，那你的電腦至多能開出小於等於8的Process。
應用案例: 比如電影渲染時會將不同的區塊分配給不同的核心來加速渲染速度。
什麼是Multiple Threading
Multiple Threading 是再相同的Process內開啟多個Threads來做到平行執行任務，再運行程式時，Threads可以從動態產生的共用記憶體(heap)中調用變數並再runtime(執行程式)時存放於stack，多個Thread雖然可以同時進Process存取資料，但是操作系統只會依次分配時間片給先來報名存取的Thread，俗稱「Scheduling」。
應用案例: 比如你此刻打開的多個網站都是由，他們的parent process可能是一樣的，只是每個分頁由不同的thread來處理。
什麼是Coroutine
協程(Coroutine)讓我們可以在”單線程”的情況下達到類似多線程的效果，相較於線程更小的執行單位，屬於純應用層的執行單位，作業系統並不知道有它的存在，但它和線程一樣有自己的記憶體空間，要注意的是Coroutine的目的只是讓非阻塞的操作能夠被同步執行，如果程式本身是CPU bound的話那就一樣會被阻塞住!
Python AsyncIO
AsyncIO 的概念最早起源於 JavaScript 的 async/await 語法。它在單線程中實現了類似於Multiple Threading的效果，採用類似 Coroutine 的方式在背景執行。由事件循環（event loop）在有空閒時檢查各個背景任務是否有返回結果，適合處理涉及網絡傳輸的 I/O bound 任務，例如 API 伺服器。Server首先接受多個使用者的請求，然後等到處理完後自動回傳給使用者。若API Server不支援 AsyncIO的話，可能會導致對使用者來說的請求處理時間過長，遲遲沒有等不到回應。
為何要在Python裡使用AsyncIO而不是用Multiple Threading?
由於受限Python 全域鎖GIL(Global Interpreter Lock) 的特性，當我們打算再Python運行Multiple Threading的程式碼時所有的Thread都會被鎖住，導致沒辦法執行，效果相當於Single-threaded，幸運的是，AsyncIO再Python3.4開始支援，Python官方對AsyncIO的解釋如下
<em>asyncio is a library to write concurrent code using the async/await syntax.
asyncio is used as a foundation for multiple Python asynchronous frameworks that provide high-performance network and web-servers, database connection libraries, distributed task queues, etc.
asyncio is often a perfect fit for IO-bound and high-level structured network code.</em>註：雖然 Python 仍有支援執行緒的庫，但效能不如 AsyncIO
Goroutine (Go的Coroutine)
- Goroutine是 Golang中的一個核心特性，它是一個輕量級的執行緒，由 Go 語言的執行時環境(runtime)管理，不同於傳統的執行緒，Go協程的開銷非常小，可以同時運行成千上萬個協程。在函數調用前加上
go關鍵字來非阻塞地啟動一個新的協程，內建的調度器來管理協程的執行。調度器會動態分配協程給不同的執行緒，實現了高效的並行操作。
同步 (Synchronous) V.S 異步 (Asynchronous)
最後總結一下同步和異步的具體區別
- 同步 Synchronous
在同步操作中，程式的執行是按照順序一行一行進行的。每一行程式必須完成後，才會繼續執行下一行。儘管這種方式確保了操作的順序性，但在等待一些耗時操作(例如網絡請求或文件讀取)完成時，可能導致等待時間過長，從老闆的角度來看，這似乎有點在浪費時間。 - 異步 Asynchronous
異步操作不僅適用於多線程(Multiple Threading)或多進程(Multiple Processing)的環境，同樣適用於單執行緒(Single Thread)或單進程(Single Process)的情況。當某一行程式(前提必須是 I/O bound 的操作)的等待時間過長時，我們可以採用異步方式，使該操作在背景中執行，同時主程式（main）可以繼續執行其他任務。為實現此目的，我們需要有共享記憶體空間以儲存變數，或者使用一個中控台來管理在背景中執行的任務。當任務完成時，我們可以通知主程式。常見的異步機制包括回調(callback)、Promise、Future 以及 async/await 等。
結語
以上就是本次的分享。以下幫大家總整理幾個重點總結
- Multiple Processing 多進程 – Process之間彼此獨立不互相影響，直接影響OS系統
- Multiple Threading 多線程 – Thread之間共享相同Process的記憶體
- Concurrent 並發 – 並發只是一個概念，它可以被套用到異步或是多線程內，只是實作方式不同
- Asynchronous 異步 – 常見的方式如Python的AsyncIO、NodeJS和C#的Async/Await、Golang的Goroutine，實作方式雖然不同，但都是為了在單線程的環境下更有效率的處理 I/O bound 任務以實現類似多執行緒效果。透過圖片希望能幫助你更好的瞭解其中的差異。
- 實際比較
想像一個大型電子商務平台處理訂單的情景。使用多進程可以將不同的訂單處理在不同的進程中，確保一個訂單處理的錯誤不會影響其他訂單。多線程則可以在處理每個訂單的同時執行多個子任務，例如庫存更新、付款處理等。異步處理則可以確保在高峰時段處理訂單時，伺服器不會因為等待外部系統回應而陷入阻塞。
到這邊就是整篇文章的介紹啦，喜歡的話歡迎分享給有一樣疑問的同學們唷~
