多线程与多进程的应用场景不一样：
1、线程的创建开销小、由于GIL的存在，无法真正并行，适合GUI、网络通信、文件读写等IO密集型场景；
2、进程的创建开销大，可以充分利用多个CPU实现并行，适合计算量比较大（比如单个函数执行需要几分钟、几十分钟以上），且无需IO（简单地说就是数据已经在内存中，不需要读取磁盘、网络通信）的场景。
3、多线程、多进程都不适合的场景：基本不涉及IO或只读取一次文件这种，且计算量不大，单线程短时间就能结束（一两秒左右）的情况下，单进程单线程是最好的。
我自己做过对比实验，这种情况下单进程>多线程>>多进程，实际测试结果：单线程0.98s,4个线程1.03s,4个进程1.6s。
原因在于创建线程、进程的时间额外开销超过了任务本身的计算时间。
4、实现多线程的方式：threading.Thread()、线程池concurrent.futures.ThreadPoolExecutor
5、实现多进程的方式：multiprocessing.Process、进程池concurrent.futures.ProcessPoolExecutor
6、多线程实现互斥：lock=threading.Lock(),lock.acquire(),访问共享变量,lock.release(),
7、线程之间的数据共享：多个线程共用一个普通变量作为共享变量就可以，因为多线程共享同一个进程的内存空间。
8、多进程实现互斥：lock=multiprocessing.Manager().Lock(),lock.acquire(),访问共享变量lock.release(),
9、进程之间的数据共享：普通变量不能用作共享变量(因为普通变量属于宿主进程空间，不属于新创建的进程们，存在隔离)，必须使用multiprocessing.Manager()提供的数据类型。
例如：
list_=Manager().list() #用类似Python的普通list,可以append,但不能直接取值，需要先用list(var)强制转为普通list dic_=Manager().dict(), #类似普通的dict v_=Manager().Value(typecode,value),#单个变量，typecode array_=Manager().Array(typecode,sequence) #数组
10、进程之间通信的方式：pipe、queue