多进程vs多线程：是否仅为获取更多CPU资源？CPU密集任务差异解析

先直接回应你的核心疑问：多进程绝不仅仅是获取更多CPU资源的方式——哪怕完全不考虑进程间通信，它和多线程在内存模型、调度开销、硬件缓存利用等层面都有本质差异，这些差异在CPU密集型任务中会直接影响性能和稳定性。

针对你说的「N个完全并行、仅参数不同的CPU密集型任务」，两种方案的具体差异如下：

1. 内存开销与故障隔离 #

• 多进程：每个进程拥有独立的虚拟地址空间，代码段、全局变量、堆内存都是完全隔离的。哪怕任务逻辑完全相同，每个进程都要单独加载一份程序代码副本，内存开销会是多线程的N倍左右。但优势是隔离性极强：单个进程崩溃（比如出现非法内存访问）不会波及其他进程，整个任务集群的容错性更高。
• 多线程：所有线程共享所属进程的地址空间，代码、全局数据、堆内存都是共用的，内存开销极小。但代价是没有隔离性：一个线程的崩溃（比如野指针操作）会直接导致整个进程终止，所有线程都跟着挂掉。

2. 调度切换的硬件开销 #

操作系统调度进程和线程时，硬件层面的开销差异很大：

• 多进程切换：每次切换进程，CPU需要刷新TLB（翻译后备缓冲器，用于缓存虚拟地址到物理地址的映射），同时切换进程的上下文（寄存器、栈指针等）。TLB刷新会导致CPU缓存（L1/L2/L3）的命中率骤降，后续需要从内存重新加载数据，这对CPU密集型任务的性能影响非常明显。
• 多线程切换：同一进程内的线程切换不需要刷新TLB，因为地址空间相同，只需要切换线程的上下文。切换开销远小于进程切换，CPU缓存的命中率也能保持在较高水平，更适合高频调度的场景。

3. CPU缓存的利用效率 #

CPU密集型任务对缓存命中率极其敏感，两种方案的缓存利用差异显著：

• 多进程：每个进程的数据独立，CPU缓存中只能存储当前进程的指令和数据，切换进程后缓存内容基本失效，需要重新加载，缓存命中率低。
• 多线程：线程共享进程的地址空间，缓存中的指令、全局数据可以被所有线程复用，缓存命中率更高，CPU能更高效地从缓存获取数据，减少内存访问的等待时间，整体执行速度更快。

4. 语言层面的特殊限制（如Python的GIL） #

如果你的程序是用Python这类带有全局解释器锁（GIL）的语言编写，差异会被放大：

• 多线程在CPU密集型任务中无法真正利用多核——因为同一时间只有一个线程能执行Python字节码，多核CPU的优势完全发挥不出来，N个线程的执行效率甚至不如单线程（还要承担线程切换开销）。
• 多进程则不受GIL限制，每个进程有独立的解释器和GIL，能真正在多核CPU上并行执行，完全发挥硬件性能。

最后再回到你最初的困惑：多进程的核心价值不只是抢占CPU资源，它的隔离性、独立内存模型在需要稳定性、容错性的场景中是多线程无法替代的；而多线程的低开销、高缓存效率，则在资源受限、追求极致性能的CPU密集型任务中更有优势。

内容的提问来源于stack exchange，提问作者unsatisfiablespirit