1. 執行過程

• 每個線程有一個程序運行的入口、順序執行序列和程序的出口。但是線程不能夠獨立執行，必須依存在進程中，由進程提供多個線程執行控制。每個線程都有他自己的一組CPU寄存器，稱為線程的上下文，該上下文反映了線程上次運行該線程的CPU寄存器的狀態。
• 協程，又稱微線程，Coroutine。執行過程中，在子程序內部可中斷，然後轉而執行別的子程序，在適當的時候再返回來接著執行。實際上就是對函數調用流程的一種控制方式，讓函數互相協作配合，這就是協程。

2. 調度方式

• 進程和線程完全由操作系統負責調度，程序自己不能決定什麽時候執行，執行多長時間。
• 協程則是在程序中，自己負責調度，更加靈活，但復雜度較高。

3. 運行效率

• 進程是重量級別的程序，創建和銷毀開銷大。
• 線程是輕量級別的程序，相比進程下創建和銷毀開銷小，切換速度較快。
• 協程則是單線程的異步編程模型。和多線程比，線程數量越多，CPU就會花掉更多時間在切換中，而沒有線程切換、保存上下文的開銷的協程，相比下運行效率則更高。第二大優勢就是不需要多線程的鎖機制，因為只有一個線程，也不存在同時寫變量沖突，在協程中控制共享資源不加鎖，所以協程性能優勢更加明顯。

4. CPU利用

• 線程和協程由於CPython中全局解釋器鎖GIL的問題，只能使用到單核CPU的計算資源
• 進程則可以運行多個（數量與CPU核心數相同），充分利用多核CPU

CPython解釋器本身不是線程安全的，因此需要全局解釋器鎖GIL，一次只允許一個線程執行Python字節碼。因此一個Python進程不能同時使用到多個CPU核心。
然而，標準庫中所有執行阻塞型 IO 操作的函數，在等待結果返回時都會釋放GIL。這意味著盡管有GIL，Python線程還是能在 IO 密集型任務中一展身手。 引用自《流暢的Python》

5. 最佳實踐

• 線程和協程推薦在IO密集型的任務(比如網絡調用)中使用，而在CPU密集型的任務中，表現較差。
• 對於CPU密集型的任務，則需要多個進程，繞開GIL的限制，利用所有可用的CPU核心，提高效率。
• 所以大並發下的最佳實踐就是多進程+協程，既充分利用多核，又充分發揮協程的高效率，可獲得極高的性能。
  
  順便一提，非常流行的一個爬蟲框架Scrapy就是用到異步框架Twisted來進行任務的調度，這也是Scrapy框架高性能的原因之一。

Python進程、線程、協程的對比