背景

Python中提供了兩個模組來簡化多執行緒/程序的處理，concurrent.futures、multiprocessing這兩個模組是使用最多的。那麼這兩個模組究竟有什麼差別。concurrent.futures是在python3.2中引入的，提供了一種遍歷的方式來管理非同步任務。

The concurrent.futures module provides a high-level interface for asynchronously executing callables.

The asynchronous execution can be performed with threads, using
 
 ThreadPoolExecutor, or separate processes, using ProcessPoolExecutor. Both implement the same interface, which is defined by the abstract Executor class.

例子

from concurrent.futures import ProcessPoolExecutor
def pool_factorizer_map(nums, nprocs):
    # Let the executor divide the work among processes by using 'map'.
 

    with ProcessPoolExecutor(max_workers=nprocs) as executor:
        return {num:factors for num, factors in
                                zip(nums,
                                    executor.map(factorize_naive, nums))}

import multiprocessing as mp
def mp_factorizer_map(nums, nprocs):
    with
 
 mp.Pool(nprocs) as pool:
        return {num:factors for num, factors in
                                zip(nums,
                                    pool.map(factorize_naive, nums))}

比較

1. 顯然用futures的寫法上更簡潔一些，concurrent.futures的效能並沒有更好，只是讓編碼變得更簡單。考慮併發程式設計的時候，任何簡化都是好事。從長遠來看，concurrent.futures編寫的程式碼更容易維護。
2. 使用map時，future是逐個迭代提交，multiprocessing.Pool是批量提交jobs，因此對於大批量jobs的處理，multiprocessing.Pool效率會更高一些。對於需要長時間執行的作業，用future更佳，future提供了更多的功能（callback, check status, cancel）。
3. concurrent.futures.ProcessPoolExecutor是對multiprocessing的封裝，在執行時需匯入__main__，不能直接在互動視窗工作。
4. 由於GIL限制，建議：IO密集的任務，用ThreadPoolExecutor；CPU密集任務，用ProcessPoolExcutor。