CPU密集型、IO密集型

CPU密集型 vs IO密集型

CPU密集型也叫计算密集型，此时系统运作大部分的状况是CPU Loading 100%，I/O在很短的时间就可以完成，而CPU还有许多运算要处理，CPU Loading很高。

IO密集型，此时大部分的状况是CPU在等I/O操作完成，此时CPU Loading并不高。

计算密集型任务的特点：
要进行大量的计算，消耗CPU资源，比如计算圆周率、对视频进行高清解码等等，全靠CPU的运算能力。这种计算密集型任务虽然也可以用多任务完成，但是任务越多，花在任务切换的时间就越多，CPU执行任务的效率就越低，所以，要最高效地利用CPU，计算密集型任务同时进行的数量应当等于CPU的核心数。

计算密集型任务由于主要消耗CPU资源，因此，代码运行效率至关重要。Python这样的脚本语言运行效率很低，完全不适合计算密集型任务。对于计算密集型任务，最好用C语言编写。

IO密集型特点：
涉及到网络、磁盘IO的任务都是IO密集型任务，这类任务的特点是CPU消耗很少，任务的大部分时间都在等待IO操作完成（因为IO的速度远远低于CPU和内存的速度）。对于IO密集型任务，任务越多，CPU效率越高，但也有一个限度。常见的大部分任务都是IO密集型任务，比如Web应用。

CPU密集型和IO密集型 设置线程数

CPU密集型和IO密集型分别该如何设置多少线程数呢？

其实只要把握住一条原则就可以了，这条原则就是：将硬件的性能发挥到极致。下面我们针对 CPU 密集型和 I/O 密集型计算场景给出理论上的最佳公式，这些公式背后的目标其实就是将硬件的性能发挥到极致。

1、对于 CPU 密集型计算
多线程本质上是提升多核 CPU 的利用率，所以对于一个 4 核的 CPU，每个核一个线程，理论上创建 4 个线程就可以了，再多创建线程也只是增加线程切换的成本。所以，对于 CPU 密集型的计算场景，理论上“线程的数量 =CPU 核数”就是最合适的。不过在工程上，线程的数量一般会设置为CPU 核数 +1

2、对于 I/O 密集型计算场景
最佳的线程数是与程序中 CPU 计算和 I/O 操作的耗时比相关的，我们可以总结出这样一个公式
最佳线程数 =1 +（I/O 耗时 / CPU 耗时）

不过上面这个公式是针对单核 CPU 的，至于多核 CPU，也很简单，只需要等比扩大就可以了，计算公式如下：

最佳线程数 =CPU 核数 * [ 1 +（I/O 耗时 / CPU 耗时）]

I/O 密集型计算场景
I/O 耗时和 CPU 耗时的比值是一个关键参数，不幸的是这个参数是未知的，而且是动态变化的，所以工程上，我们要估算这个参数，然后做各种不同场景下的压测来验证我们的估计。不过工程上，原则还是将硬件的性能发挥到极致，所以压测时，我们需要重点关注 CPU、I/O 设备的利用率和性能指标（响应时间、吞吐量）之间的关系。