前言：博主最近在比较python和go语言写的web服务器的执行效率问题，在看了google搜索结果后，产生了疑问
1.为什么python的异步执行框架tornado效率可以和go语言媲美？
2.为什么随着线程的增加，并发数的增长呈现逐步缓慢的趋势？
带着这些问题，博主探究了下原因，如果有错误，欢迎大家指出。
注意：为简化推理过程和理解，以下只考虑执行任务的线程，系统中其他所有(包括系统线程)均不考虑，即cpu只执行我们的任务线程。
一、单核cpu
首先，我们要知道在单核时，只能进行并发执行某个线程(操作系统的时间片轮转法是分配时间片给线程而不是进程，博主有文章提到过)，而不能并行执行。
1.当线程为cpu密集型时( 比如一个 while( true ){ i++;} )
(图中横坐标是时间，从0s到1s，方块是线程每次时间片的执行)
由于时间片轮转，虽然cpu中只有这一个线程在执行，可它还是每执行一个时间片后就被调度出cpu，再调度回来，这样在1s内时间被用来执行线程+调度线程，cpu一直在执行线程和调度，利用率为100%（看吧，我们单线程就把cpu跑满了），此时如果增加线程，执行效率不会得到提升，反而可能因为调度变复杂、内存等资源争夺而降低效率！
2.当线程为IO密集型时(比如一个从磁盘拷贝数据到另一个磁盘的拷贝进程)
(图中横轴为时间，从0s到1s，方块为线程占用cpu执行，波浪线为线程正在IO(此时cpu为空)，该线程只有IO结束才能继续执行，波浪线与方块之间的时间为调度时间)
从图中可以发现，cpu利用率极低，1s内时间被用来执行线程+IO+调度，此时如果对当前任务用多线程，只要磁盘足够快，那理论上1s内cpu利用率越高，效率越高，但是实际上磁盘读写速度有限，如果增加过多线程，cpu利用率是上去了，但是磁盘因为要切换多个线程的读写(由于线程被调度)，导致效率降低，木桶效应，影响整个任务效率。
3.当执行线程为计算多，IO少（其实本质就是计算密集型比如一个web服务器，执行各种数学运算并返回结果）
此时若采用单线程，那图和2中类似，只不过方块变大，波浪变小；
此时若采用多线程，比如两个线程时
(如图，方块间为cpu调度时间，波浪线为IO时间)
从图中，因为IO少，我们考虑此时磁盘肯定后于cpu满载，所以随着线程的增加，cpu利用率变高，理想状态下，1s时间被用来执行线程+调度，此时IO和执行并行了，极大提高了CPU利用率，因而可知，cpu密集而IO少的线程合理使用多线程可以增加cpu使用率和任务执行效率，至于多少个线程合适，则应在实际的硬件和系统下进行测试。
4.当线程为cpu执行少，IO多时(其实本质就是IO密集型，比如一个从磁盘拷贝数据到另一个磁盘的拷贝进程)
参考2，方块变更小了，波浪更长了，此时执行效率同样受制于磁盘，若磁盘未满载，则继续增加线程可以增加cpu使用率和磁盘使用率，加快任务效率，但若磁盘满载，则继续增加线程整体执行效率反而降低。
二、多核CPU
以八核为例，
1)若只跑一个线程，那同一时间只有某一核被利用，其他七核都空闲;
2)若同时跑八个计算密集型，则理论上整个任务执行效率会提高八倍，若超过八个线程，则效率可能反而下降；
3)若同时跑八个IO密集型，若没超过磁盘负载，则还可以继续增加线程，同时执行效率得到提高，若超过了，则执行效率会急剧下降；
注意：以上IO密集和cpu密集只是举例子，密不密集不是靠个人感觉，计算量大不大也不是靠个人感觉，实际上，例子中IO密集线程代表的情况是:使在cpu满载前，磁盘先满载的线程；cpu密集线程代表的情况是：使磁盘满载前，cpu先满载的线程；
举个例子：一个线程要就算圆周率后一百亿亿位，由于内存只有1g，所以要不断把中间结果写回磁盘在某台cpu差，硬盘读写速度超级高的设备上(外星人的科技，读写速度为无穷大)，是cpu密集型；在另一台运算超级厉害的cpu(也是外星人科技，计算圆周率后一百亿亿位只要1ms的那种)，然而磁盘却很慢(1kb/s),那它反而变成了IO密集型
现在大家说的IO密集型和cpu密集型是针对21世纪的大众硬件来说的，虽然没那么极端，但是还是想让大家知道，要具体问题具体分析，IO密集和cpu密集也只是相对的，而且要判断多线程能否提高执行效率，首先要知道这个线程在执行任务的机器上是io密集型还是cpu密集型
