前言

本周刊每周五发送，主要内容是我在每周看到的有价值的信息，目的是希望自己加强对优秀的内容深入的理解，另一方面好的内容想要分享出来，让更多的人看到。

工具

• 91化简 (opens new window)

一个免费制作简历的平台

• 免费API (opens new window)

包含了上百项免费 API 提供使用。

项目

• memos (opens new window)

开源的私人博客，类似于 flomo，通过 docker 可以快速部署。

• code-statistic (opens new window)

可以用来统计 github 上用户或者仓库的信息，可以通过超链接来展示。

文章

• Processes Are About 40x Slower Than Threads in Python（进程比 Python 中的线程慢大约 40 倍） (opens new window)

python 有三种启动进程的方式：

1. spawn，父进程启动一个新的 Python 解析器，只继承 run 方法中需要的资源。
2. fork，使用 os.fork 系统调用启动一个 Python 解析器，继承父进程的所有资源，但是如果父进程是多线程，fork 时有死锁的风险，详情参考：Why your multiprocessing Pool is stuck (opens new window) ，多线程不会被复制到子进程中。
3. forkserver，向 fork server 发送指令，由它 os.fork 子进程，而该 fork server 是单线程，所有无该风险。

参考资料： python多进程实战 (opens new window) multiprocessing (opens new window)

作者使用 spawn 和 fork 两种方式创建 1000 个进程进行耗时测试，然后再创建 1000 个线程测试，结果如下：

方式	总共耗时	平均耗时
spawn 方式进程	42.3 秒	42.3 毫秒
fork 方式进程	2.07 秒	2.07 毫秒
线程	0.048 秒	4.8e-05 秒(0.000048)

结论：

1. fork 要比 spawn 方式创建进程的速度要快 20 倍
2. 创建线程比 fork 进程速度快 43 倍
3. 如果程序需要创建许多的并发，考虑使用线程而不是进程，但是只适合 I/O 密集型任务。

• Threads are 4x Faster at Sharing Data Than Processes in Python (opens new window)

作者做一个在 python 中比较进程和线程在共享数据方面的速度实验。

通过创建线程池和进程池排除创建进程和线程因素，又通过使用基本相同的 API 方式实现，减少其他因素的影响。

结论是线程传输数据的速度比进程快近 4 倍。原因也很简单，线程可以共享内存，而进程需要通过序列化、传输、接收、反序列化这些过程，增加了计算上的开销。

• 你好 ChatGPT, 帮我看下这段代码有什么问题？ (opens new window)

作者通过 ChatGPT 来排查 java 代码中的 Bug

• No one cares (opens new window)

没有人关心你是谁，你知道什么，你创造了什么。人们忙于自己的生活。他们迷失在自己的世界里。

你发行了世界上最棒的音乐专辑？没人在乎。

你花了两年时间写小说？没人在乎。

你制作了一个很棒的应用程序来解决一个大问题？没有人...

这正是营销的用武之地。

我们需要学会推销自己的产品，这是我们要解决的问题。