如何并行化Python的嵌套for循环？

这是我最后一年项目的循环代码。它工作正常，但执行速度较慢。我需要加快速度。这是一个嵌套的for循环，所以有没有一种方法来并行化这段代码

        for user in users.each():
            count += 1
            if not os.path.isdir("Facial_images/face_rec/train/User_" + str(count)):
                os.makedirs("Facial_images/face_rec/train/User_" + str(count))
            for i in range(20):
                DBHelper.download_user_photo("User_" + str(count) + "/" + str(i) + ".jpg")

---

您可以使用三种主要方法。多处理、多线程和协同程序。每种方法都有多种方法，在协同路由的情况下，技术有多种名称

多线程您将为每次下载创建一个新进程，多线程您将创建一个新线程。线程的重量比进程轻（但不多），并且共享内存。因此，操作系统在线程之间切换的成本更低，并且您可以在每个线程中访问相同的数据，而无需复制数据或发送消息。线程的缺点是，您需要控制对共享内存的访问以防止争用情况，在Python的情况下，线程将永远不会实际并行运行，因为它们共享一个具有全局解释器锁（GIL）的解释器，以防止解释器本身发生此类情况

对于多处理，这不是一个问题，因为每个进程都有自己的解释器和GIL。每个进程也有自己的内存空间，因此您必须明确地设置您想要的任何共享内存（尽管这并不真正适用于您的问题）。由于每个进程都有自己的内存和解释器，因此在进程之间切换比在线程之间切换需要更长的时间

协程有点像是在单个线程中存在的重量更轻的线程。基本上，在等待输入/输出（IO）之前，您会尽可能多地完成工作，然后以某种方式（自动）保存该例程的状态，并继续进行其他可以完成的工作。每当一个协同程序用完有用的工作或开始等待IO时，您的程序都会返回并根据已完成的IO操作检查挂起的协同程序现在能够完成哪些工作（理论上，可能还会有其他情况发生此检查，这将特定于协同程序的实现）这样，切换上下文（即线程或进程之间）的成本最低，并且使用的内存最少。在本例中，您的程序实际上从未并行执行任何操作，但操作系统正在代表您执行并行IO操作

多处理库将为您提供多处理，线程将为您提供多线程（如果您选择其中一种，我建议使用池或线程池），asyncio将为您提供协同程序支持。看

---

当然，即使您使这些操作并行，它们也可能不会更快，这取决于文件从何处下载以及服务器将为您的下载分配多少带宽，即如果一次下载获得100kbps，两次下载只会获得50kbps吗？它仍然会快一点，很可能是因为您将并行执行TCP握手。

您需要的是多线程。请参阅。查看代码片段，它将被IO绑定，等待照片下载。多处理可以工作，但需要比多线程更多的资源，而且可能会稍微快一点，事实上，根据下载用户照片所做的事情，速度可能会慢一些（如果下载被写入磁盘，如果它们进入内存，速度会快一些，进程必须将结果传回主进程。）异步IO可能是最有效的方法。看见