上下文切换
当一个程序进入 I/O 等待时，暂停执行，这样内核就能执行 I/O 请求相关的低级操作，直到 I/O 操作完成时才继续
上下文切换是相当重 量级的操作。它要求我们保存程序的状态(丢失了我们在 CPU 层面上任何类型的 缓存)，放弃使用 CPU。之后，当我们允许再次运行时，我们必须花时间在主板上 重新初始化程序并准备好继续运行
事件循环
回调 or future Future 由 gevent.spawn 来创建，使用了一个函数和传递给这个函数的参数，并 且启动了一个负责运行这个函数的 greenlet。greenlet 能够被看作一个 future， 因为你声明的函数一旦运行完成，它的值就会包含在 greenlet 的 value 域中
multiprocessing
- 把你的工作拆分成独立的工作单元。
- 如果你的工作者所花的时间是可变的，那就考虑随机化工作序列(另一个例子 就是处理大小可变的文件)。
- 对你的工作队列进行排序，这样首先处理最慢的任务可能是一个平均来说有用 的策略。
- 使用默认的 chunksize，除非你已经验证了调节它的理由。
- 让任务数量与物理 CPU 数量保持一致(默认的 chunksize 再次为你考虑到 了，尽管它默认会使用超线程，这样可能不会提供额外的性能收益)。
Queue 主要看通信
序列化(pickle)和同步，使用 Queue 具有相当的开销
使用一个更少的 Queue 的单进程解决方案明显要比使用两个 或多个进程的要快 两个进程完成这个例子要比一个进程稍快一点，而四个或八个进程则比一个进程要更慢
进程通信 multiprocessing.Value mmap
内存
基础类型的对象开销高 整数对象已经存在缓存中，这样就可以被复用。
Python 缓存了类似整数的基础对象为以后所用。在一个RAM有限的系统中，这会造成问题，所以你应该注意到这些基础类型可能会构建在缓存中。
Array 创建了一个连续的RAM块来保存底层数据，高效地存储了类似于整数、浮点数和字符的基础类型，但没有复数或者类
注意在 array 中的唯一数字不是 Python 对象，它们在 array 中是字节。如果我 们要解引用它们中任何一个，那么一个新的 Python int 对象将会被构建。如果你想要在它们之上来做计算，不会发生整体上的节省，但是如果你想要把数组传递给一 个外部进程或者只使用一些数据，你应该看到相比使用一个整数的 list 来说，大大节约了 RAM
