1. 完整回答
进程、线程和协程，主要区别在于资源隔离、执行调度和并发组织的层次不同。
进程可以看成运行中的程序实例，通常拥有独立的虚拟地址空间，用来管理和隔离内存等资源。比如浏览器把不同工作负载放在不同进程里，一个进程出问题，一般不至于直接破坏其他进程的内存。不过进程之间不能直接读写彼此的普通内存，通信通常要通过管道、套接字或共享内存。
线程是进程内的执行单元，也是 Linux 等主流系统实际进行 CPU 调度的对象。同一个进程里的线程共享地址空间和大部分资源，但各自有独立的执行栈、寄存器状态。共享数据很方便，同时也会带来竞态条件，需要用锁、原子操作等方式保证正确性。
协程则是在更上层组织执行的轻量级任务，通常由语言运行时或框架管理。比如一个请求要等待数据库结果，协程可以在等待时挂起，先让其他任务运行，结果回来后再继续执行，这样不用为每个等待中的任务长期占用一个系统线程。Python 的 asyncio 主要通过事件循环和 await 协作调度；Go 的 goroutine 则能由运行时分配到多个系统线程上执行，支持多核并行。
所以实际选型时，需要故障隔离就考虑多进程，需要共享内存并行计算可以用多线程，大量 I/O 等待的并发任务适合协程。它们不是互相替代的关系，真实服务里也经常组合使用。
2. 核心原理与关键概念
2.1 三者的关系
一个进程可以包含多个线程；一个线程可以承载多个协程。 这是常见的组织方式，但协程不一定固定绑定某一个线程，具体取决于运行时。
- 进程层：提供虚拟地址空间和资源边界，通常以进程间通信交换数据。
- 线程层：内核把可运行线程调度到 CPU 上；线程共享所属进程的资源。
- 协程层：运行时记录任务执行到哪里，在适当时机挂起、排队并恢复任务；实际执行仍要依靠系统线程。
2.2 调度与切换流程
线程切换： 线程进入可运行状态 → 内核调度器选择线程 → 保存当前线程的执行上下文 → 恢复下一线程的上下文并运行。若还涉及不同进程，可能需要切换地址空间，并带来额外的缓存、地址转换开销。
协程切换，以事件循环为例： 协程执行 → 遇到尚未完成的 await 操作 → 保存可恢复的执行状态并挂起 → 事件循环运行其他任务 → I/O 完成后把原任务设为可运行 → 从挂起位置继续执行。await 不一定每次都会真正挂起，例如等待对象已经完成时就可能直接继续。
并发 I/O 的关键： 发起非阻塞 I/O → 当前任务等待、让出执行机会 → 事件到达后唤醒任务。这样提升的是等待期间的资源利用率，而不是让单次 I/O 本身必然变快。
2.3 必需概念
| 概念 | 含义 | 关键边界 |
|---|---|---|
| 地址空间 | 进程访问内存时使用的虚拟地址范围 | 不同进程通常相互隔离；同进程线程共享 |
| 执行上下文 | 程序计数器、寄存器、栈等恢复执行所需的状态 | 线程由内核管理；协程的状态由运行时或编译器机制维护 |
| 抢占式调度 | 执行单元不主动让出时，调度器仍可中断它 | 常见于操作系统线程；部分协程运行时也支持抢占 |
| 协作式调度 | 任务运行到可挂起位置时主动让出执行机会 | 典型例子是 Python asyncio |
| I/O 密集型 / CPU 密集型 | 时间主要花在等待外部操作 / 实际计算 | 决定是优先提高并发承载量还是利用多核算力 |
3. 高频面试追问
3.1 CPU 调度的到底是进程还是线程？
在 Linux 上，更准确地说，内核调度的是线程。 一个进程可以只有一个线程，也可以有多个线程；每个可运行线程都可以独立参与调度。所以“进程是资源分配单位、线程是调度单位”是合理的概括，但不要理解成操作系统只调度进程、线程只是内部函数。多核机器上，同一进程的多个线程也可能同时在不同核心运行。
3.2 为什么通常说进程切换比线程切换更重？
主要差别在于是否要切换地址空间。 同一进程内切换线程，通常保留共享的地址空间；切换到其他进程，可能涉及不同页表、地址转换缓存和处理器缓存的影响。不过线程切换本身也有调度和缓存成本，不能说没有开销，也不能断言每一次进程切换都一定慢于线程切换。
继续追问：创建子进程是不是马上复制全部内存？
在 Linux 的常见 fork 实现中不是。它通常采用写时复制：初始共享物理页面，某一方真正写入时再按需复制。因此创建进程的成本不能简单理解成“把整个内存复制一遍”。
3.3 进程之间怎么通信？应该怎么选？
常见方式是管道、消息队列、套接字和共享内存；信号更适合通知事件。 有亲缘关系的本机进程，可以用管道传输数据；独立进程或跨机器通信，通常用套接字；需要消息边界和排队，可以选消息队列；大块数据在本机高效交换时，可以考虑共享内存。
共享内存减少了数据搬运，但也意味着双方要自己处理同步和数据一致性。我的选择通常先看是否跨机器、传输量、延迟要求，以及能否接受额外的同步复杂度。
3.4 同一个进程的线程共享什么？协程是不是就不用加锁？
线程共享进程的地址空间、堆和打开的文件等资源，但各有独立栈和执行状态。协程也不能天然保证线程安全。 多线程同时修改共享变量时，可能产生数据竞争，需要互斥锁、原子操作或消息传递。
单线程事件循环里的协程不会在同一瞬间执行 Python 代码，但在 await 前后仍可能发生任务交错。例如先读取余额、等待 I/O、再写回余额，中间其他协程可能已经修改了余额，这时仍需要协调。Go 的 goroutine 还能在多个线程上并行运行，更要注意共享数据竞争。
3.5 协程为什么能挂起后继续执行？async/await 会创建新线程吗？
关键是保存执行状态，而不是新建线程。 运行时或编译器保存协程暂停时的位置和局部状态，等待条件满足后恢复执行。async/await 本身不代表一定创建线程；例如 Python asyncio 可以在同一个事件循环线程上交替运行多个任务。
继续追问：声明了 async 函数就自动并发了吗？
不一定。以 Python 为例，调用 async def 函数通常只是得到协程对象；需要 await 它，或者通过 create_task 等方式交给事件循环调度。要让多个 I/O 请求重叠执行，也要正确创建并发任务，而不是简单地逐个等待完成。
3.6 协程能不能用多核？Python asyncio 和 Go goroutine 有什么区别？
能否并行取决于运行时如何映射到系统线程，不能笼统说协程只能运行在单核上。 Python 常见的单线程 asyncio 事件循环一次只执行一个任务，适合交替处理 I/O；想做 CPU 并行，通常需要其他线程或进程等执行资源。
Go 的 goroutine 则由运行时把大量任务调度到多个操作系统线程上，在具备多个可用 CPU 核心时可以真正并行。Go 运行时还支持对 goroutine 的抢占，所以“所有协程都只能主动让出”也不准确。
3.7 协程一定比线程快吗？为什么不能直接替代线程？
不一定。协程的主要优势是较低的任务管理成本，以及高并发等待时更高的线程利用率，不是单个计算任务一定执行得更快。 协程最终还是在线程上运行，计算量不会凭空减少。
如果任务一直在做 CPU 计算，单线程事件循环中的其他任务就难以得到执行；如果调用了不能配合调度器的阻塞接口，也可能占住系统线程。另外，协程同样要处理取消、超时、资源上限和共享状态。对于需要多核计算或者兼容阻塞库的场景，多线程或多进程仍然有价值。
3.8 协程里调用阻塞 I/O，会发生什么？
取决于阻塞调用有没有被运行时接管。 在 Python 的单线程 asyncio 中，直接执行同步阻塞函数，比如 time.sleep 或同步网络请求，会阻塞事件循环线程，导致其他协程也无法及时运行。应该优先使用异步客户端；暂时无法替换时，可以把阻塞调用交给线程池。
Go 对常见网络 I/O 和部分系统调用有运行时配合，某个 goroutine 等待时，其他 goroutine 通常还能继续执行。但这不意味着任何阻塞调用都没有成本，尤其要关注外部库、线程占用和资源耗尽。
3.9 I/O 密集型和 CPU 密集型任务应该怎么选？
I/O 密集型优先考虑用异步 I/O、协程或有上限的线程池提高并发；CPU 密集型重点考虑如何利用多核。 比如上万请求大部分时间都在等待数据库，协程能减少大量线程同时等待的开销；但如果每个任务都在压缩图片，增加协程数量并不会自动获得更多 CPU 算力。
在 Go 中，可以让多个 goroutine 借助多个系统线程并行计算；在常见启用 GIL 的 CPython 构建中，纯 Python 的 CPU 密集计算往往更适合多进程，或者使用能够释放 GIL 的计算库。最终还要用吞吐、延迟、CPU 利用率和内存数据验证。
继续追问：Java 虚拟线程和协程是一回事吗？
不是完全等价的概念。Java 虚拟线程是 JVM 管理的轻量级 Thread，可以把大量虚拟线程复用到少量平台线程上；适合大量 I/O 等待任务，但不会让计算本身变快。它和协程解决的问题相近，API 及挂起机制则不同。
3.10 如果设计一个高并发接口服务，三者会怎么组合？
我会按照隔离、执行资源和等待模型分层处理。 首先让服务以独立进程部署，必要时用多个工作进程提高隔离性和资源利用率；进程内保留必要的系统线程，由线程承载请求处理和运行时调度；如果请求主要是数据库、缓存和下游 RPC 等 I/O 等待，就使用协程或异步模型承载大量并发请求。
不会无限创建任务，而是设置连接池容量、并发上限、超时和取消机制，避免下游变慢时把请求全部堆在内存里。如果出现延迟升高，会先区分是 CPU 打满、事件循环被阻塞、锁竞争，还是数据库连接池排队，再决定是增加工作进程、调整线程资源，还是改进异步调用链。
4. 易混淆概念对比
4.1 进程与线程
| 对比维度 | 进程 | 线程 |
|---|---|---|
| 主要职责 | 提供资源和隔离边界 | 提供可被内核调度的执行流 |
| 内存关系 | 通常有独立虚拟地址空间 | 同进程线程共享地址空间，各自有栈 |
| 数据交换 | 通常需要 IPC | 可直接访问共享数据，但要同步 |
| 故障影响 | 普通进程间隔离较强 | 严重内存错误可能影响整个进程 |
4.2 系统线程与协程
| 对比维度 | 系统线程 | 协程 |
|---|---|---|
| 调度主体 | 操作系统内核 | 语言运行时或框架 |
| 执行依赖 | 被内核分配 CPU | 仍需在线程上执行 |
| 切换方式 | 内核调度，通常支持抢占 | 依具体实现，可协作，也可被运行时抢占 |
| 主要优势 | 多核执行、兼容同步阻塞代码 | 轻量任务管理、高并发等待 |
4.3 并发与并行
| 概念 | 关注点 | 简单例子 |
|---|---|---|
| 并发 | 多个任务在同一时间段内交替推进 | 单个事件循环交替处理多个网络请求 |
| 并行 | 多个任务在同一时刻实际执行 | 多核 CPU 同时执行多个计算线程 |
并发不必然并行，并行也不是协程独有的能力。
4.4 协程与异步 I/O
| 概念 | 解决的问题 | 能否独立存在 |
|---|---|---|
| 协程 | 如何把任务写成可暂停、可恢复的执行流程 | 可以；不保证调用本身非阻塞 |
| 异步 I/O | 如何在等待 I/O 完成期间不长期阻塞执行线程 | 可以；也能通过回调等方式使用 |
两者经常配合，但写了 async/await 不等于底层调用一定非阻塞。
4.5 Python asyncio、Go goroutine 与 Java 虚拟线程
| 机制 | 典型调度方式 | 特别需要注意 |
|---|---|---|
Python asyncio |
事件循环内协作调度 | 同步阻塞调用会卡住事件循环 |
| Go goroutine | 运行时把任务复用到多个系统线程，可抢占 | 可以多核并行，但仍可能发生数据竞争 |
| Java 虚拟线程 | JVM 把虚拟线程挂载到平台线程运行 | 擅长大规模 I/O 等待，不会加快 CPU 计算 |
5. 总结
进程、线程和协程对应的是三个不同层次：进程负责资源隔离，线程负责实际执行和内核调度，协程负责用更轻量的方式组织并发任务。同进程的线程共享内存，所以通信方便，但要处理数据竞争；不同进程一般隔离更强，通信需要 IPC。协程在等待 I/O 时可以挂起，让线程去运行其他任务，因此特别适合大量请求同时等待的场景。不过协程不等于新线程，也不一定只能单核运行，像 Go 的 goroutine 就能借助多个系统线程并行。实际选择时，我主要看是否需要故障隔离、是否要利用多核计算，以及任务是不是有大量 I/O 等待。