多线程、多进程和协程都是实现并发编程的方式，但它们之间有着不同的工作原理和适用场景。

多线程

多线程是指在一个进程中创建多个线程来执行任务。每个线程都拥有独立的执行流程，但它们共享进程的内存空间和其他资源。多线程适合于 I/O 密集型任务，如网络请求、文件读写等。这是因为线程可以避免 I/O 操作的阻塞，从而提高程序的并发性能。但是，多线程也存在一些问题，比如线程间的同步和竞争、GIL 的限制等。

以下是 Python 中使用 threading 模块创建多线程的示例：

import threading

def worker():
    """线程执行的任务"""
    print("Worker start")
    # do some work
    print("Worker end")

# 创建两个线程并启动
thread1 = threading.Thread(target=worker)
thread2 = threading.Thread(target=worker)
thread1.start()
thread2.start()

# 等待线程执行完毕
thread1.join()
thread2.join()

多进程

多进程是指在操作系统中创建多个进程来执行任务。每个进程都拥有独立的地址空间和资源，它们之间需要进行进程间通信来实现数据共享。多进程适合于 CPU 密集型任务，如计算密集型算法、图像处理等。这是因为多进程可以利用多个 CPU 核心进行并行计算，从而提高程序的性能。但是，多进程也存在一些问题，比如进程间的通信和数据同步、进程启动和销毁的开销等。

以下是 Python 中使用 multiprocessing 模块创建多进程的示例：

import multiprocessing

def worker():
    """进程执行的任务"""
    print("Worker start")
    # do some work
    print("Worker end")

# 创建两个进程并启动
process1 = multiprocessing.Process(target=worker)
process2 = multiprocessing.Process(target=worker)
process1.start()
process2.start()

# 等待进程执行完毕
process1.join()
process2.join()

协程

协程是一种轻量级的线程，它通过在单个线程中切换执行上下文来实现并发。协程的优势在于可以避免线程和进程的上下文切换开销，从而提高程序的并发性能。协程适合于 I/O 密集型任务和并发任务，如异步网络请求、协作式任务调度等。但是，协程也存在一些问题，比如需要手动编写异步代码、无法利用多核 CPU 等。

以下是 Python 中使用 asyncio 模块创建协程的示例：

import asyncio
import aiohttp

async def download_image(url):
    async with aiohttp.ClientSession() as session:
        async with session.get(url) as response:
            filename = url.split('/')[-1]
            with open(filename, 'wb') as f:
                while True:
                    chunk = await response.content.read(1024)
                    if not chunk:
                        break
                    f.write(chunk)
            print(f"{filename} downloaded")

async def main():
    urls = [
        'https://picsum.photos/200/300',
        'https://picsum.photos/250/400',
        'https://picsum.photos/300/500',
        'https://picsum.photos/350/550',
        'https://picsum.photos/400/600',
    ]
    tasks = [download_image(url) for url in urls]
    await asyncio.gather(*tasks)

if __name__ == '__main__':
    loop = asyncio.get_event_loop()
    loop.run_until_complete(main())
    loop.close()

在该示例中，我们使用了 aiohttp 库来实现异步 HTTP 请求。download_image 函数中使用了 async with 语法来打开一个 aiohttp 客户端会话，然后发送 GET 请求并读取相应数据。下载的图片以其 URL 中的文件名保存在本地，并在下载完成后打印消息。在 main 函数中，我们创建了一个 URL 列表并为每个 URL 启动一个协程，最后使用 asyncio.gather 函数等待所有协程执行完毕。

对比

当处理 I/O 密集型任务时，多线程和协程比多进程更适合，因为多进程间通信的复杂性增加了开销。在 CPU 密集型任务中，多进程的性能比多线程好，因为每个进程可以独立使用 CPU，而多线程受到 GIL 的限制。但是，多进程的切换开销比多线程大。对于同时处理 I/O 和 CPU 密集型任务的情况，可以使用线程池或进程池来平衡并发性能。