来自python背景，我们有:
-
Multiprocessing-在处理器上并行运行多个任务-非常适合cpu密集型任务。
-
多线程-通过单个处理器内的线程并行运行多个任务。理想的io绑定任务。Io绑定只是因为GIL的存在，这导致在任何时间点只有一个线程能够使用处理器。
-
Async await-为io绑定任务做协同编程。
使用python代码，我可以实现上述任何一个。
在c#的情况下，我正在学习:我们既可以显式地启动线程，也可以使用async await和Task的概念。运行，隐式处理线程创建和管理。
Async await适用于io绑定任务。Async await + Task。Run对于cpu受限的任务是很好的。
在windows窗体应用程序中，我们有同步上下文的概念，它确保只有一个Ui线程运行所有的代码。
然而，如果我们使用async await + Task。运行(这对cpu受限的任务很好)，然后在Task内运行代码。
无论哪种方式，await下面的代码都将在ui线程上运行。
在控制台应用程序中，我们是使用async await还是async await + Task。运行时，由于没有同步上下文，await之后的代码将由多个线程(来自线程池)并行运行。下面是一个例子:在控制台应用程序中，为什么同步阻塞代码(Thread.Sleep(..))在等待异步任务中使用时表现得像多线程?
在c#中，线程是从线程池派生的(我认为每个处理器核心有一个线程，请纠正我)。然而，与python不同的是，在c#中，我们不能控制显式地运行代码以针对单个或特定数量的处理器，不是吗?看看ProcessorAffinity。但提醒:选择在单个CPU核心上运行并不能解决线程同步问题。
这里有几件事我们需要解决:
Python多处理Python多处理更多指的是进程的概念而不是处理器(如CPU内核)。这个想法是，你可以在一个完全不同的进程中启动代码段，它有自己的解释器运行时(因此它有自己的GIL)，内存空间等…这并不意味着一个Python进程不能同时使用多个内核!
这是一个非常普遍的关于Python的误解。许多Python操作不持有GIL。您可以通过编写一个函数来创建自己的示例，该函数主要执行繁重的NumPy操作，并同时在20个不同的线程中启动该函数。如果您检查CPU使用情况，您将看到20个内核的使用率为100%。您还可以使用Numba以一种不保留GIL的方式来JIT函数。
限制核心使用
使用2个特定内核的方法是通过操作系统通过改变进程的处理器亲和度。我想知道你们为什么想要限制硬核的使用，因为听起来你们想要做一些更干净的事情。也许你想运行一些后台任务，但需要一个信号量，以确保一次最多只有2个任务运行?
线程vs Async/Await
整个async/await语法的意义在于使您不必对线程进行微管理。其思想是，作为程序员，您可以异步编写想要执行的操作，或者换句话说，哪些操作不应该阻塞调用方法的执行，JIT/Runtime将为您处理执行。它可以在一个线程，多个线程，等等…
有一些情况，就像你提到的WPF，你需要记住，某些事情只能在UI线程上完成。然而，理想情况下，我们希望尽可能少地占用UI线程，因此我们使用Tasks来完成大部分工作。我们也可以在后台任务中使用Dispatcher来执行特定的UI线程代码。
在await
之后你提到过:
无论哪种方式，await下面的代码都将在ui线程上运行。
"await"后面的代码默认情况下，将尝试在前一个上下文上恢复。在UI线程中，这意味着两个部分(在await之前和之后)都将在UI线程中执行。然而，这可以通过对正在等待的任务使用ConfigureAwait(false)调用来避免(并且应该多次避免)。