Python中除了常用的thread与threading模块可以实现多线程外
multiprocessing.dummy模块也可以实现多线程
它是multiprocessing模块的一个复制,multiprocessing模块是用来处理多进程的,但多进程不同进程不共享内存,所以需要消耗大量资源。
以下是一个使用multiprocessing.dummy模块实现多线程与单线程的比较
from multiprocessing.dummy import Pool as ThreadPool
import time
def f(x):
val=x
for i in xrange(100000):
if i!=0:
val*=i
val%=10000
return x
start = time.time()
iter=10000
pool=ThreadPool(8)
res=pool.map(f,xrange(100))
pool.close()
pool.join()
pool=ThreadPool(8)
res2=pool.map(f,xrange(100))
pool.close()
pool.join()
print "Elapsed Time: %s" % (time.time() - start)
from multiprocessing.dummy import Pool as ThreadPool
import time
def f(x):
val=x
for i in xrange(100000):
if i!=0:
val*=i
val%=10000
return x
start = time.time()
iter=10000
for i in xrange(100):
f(i)
for i in xrange(100):
f(i)
print "Elapsed Time: %s" % (time.time() - start)
在我的机器上,单线程版本跑了7s,多线程版本跑了14s,不合常理吧
关键在于Python对多线程的支持受到Global Interpreter Lock (GIL)的限制,一次只能一个线程在运行,所以导致多线程不是我们所想象的多个线程在不同cpu核上同时运行的情况。