目录
一、计算斐波那契数列
对于 CPU 密集型任务,主要的优化策略是利用多线程或多进程并行处理任务,以充分利用多核 CPU 的性能:
正常版本样例:
def fibonacci(n):
if n <= 1:
return n
else:
return fibonacci(n-1) + fibonacci(n-2)
# 计算斐波那契数列的第 35 项(会耗费较长时间)
result = fibonacci(35)
print("Result:", result)
二、优化版本:
我们利用了多线程并行计算斐波那契数列的不同项。通过创建多个线程,每个线程负责计算斐波那契数列的一项,可以充分利用多核 CPU 的性能,并在一定程度上提高了计算效率:
import threading
def fibonacci(n):
if n <= 1:
return n
else:
return fibonacci(n-1) + fibonacci(n-2)
def calculate_fibonacci(n, result_list):
result_list[n] = fibonacci(n)
def main():
n = 35
result_list = [None] * (n + 1)
threads = []
# 创建多个线程并行计算斐波那契数列的不同项
for i in range(n + 1):
t = threading.Thread(target=calculate_fibonacci, args=(i, result_list))
threads.append(t)
t.start()
# 等待所有线程完成
for t in threads:
t.join()
# 计算结果
result = result_list[n]
print("Result:", result)
# 运行主函数
main()
三、优化版本二:
但对于 CPU 密集型任务,由于 Python 的全局解释器锁(GIL)限制,多线程并不一定能够真正实现并行计算,提出下面优化版本,使用 multiprocessing
模块来创建多个进程并行计算斐波那契数列的不同项:
import multiprocessing
def calculate_fibonacci(n, result_list):
result_list[n] = fibonacci(n)
def main():
n = 35
result_list = multiprocessing.Array('i', n + 1)
processes = []
# 创建多个进程并行计算斐波那契数列的不同项
for i in range(n + 1):
p = multiprocessing.Process(target=calculate_fibonacci, args=(i, result_list))
processes.append(p)
p.start()
# 等待所有进程完成
for p in processes:
p.join()
# 计算结果
result = result_list[n]
print("Result:", result)
# 运行主函数
main()