Python 3基础教程41-多线程不一定效率就高

本文来介绍下，多线程是如何工作的，多线程就一定效率就高吗，本文可以告诉你不一定。

1. 先来了解Python解释器执行代码方式

       Python代码的执行由Python 虚拟机(也叫解释器主循环，CPython版本)来控制，Python 在设计之初就考虑到要在解释器的主循环中，同时只有一个线程在执行，即在任意时刻，只有一个线程在解释器中运行。对Python 虚拟机的访问由全局解释器锁（GIL）来控制，正是这个锁能保证同一时刻只有一个线程在运行。

在多线程环境中，Python 虚拟机按以下方式执行：

设置GIL->切换到一个线程去运行->运行-> 把线程设置为睡眠状态->解锁GIL-> 再次重复前面步骤

2. 什么是GIL
GIL（Global Interpreter Lock），中文翻译叫全局解释器锁。下面这张图可以描述GIL的工作原理。

解释下：
      一个任务三个线程去处理，上面有5段执行任务，分别有不用线程去处理。开始线程1去执行，然后遇到了GIL，这个时候就锁住了线程1，交给线程2，线程1和线程2交接的时候，有一个读写时间，这个很短。接着线程2执行完了，锁住线程2，交给线程3，然后，锁住线程3，交给线程1，锁住线程1，交给线程3，大概就是这样一个过程。
3.举例来证明，多线程效率不一定高

import threading
from queue import Queue
import copy
import time

def job(l,q):
    res = sum(l)
    q.put(res)
   
def exampleFuc(l):
    q = Queue()
    threads = []
    for i in range(4):
        t = threading.Thread(target=job, args=(copy.copy(l), q))
        t.start()
        threads.append(t)
        
    [t.join() for t in threads]
    total = 0
    for x in range(4):
        total = total + q.get()

    print(total)

def normal(l):
    total = sum(l)
    print(total)


if __name__ == '__main__':
    l = list(range(1000000))
    s_t = time.time()

    normal(l*4)
    print('普通方法执行时间是：', time.time()-s_t)
    s_t = time.time()
    exampleFuc(l)
    print('多线程执行时间是：', time.time()-s_t)

运行结果：

============= RESTART: C:\Users\Anthony\Desktop\thread_queue.py =============
1999998000000
普通方法执行时间是： 0.26999735832214355
1999998000000
多线程执行时间是： 0.3099970817565918
>>> 

从结果可以看到，普通方法执行时间大概是0.2秒，多线程执行的时候是0.3秒，多线程效率反而更低。