python多线程_Python多任务处理(多线程篇)

Python多任务处理(多线程篇)

项目地址:

https://github.com/tushushu/flying-python​github.com

1. GIL

熟悉python的都知道，在C语言写的python解释器中存在全局解释器锁，由于全局解释器锁的存在，在同一时间内，python解释器只能运行一个线程的代码，这大大影响了python多线程的性能。而这个解释器锁由于历史原因，现在几乎无法消除。

python GIL 之所以会影响多线程等性能，是因为在多线程的情况下，只有当线程获得了一个全局锁的时候，那么该线程的代码才能运行，而全局锁只有一个，所以使用python多线程，在同一时刻也只有一个线程在运行，因此在即使在多核的情况下也只能发挥出单核的性能。

2. 多线程处理IO密集型任务

IO密集型任务指的是系统的CPU性能相对硬盘、内存要好很多，此时，系统运作，大部分的状况是CPU在等I/O (硬盘/内存) 的读/写操作，此时CPU Loading并不高。涉及到网络、磁盘IO的任务都是IO密集型任务。一个线程执行IO密集型任务的时候，CPU处于闲置状态，因此GIL会被释放给其他线程，从而缩短了总体的等待运行时间。

from 

2.1 定义一个IO密集型函数

该函数会“睡眠”x秒。

def 

2.2 使用串行的方式处理

遍历一个列表的所有元素，执行func函数。

def 

2.3 使用多线程处理

通过线程池的map方法，可以将同一个函数作用在列表中的所有元素上。

def 

2.4 计算函数运行时间

• 串行版本的运行时间 = 1 + 2 + 3 = 6秒
• 多线程版本的运行时间 = max(1, 2, 3) = 3秒

def 

Sleep for 1 seconds.
Sleep for 2 seconds.
Sleep for 3 seconds.
process_array版本的运行时间为 6.00883 秒!

time_it(fast_process_array, [1, 2, 3])

Sleep for 1 seconds.
Sleep for 2 seconds.
Sleep for 3 seconds.
fast_process_array版本的运行时间为 3.00300 秒!

3. 多线程CPU密集型任务

CPU密集型任务的特点是要进行大量的计算，消耗CPU资源，比如计算圆周率、对视频进行高清解码等等，全靠CPU的运算能力。一个线程执行CPU密集型任务的时候，CPU处于忙碌状态，运行1000个字节码之后GIL会被释放给其他线程，加上切换线程的时间有可能会比串行代码更慢。

3.1 定义一个CPU密集型函数

该函数会对[1, x]之间的整数进行求和。

def 

3.2 使用串行的方式处理

遍历一个列表的所有元素，执行func函数。

def 

3.3 使用多线程处理

通过线程池的map方法，可以将同一个函数作用在列表中的所有元素上。

def 

3.4 计算函数运行时间

• 串行版本的运行时间2.1秒
• 多线程版本的运行时间2.2秒

def 

Finish sum from 1 to 10000000!
Finish sum from 1 to 10000000!
Finish sum from 1 to 10000000!
process_array版本的运行时间为 2.10489 秒!

time_it(fast_process_array, [10**7, 10**7, 10**7])

Finish sum from 1 to 10000000!
Finish sum from 1 to 10000000!
Finish sum from 1 to 10000000!
fast_process_array版本的运行时间为 2.20897 秒!

参考文章

https://www.jianshu.com/p/c75ed8a6e9afhttps://www.cnblogs.com/tusheng/articles/10630662.html