08、多线程 和 多进程 ：以斐波拉契亚数列计算为例，只需要切换一下类即可完成从多线程到多进程的转化

01、多线程 多进程之间区别  --  演示cpu消耗大的代码，使用进程更加合算

--多线程主要是针对高并发(io 爬虫) 和 不消耗CPU的操作

--多进程主要是对消耗CPU的操作 (至于涉及到系统资源切换，线程比进程要差很多)
    --1、计算
    --2、

--关于多进程，多线程的使用，这里concurrent包使用起来非常方便省事。只需更改一下类即可
import time

# 斐波拉契亚数列检验多进程计算比多线程块
def fib(n):
    if n <= 2:
        return 1
    return fib(n-1) + fib(n-2)


# 多线程调用, 这里暂时不放在 if __name__ == '__main__':中，但是一般必须放在这里面否则报错【多进程尤甚】
from concurrent.futures import ThreadPoolExecutor, wait, ALL_COMPLETED, as_completed

start_time_01 = time.time()

with ThreadPoolExecutor(5) as executor:
    all_tasks_01 = [executor.submit(fib, (num)) for num in range(25, 40)]
    for future in as_completed(all_tasks_01):
        data = future.result()
        print('计算结果为：{}'.format(data))

print('多线程运行时间为：{}'.format(str(time.time() - start_time_01)))  # 25s
"""

# 多进程调用, 需要放在if __name__ == '__main__': 下，当然了linux不需要
from concurrent.futures import ProcessPoolExecutor, as_completed

if __name__ == '__main__':
    start_time_02 = time.time()

    with ProcessPoolExecutor(5) as executor:
        all_tasks_01 = [executor.submit(fib, (num)) for num in range(25, 40)]
        for future in as_completed(all_tasks_01):
            data = future.result()
            print('计算结果为：{}'.format(data))

    print('多进程运行时间为：{}'.format(str(time.time() - start_time_02)))  # 13s
"""

02、多线程 多进程之间区别  --  演示io消耗大的代码，使用线程更加合算【这里切换差异不是非常大，但是足以说明问题】

import time

def random_sleep(n):
    time.sleep(n)
    return n

"""
# 多线程调用, 这里暂时不放在 if __name__ == '__main__':中，但是一般必须放在这里面否则报错【多进程尤甚】
from concurrent.futures import ThreadPoolExecutor, wait, ALL_COMPLETED, as_completed

start_time_01 = time.time()

with ThreadPoolExecutor(5) as executor:
    all_tasks_01 = [executor.submit(random_sleep, (num)) for num in [2]*30]
    for future in as_completed(all_tasks_01):
        data = future.result()
        print('计算结果为：{}'.format(data))

print('多线程运行时间为：{}'.format(str(time.time() - start_time_01)))  # 12.012s
"""

# 多进程调用, 需要放在if __name__ == '__main__': 下，当然了linux不需要
from concurrent.futures import ProcessPoolExecutor, as_completed

if __name__ == '__main__':
    start_time_02 = time.time()

    with ProcessPoolExecutor(5) as executor:
        all_tasks_01 = [executor.submit(random_sleep, (num)) for num in [2]*30]
        for future in as_completed(all_tasks_01):
            data = future.result()
            print('计算结果为：{}'.format(data))

    print('多进程运行时间为：{}'.format(str(time.time() - start_time_02)))  # 12.221s