Python-4.20 GIL解释器锁

最新推荐文章于 2021-03-06 00:13:39 发布

想我憨憨的一生

最新推荐文章于 2021-03-06 00:13:39 发布

阅读量58

点赞数

分类专栏： python-4：网络编程进阶&数据库开发文章标签： python

本文链接：https://blog.csdn.net/weixin_49729516/article/details/113869450

版权

python-4：网络编程进阶&数据库开发专栏收录该内容

49 篇文章 1 订阅

订阅专栏

本文通过示例代码展示了在计算密集型和IO密集型任务中，如何利用Python的多进程和多线程进行优化。在计算密集型任务中，使用多进程能有效利用多核CPU资源，提高执行效率；而在IO密集型任务中，多线程则更为合适，避免了频繁上下文切换的开销。

摘要由CSDN通过智能技术生成

GIL全局解释器锁，每个线程在执行的过程中都需要先获取GIL，保证同一时刻只有一个线程在运行，目的是解决多线程同时竞争程序中的全局变量而出现的线程安全问题。

计算密集型：用多进程

import os
import time
from multiprocessing import Process
from threading import Thread


def work():
    res = 0
    for i in range(10000):
        res *= i


if __name__ == '__main__':
    l = []
    print(os.cpu_count())  # 本机为4核
    start = time.time()
    for i in range(8):
        p = Process(target=work)
        # p = Thread(target=work)
        l.append(p)
        p.start()

    for p in l:
        p.join()

    stop = time.time()
    print('run time is %s' % (stop - start))

IO密集型：用多线程

import os
import time
from multiprocessing import Process
from threading import Thread


def work():
    time.sleep(2)


if __name__ == '__main__':
    l = []
    print(os.cpu_count())  # 本机为4核
    start = time.time()
    for i in range(400):
        # p = Process(target=work)
        p = Thread(target=work)
        l.append(p)
        p.start()

    for p in l:
        p.join()

    stop = time.time()
    print('run time is %s' % (stop - start))