多进程与多线程效率对比
#
# """
#
# 计算密集型
# """# from threading import Thread
# from multiprocessing import Process
# import time
#
# a = 1
# def task():
# global a
# for i in range(10000000):
# a +=1
# a * 10 / 2 - 3
#
# s = time.time()
# #多线程
# # t1 = Thread(target=task)
# # t2 = Thread(target=task)
# # t3 = Thread(target=task)
#
# if __name__ == '__main__':
#
# # 多进程
# t1 = Process(target=task)
# t2 = Process(target=task)
# t3 = Process(target=task)
# t1.start()
# t2.start()
# t3.start()
#
# t1.join()
# t2.join()
# t3.join()
#
# print(time.time() - s)
#""" IO型任务
"""from threading import Thread
from multiprocessing import Process
import timedef task():
# for i in range(10):
with open(r"D:\脱产5期内容\day34\视频\1.线程理论.mp4",mode="rb")as f:
while True:
data = f.read(1024)
if not data:
breaks = time.time()if __name__ == '__main__':
# 多线程
t1 = Thread(target=task)
t2 = Thread(target=task)
t3 = Thread(target=task) # 多进程
# t1 = Process(target=task)
# t2 = Process(target=task)
# t3 = Process(target=task)
t1.start()
t2.start()
t3.start() t1.join()
t2.join()
t3.join() print(time.time() - s)GIL锁
什么是GIL
全局解释器锁,是加在解释器上的互斥锁
只存在于cpython解释器中 python的内存回收管理机制,简称GCGIL的加锁与解锁时机
加锁的时机:在调用解释器时立即加锁
解锁时机:
当前进程遇到IO或超时为什么需要GIL
由于cpython的内存管理是非线程安全的,于是cpython就给解释器加了个锁,解决了安全问题,但是降低了效率,虽然有解决方 案,但是由于牵涉太多,一旦被修改,很多以前的基于GIL的程序都需要修改,所以变成了历史遗留问题GIL带来的问题
即使在多核处理器情况下,也无法真正的并行
先有多线程模块,有这个问题,所以后来有了多进程模块弥补这个问题总结:
1.在单核情况下,无论是IO密集型还是计算密集,HIL都不会产生影响
2.如果是多核下,IO密集型会受到GIl的影响,但是很明显IO速度比计算速度慢
3.IO密集型多线程, 因为多线程开销小,节省资源,对于计算密集型,应该使用多进程,因为在cpytho中多线程是无法并行的GIL与线程锁的区别
from threading import Thread,Lock
import timelock = Lock()
a = 0
def task():
global a
lock.acquire()
temp = a
time.sleep(0.01)
a = temp + 1
lock.release()ts = []
for i in range(10):
t1 = Thread(target=task)
t1.start()
ts.append(t1)for i in ts:
i.join()print(a)GIL使用用于保护解释器相关的数据,解释器也是一段程序,肯定有其定义各种数据GIL并不能保证自己定义的数据的安全,所有一旦多核cpu中,进程可以并行,线程不能并行多线程TCP
客户端
from threading import Thread
import socketc = socket.socket()
c.connect(("127.0.0.1",8989))def send_msg():
while True:
msg = input(">>>:")
if not msg:
continue
c.send(msg.encode("utf-8"))send_t = Thread(target=send_msg)
send_t.start()while True:
try:
data = c.recv(1024)
print(data.decode("utf-8"))
except:
c.close()
break服务器端
from concurrent.futures import ThreadPoolExecutor
from threading import Thread
import socketserver = socket.socket()
server.bind(("127.0.0.1",8989))
server.listen()pool = ThreadPoolExecutor(3)def task(client):
while True:
try:
data = client.recv(1024)
if not data:
client.close()
break
client.send(data.upper())
except Exception:
client.close()
breakwhile True:
client,addr = server.accept()
# t = Thread(target=task,args=(client,))
# t.start()
pool.submit(task,client)线程池与进程池
池为容器,本质上就是一个存储进程或线程的列表from concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor
from threading import active_count,current_thread
import os,time
# 创建线程池 指定最大线程数为3 如果不指定 默认为CPU核心数 * 5
# pool = ThreadPoolExecutor(3)# 不会立即开启子线程
#
# print(active_count())
#
# def task():
# print("%s running.." % current_thread().name)
# time.sleep(1)
#
# #提交任务到线程池
# for i in range(10):
# pool.submit(task)
## 创建进程池 最大进程数为3 默认为cpu个数
pool = ProcessPoolExecutor(3)# 不会立即开启子进程# time.sleep(10)def task():
print("%s running.." % os.getpid())
time.sleep(1)if __name__ == '__main__':
# #提交任务到进程池
for i in range(10):
pool.submit(task) # 第一次提交任务时会创建进程 ,后续再提交任务,直接交给以及存在的进程来完成,如果没有空闲进程就等待# 与信号量的区别 ,信号量也是一种锁 适用于保证同一时间能有多少个进程或线程访问
# 而线程/进程池,没有对数据访问进行限制仅仅是控制数量同步与异步
"""
阻塞 非阻塞
程序遇到了IO操作,无法继续执行代码,叫做阻塞
程序没有遇到IO操作,正常执行中,就叫非阻塞
它们指的是程序的状态 就绪 运行 阻塞就绪和阻塞给人的感觉就是卡主了同步 异步
同步(调用/执行/任务/提交),发起任务后必须等待任务结束,拿到一个结果才能继续运行
异步 发起任务后不需要关系任务的执行过程,可以继续往下运行异步效率高于同步
但是并不是所有任务都可以异步执行,判断一个任务是否可以异步的条件是,任务发起方是否立即需要执行结果同步不等于阻塞 异步不等于非阻塞
当使用异步方式发起任务时 任务中可能包含io操作 异步也可能阻塞
同步提交任务 也会卡主程序 但是不等同阻塞,因为任务中可能在做一对计算任务,CPU没走
"""# 使用线程池 来执行异步任务from concurrent.futures import ThreadPoolExecutor
import time
pool = ThreadPoolExecutor()def task(i): time.sleep(1)
print("sub thread run..")
i += 100
return ifs = []
for i in range(10):
f = pool.submit(task,i) # submit就是一异步的方式提交任务
# print(f)
# print(f.result()) # result是阻塞的 会等到这任务执行完成才继续执行 ,会异步变成同步
fs.append(f)# 是一个阻塞函数,会等到池子中所有任务完成后继续执行
pool.shutdown(wait=True)# pool.submit(task,1) # 注意 在shutdown之后 就不能提交新任务了for i in fs:
print(i.result())print("over")使用线程池 来发起异步任务
阻塞函数
pool.shutdown()同步不是阻塞,异步也不完全是非阻塞,也有可能阻塞
