Python でのスレッドの使用例と、スレッドの競合を回避する方法をいくつか見ていきます。
次の例を複数回実行して、スレッドが予測不可能であること、およびスレッドが実行されるたびに異なる結果を生成することを確認できるようにする必要があります。免責事項: GIL についてこれ以降聞いたことは忘れてください。GIL は私が示そうとしているものには影響しません。
例 1
5 つの異なる URL をリクエストします:
シングルスレッド
import time import urllib2 def get_responses(): urls = [ 'http://www.google.com', 'http://www.amazon.com', 'http://www.ebay.com', 'http://www.alibaba.com', 'http://www.reddit.com' ] start = time.time() for url in urls: print url resp = urllib2.urlopen(url) print resp.getcode() print "Elapsed time: %s" % (time.time()-start) get_responses()
出力は次のとおりです:
http://www.google.com 200 http://www.amazon.com 200 http://www.ebay.com 200 http://www.alibaba.com 200 http://www.reddit.com 200 Elapsed time: 3.0814409256
説明:
URLは順番にリクエストされます
CPU は、1 つの URL から応答を取得しない限り、次の URL をリクエストしません
ネットワーク リクエストには時間がかかるため、CPU はネットワーク リクエストが返されるまでアイドル状態になります。
マルチスレッド
import urllib2 import time from threading import Thread class GetUrlThread(Thread): def __init__(self, url): self.url = url super(GetUrlThread, self).__init__() def run(self): resp = urllib2.urlopen(self.url) print self.url, resp.getcode() def get_responses(): urls = [ 'http://www.google.com', 'http://www.amazon.com', 'http://www.ebay.com', 'http://www.alibaba.com', 'http://www.reddit.com' ] start = time.time() threads = [] for url in urls: t = GetUrlThread(url) threads.append(t) t.start() for t in threads: t.join() print "Elapsed time: %s" % (time.time()-start) get_responses()
出力:
http://www.reddit.com 200 http://www.google.com 200 http://www.amazon.com 200 http://www.alibaba.com 200 http://www.ebay.com 200 Elapsed time: 0.689890861511
説明:
プログラム実行時間の向上を実現
CPU の待ち時間を短縮するために、マルチスレッド プログラムを作成しました。あるスレッドのネットワーク リクエストが返されるのを待っているときに、CPU は他のスレッドに切り替えて、他のスレッドでネットワーク リクエストを行うことができます。
スレッドが URL を処理することを期待しているため、スレッド クラスをインスタンス化するときに URL を渡します。
スレッドの実行とは、クラス内の
run()
メソッドを実行することを意味します。何を望んでも、各スレッドは実行する必要があります
run()
。URL ごとにスレッドを作成し、
start()
メソッドを呼び出します。これにより、スレッド内でstart()
方法,这告诉了cpu可以执行线程中的run()
メソッドを実行するように CPU に指示されます。すべてのスレッドの実行が完了するまでの時間を計算したいので、
join()
メソッドを呼び出します。join()
次の命令を実行する前に、このスレッドが終了するまで待機するようにメインスレッドに通知できます。各スレッドに対して
join()
メソッドを呼び出すため、すべてのスレッドの実行が完了した後に実行時間を計算します。
スレッドについて:
CPU は、
start()
を呼び出した直後にstart()
后马上执行run()
メソッドを実行しない場合があります。異なるスレッド間の実行順序を決定することはできません。
run()
-
単一スレッドの場合、
メソッド内のステートメントが順番に実行されることが保証されます。
run()
- これは、スレッド内の URL が最初に要求され、その後、返された結果が出力されるためです。
りー
このプログラムを複数回実行すると、さまざまな結果が表示されます。 説明:- すべてのスレッドが変更したいグローバル変数があります。
- すべてのスレッドは、このグローバル変数に 1 を追加する必要があります。
- スレッド数が 50 の場合、最終値は 50 になるはずですが、実際はそうではありません。
-
で。
some_var
是15
的时候,线程t1
读取了some_var
,这个时刻cpu将控制权给了另一个线程t2
-
t2
线程读到的some_var
也是15
-
t1
和t2
都把some_var
加到16
-
当時私たちが期待していたのは
t1
t2
两个线程使some_var + 2
变成17
- ここでは資源をめぐる競争が起きています。
-
他のスレッドでも同様の状況が発生する可能性があるため、最終的な結果は
よりも低くなる可能性があります。
50
from threading import Thread #define a global variable some_var = 0 class IncrementThread(Thread): def run(self): #we want to read a global variable #and then increment it global some_var read_value = some_var print "some_var in %s is %d" % (self.name, read_value) some_var = read_value + 1 print "some_var in %s after increment is %d" % (self.name, some_var) def use_increment_thread(): threads = [] for i in range(50): t = IncrementThread() threads.append(t) t.start() for t in threads: t.join() print "After 50 modifications, some_var should have become 50" print "After 50 modifications, some_var is %d" % (some_var,) use_increment_thread()このプログラムを再度実行すると、期待した結果が得られました。 説明:
- ロックは競合状態を防ぐために使用されます
-
何らかの操作を実行する前にスレッド
がロックを解放した場合、同じ操作は実行されません
t1
获得了锁。其他的线程在t1
我们想要确定的是一旦线程
t1
已经读取了some_var
,直到t1
完成了修改some_var
,其他的线程才可以读取some_var
这样读取和修改
some_var
成了逻辑上的原子操作。
实例3
让我们用一个例子来证明一个线程不能影响其他线程内的变量(非全局变量)。
time.sleep()可以使一个线程挂起,强制线程切换发生。
from threading import Thread import time class CreateListThread(Thread): def run(self): self.entries = [] for i in range(10): time.sleep(1) self.entries.append(i) print self.entries def use_create_list_thread(): for i in range(3): t = CreateListThread() t.start() use_create_list_thread()
运行几次后发现并没有打印出争取的结果。当一个线程正在打印的时候,cpu切换到了另一个线程,所以产生了不正确的结果。我们需要确保print self.entries
是个逻辑上的原子操作,以防打印时被其他线程打断。
我们使用了Lock(),来看下边的例子。
from threading import Thread, Lock import time lock = Lock() class CreateListThread(Thread): def run(self): self.entries = [] for i in range(10): time.sleep(1) self.entries.append(i) lock.acquire() print self.entries lock.release() def use_create_list_thread(): for i in range(3): t = CreateListThread() t.start() use_create_list_thread()
这次我们看到了正确的结果。证明了一个线程不可以修改其他线程内部的变量(非全局变量)。
原文出处: Akshar Raaj
以上がPython のスレッドを理解するの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

Arraysinpython、特にvianumpy、arecrucialinscientificComputing fortheirefficienty andversitility.1)彼らは、fornumericaloperations、data analysis、andmachinelearning.2)numpy'simplementation incensuresfasteroperationsthanpasteroperations.3)arayableminablecickick

Pyenv、Venv、およびAnacondaを使用して、さまざまなPythonバージョンを管理できます。 1)Pyenvを使用して、複数のPythonバージョンを管理します。Pyenvをインストールし、グローバルバージョンとローカルバージョンを設定します。 2)VENVを使用して仮想環境を作成して、プロジェクトの依存関係を分離します。 3)Anacondaを使用して、データサイエンスプロジェクトでPythonバージョンを管理します。 4)システムレベルのタスク用にシステムPythonを保持します。これらのツールと戦略を通じて、Pythonのさまざまなバージョンを効果的に管理して、プロジェクトのスムーズな実行を確保できます。

numpyarrayshaveveraladvantages-averstandardpythonarrays:1)thealmuchfasterduetocベースのインプレンテーション、2)アレモレメモリ効率、特にlargedatasets、および3)それらは、拡散化された、構造化された形成術科療法、

パフォーマンスに対する配列の均一性の影響は二重です。1)均一性により、コンパイラはメモリアクセスを最適化し、パフォーマンスを改善できます。 2)しかし、タイプの多様性を制限し、それが非効率につながる可能性があります。要するに、適切なデータ構造を選択することが重要です。

craftexecutablepythonscripts、次のようになります

numpyarraysarasarebetterfornumeroperations andmulti-dimensionaldata、whilethearraymoduleissuitable forbasic、1)numpyexcelsinperformance and forlargedatasentassandcomplexoperations.2)thearraymuremememory-effictientivearientfa

NumPyArraySareBetterforHeavyNumericalComputing、whilethearrayarayismoreSuitableformemory-constrainedprojectswithsimpledatatypes.1)numpyarraysofferarays andatiledance andpeperancedatasandatassandcomplexoperations.2)thearraymoduleisuleiseightweightandmemememe-ef

ctypesallowsinging andmanipulatingc-stylearraysinpython.1)usectypestointerfacewithclibrariesforperformance.2)createc-stylearraysfornumericalcomputations.3)passarraystocfunctions foreffientientoperations.how、how、becuutiousmorymanagemation、performanceo


ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

Video Face Swap
完全無料の AI 顔交換ツールを使用して、あらゆるビデオの顔を簡単に交換できます。

人気の記事

ホットツール

SecLists
SecLists は、セキュリティ テスターの究極の相棒です。これは、セキュリティ評価中に頻繁に使用されるさまざまな種類のリストを 1 か所にまとめたものです。 SecLists は、セキュリティ テスターが必要とする可能性のあるすべてのリストを便利に提供することで、セキュリティ テストをより効率的かつ生産的にするのに役立ちます。リストの種類には、ユーザー名、パスワード、URL、ファジング ペイロード、機密データ パターン、Web シェルなどが含まれます。テスターはこのリポジトリを新しいテスト マシンにプルするだけで、必要なあらゆる種類のリストにアクセスできるようになります。

ZendStudio 13.5.1 Mac
強力な PHP 統合開発環境

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

MinGW - Minimalist GNU for Windows
このプロジェクトは osdn.net/projects/mingw に移行中です。引き続きそこでフォローしていただけます。 MinGW: GNU Compiler Collection (GCC) のネイティブ Windows ポートであり、ネイティブ Windows アプリケーションを構築するための自由に配布可能なインポート ライブラリとヘッダー ファイルであり、C99 機能をサポートする MSVC ランタイムの拡張機能が含まれています。すべての MinGW ソフトウェアは 64 ビット Windows プラットフォームで実行できます。

WebStorm Mac版
便利なJavaScript開発ツール

ホットトピック









