我什麼時候應該使用 Python 未錄製的「ThreadPool」進行並行處理？

多處理中基於執行緒的池

多處理模組提供了一個強大的「Pool」類，用於使用單獨的進程並行化任務。然而，這種方法會因進程建立而產生開銷。對於在實際函數呼叫期間釋放 GIL 的 IO 綁定操作，使用執行緒可以獲得更好的效能。

引入 ThreadPool 類別

與普遍的看法相反，多處理模組確實提供了基於執行緒的池介面。這個隱藏的寶石可以透過 from multiprocessing.pool import ThreadPool 訪問，提供了一種使用線程並行化任務的便捷方法。

儘管其未記錄狀態，ThreadPool 類別使用包裝 python 的虛擬 Process 類別實作了多處理池介面執行緒。這個虛擬的 Process 類別駐留在 multiprocessing.dummy 模組中，該模組提供了基於線程的完整多處理介面。

範例用法

與ProcessPool 類似，ThreadPool 可以用於並行化映射函數：

import multiprocessing.pool

def long_running_func(p):
    c_func_no_gil(p)

p = multiprocessing.pool.ThreadPool(4)
xs = p.map(long_running_func, range(100))

注意：

注意：注意：注意：注意：在所有情況下，ThreadPool 類別都不像ProcessPool那樣高效，特別是當任務需要大量 CPU 時間時。

以上是我什麼時候應該使用 Python 未錄製的「ThreadPool」進行並行處理？的詳細內容。更多資訊請關注PHP中文網其他相關文章！