首頁  >  文章  >  後端開發  >  多執行緒比單線線快,是真的嗎?

多執行緒比單線線快,是真的嗎?

coldplay.xixi
coldplay.xixi轉載
2020-11-09 17:11:403129瀏覽

pyrhon影片教學欄位介紹多執行緒是否真的比單一執行緒快。

多執行緒比單線線快,是真的嗎?

事實上,Python 多執行緒另一個很重要的話題叫,GILGlobal Interpreter Lock,即全域解釋器鎖定)。

多執行緒不一定比單執行緒快

在Python中,可以透過多行程、多執行緒和多協程來實現多任務。難道多執行緒一定比單線線快?

下面我用一段程式碼證明我自己得觀點。

'''
@Author: Runsen
@微信公众号: Python之王
@博客: https://blog.csdn.net/weixin_44510615
@Date: 2020/6/4
'''import threading, timedef my_counter():
    i = 0
    for _ in range(100000000):
        i = i+1
    return Truedef main1():
    start_time = time.time()    for tid in range(2):
        t = threading.Thread(target=my_counter)
        t.start()
        t.join()  # 第一次循环的时候join方法引起主线程阻塞,但第二个线程并没有启动,所以两个线程是顺序执行的

    print("单线程顺序执行total_time: {}".format(time.time() - start_time))def main2():
    thread_ary = {}
    start_time = time.time()    for tid in range(2):
        t = threading.Thread(target=my_counter)
        t.start()
        thread_ary[tid] = t    for i in range(2):
        thread_ary[i].join()  # 两个线程均已启动,所以两个线程是并发的

    print("多线程执行total_time: {}".format(time.time() - start_time))if __name__ == "__main__":
    main1()
    main2()复制代码

運行結果

单线程顺序执行total_time: 17.754502773284912多线程执行total_time: 20.01178550720215复制代码

我怕你說我亂得出來得結果,我還是截張圖看清楚點

##這時,我懷疑:我的機器出問題了嗎?其實不是這樣,本質上來說Python 的執行緒失效了,沒有起到平行計算的作用。

Python 的線程,的確封裝了底層的作業系統線程,在Linux 系統裡是

Pthread(全稱為POSIX Thread),而在Windows 系統裡是Windows Thread。另外,Python 的線程,也完全受作業系統管理,例如協調何時執行、管理記憶體資源、管理中斷等等。

GIL不是Python的特性

GIL 的概念用簡單的一句話來解釋,就是

任一時刻,無論線程多少,單一CPython 解釋器只能執行一條位元組碼。這個定義需要注意的點:

首先需要明確的一點是

GIL並不是Python的特性,它是在實作Python解析器(CPython)時所引入的概念。

C 是一套語言(語法)標準,但可以用不同的編譯器來編譯成執行程式碼。有名的編譯器例如GCC,INTEL C ,Visual C 等。

Python也是一樣,同樣一段程式碼可以透過CPython,PyPy,Psyco等不同的Python執行環境來執行。

其他 Python 解釋器不一定有 GIL。例如 Jython (JVM) 和 IronPython (CLR) 沒有 GIL,而 CPython,PyPy 有 GIL;

因為CPython是大部分環境下預設的Python執行環境。所以在很多人的概念裡CPython就是Python,也就想當然的把GIL歸結為Python語言的缺陷。所以這裡要先明確一點:

GIL並不是Python的特性,Python完全可以不依賴GIL

GIL本質就是一把互斥鎖

##GIL本質就是一把互斥鎖,既然是互斥鎖,所有互斥鎖的本質都一樣,都是將並發運行變成串行,以此來控制同一時間內共享資料只能被一個任務所修改,進而保證資料安全。

可以肯定的一點是:保護不同的資料的安全,就應該加上不同的鎖。

GIL 的工作原理:例如下面這張圖,就是一個 GIL 在 Python 程式的工作範例。其中,Thread 1、2、3 輪流執行,每一個執行緒在開始執行時,都會鎖住GIL,以阻止別的執行緒執行;同樣的,每一個執行緒執行完一段後,會釋放GIL,以允許別的線程開始利用資源。

計算密集型

計算密集型任務的特性是要進行大量的運算,消耗CPU資源。

我們先來看一個簡單的計算密集型範例:

'''
@Author: Runsen
@微信公众号: Python之王
@博客: https://blog.csdn.net/weixin_44510615
@Date: 2020/6/4
'''import time
COUNT = 50_000_000def count_down():
   global COUNT   while COUNT > 0:
       COUNT -= 1s = time.perf_counter()
count_down()
c = time.perf_counter() - s
print('time taken in seconds - >:', c)

time taken in seconds - >: 9.2957003复制代码

這個是單線程, 時間是9s, 下面我們用兩個線程看看結果又如何:

'''
@Author: Runsen
@微信公众号: Python之王
@博客: https://blog.csdn.net/weixin_44510615
@Date: 2020/6/4
'''import timefrom threading import Thread

COUNT = 50_000_000def count_down():
   global COUNT   while COUNT > 0:
       COUNT -= 1s = time.perf_counter()
t1 = Thread(target=count_down)
t2 = Thread(target=count_down)
t1.start()
t2.start()
t1.join()
t2.join()
c = time.perf_counter() - s
print('time taken in seconds - >:', c)

time taken in seconds - >: 17.110625复制代码

我們程式主要的操作就是在計算, CPU沒有等待, 而改為多執行緒後, 增加了執行緒後, 在執行緒之間頻繁的切換,增大了時間開銷, 時間當然會增加了。

還有一種類型是IO密集型,涉及到網路、磁碟IO的任務都是IO密集型任務,這類任務的特點是CPU消耗很少,任務的大部分時間都在等待IO操作完成(因為IO的速度遠低於CPU和記憶體的速度)。對於IO密集型任務,任務越多,CPU效率越高,但也有一個限度。常見的任務大多是IO密集型任務,例如Web應用。

總結:對於io密集型工作(Python爬蟲),多執行緒可以大幅提高程式碼效率。對CPU運算密集(Python資料分析,機器學習,深度學習),多執行緒的效率可能比單執行緒還略低。所以,資料領域沒有多執行緒提高效率之說,只有將CPU提升到GPU,TPU來提升運算能力。

相關免費學習推薦:
python影片教學

以上是多執行緒比單線線快,是真的嗎?的詳細內容。更多資訊請關注PHP中文網其他相關文章!

陳述:
本文轉載於:juejin.im。如有侵權,請聯絡admin@php.cn刪除