Python 3.13 最近刚刚发布,具有一个令人惊叹的新功能,称为“自由线程模式”。当您使用线程时,这对于代码的性能来说是一个很大的改进。本文展示了如何启用此功能(默认情况下不启用)并展示“自由线程模式”对代码性能的影响。
安装免费线程Python
Windows 和 MacOS 用户
对于 Windows 和 MacOS 用户,只需从 Python 网站下载最新的安装程序即可。当您安装Python时,当您选择“自定义安装”选项时,会有一个启用“自由线程模式”的复选框。
Ubuntu 用户
对于 Ubuntu 用户,您可以通过在终端中运行以下命令来启用此功能:
sudo add-apt-repository ppa:deadsnakes sudo apt-get update sudo apt-get install python3.13-nogil
验证自由线程模式已启用
安装包后,您可以使用 python3.13(原始)和 python3.13-nogil 或 python3.13t(免费线程 Python)运行代码。
查看这篇文章,了解有关如何在 Linux 发行版上安装 Python 3.13 实验版的更多详细信息。
要验证您的 Python 是否启用了“自由线程模式”,您可以使用以下命令:
python3.13t -VV Python 3.13.0 experimental free-threading build (main, Oct 8 2024, 08:51:28) [GCC 11.4.0]
自由线程模式性能
实验设置
让我们看看自由线程模式对下面简单代码的影响:
- 我有一个函数工作者,它执行一些计算并返回 0 到 1000 万之间的数字总和。
- 我有“测试 1”来按顺序运行工作函数 5 次。
- 我有“测试 2”来使用多个线程并行运行工作函数,线程数为 5。
- 我确实测量了这两个测试的执行时间。
import sys import threading import time print("Python version : ", sys.version) def worker(): sum = 0 for i in range(10000000): sum += i n_worker = 5 # Single thread start = time.perf_counter() for i in range(n_worker): worker() print("Single Thread: ", time.perf_counter() - start, "seconds") # Multi thread start = time.perf_counter() threads = [] for i in range(n_worker): t = threading.Thread(target=worker) threads.append(t) t.start() for t in threads: t.join() print("Multi Thread: ", time.perf_counter() - start, "seconds")
稍后,我将使用普通 Python(python3.13 二进制文件)和免费线程 Python(pypy3.13t 二进制文件)运行此代码。
结果
首先,使用python3.13运行测试:
python3.13 gil_test.py Python version : 3.13.0 (main, Oct 8 2024, 08:51:28) [GCC 11.4.0] Single Thread: 1.4370562601834536 seconds Multi Thread: 1.3681392602156848 seconds
然后,使用 pypy3.13t 运行测试:
python3.13t gil_test.py Python version : 3.13.0 experimental free-threading build (main, Oct 8 2024, 08:51:28) [GCC 11.4.0] Single Thread: 1.862126287072897 seconds Multi Thread: 0.3931183419190347 seconds
我也尝试使用 python3.11:
python3.11 gil_test.py Python version : 3.11.3 (main, Apr 25 2023, 16:40:23) [GCC 11.3.0] Single Thread: 1.753435204969719 seconds Multi Thread: 1.457715731114149 seconds
结果分析
Python默认有GIL(Global Interpreter Lock)锁定机制,使得多线程实际上并不是并行的。可以看到单线程的时间处理和多线程类似。
使用python3.11t(自由线程模式),多线程性能比单线程快很多。所以,多线程现在实际上是并行的。
但是,你有没有发现 python3.13t 中的单线程测试比 pypy3.13 慢一点?
我不太明白为什么,所以如果你有任何解释请告诉我。
结论
我认为在python中使用多线程进行并行处理是很好的。但是,如果没有GIL锁定机制,则需要开发人员注意“线程安全”,即。在线程之间共享数据。
此外,我们需要等待库和包更新才能完全支持自由线程模式。这就是为什么现在默认情况下不启用“自由线程模式”的原因之一。但是,我认为这将是未来的一个很好的功能。
以上是PythonGIL 中的自由线程模式已禁用)的详细内容。更多信息请关注PHP中文网其他相关文章!

Tomergelistsinpython,YouCanusethe操作员,estextMethod,ListComprehension,Oritertools

在Python3中,可以通过多种方法连接两个列表:1)使用 运算符,适用于小列表,但对大列表效率低;2)使用extend方法,适用于大列表,内存效率高,但会修改原列表;3)使用*运算符,适用于合并多个列表,不修改原列表;4)使用itertools.chain,适用于大数据集,内存效率高。

使用join()方法是Python中从列表连接字符串最有效的方法。1)使用join()方法高效且易读。2)循环使用 运算符对大列表效率低。3)列表推导式与join()结合适用于需要转换的场景。4)reduce()方法适用于其他类型归约,但对字符串连接效率低。完整句子结束。

pythonexecutionistheprocessoftransformingpypythoncodeintoExecutablestructions.1)InternterPreterReadSthecode,ConvertingTingitIntObyTecode,whepythonvirtualmachine(pvm)theglobalinterpreterpreterpreterpreterlock(gil)the thepythonvirtualmachine(pvm)

Python的关键特性包括:1.语法简洁易懂,适合初学者;2.动态类型系统,提高开发速度;3.丰富的标准库,支持多种任务;4.强大的社区和生态系统,提供广泛支持;5.解释性,适合脚本和快速原型开发;6.多范式支持,适用于各种编程风格。

Python是解释型语言,但也包含编译过程。1)Python代码先编译成字节码。2)字节码由Python虚拟机解释执行。3)这种混合机制使Python既灵活又高效,但执行速度不如完全编译型语言。

useeAforloopWheniteratingOveraseQuenceOrforAspecificnumberoftimes; useAwhiLeLoopWhenconTinuingUntilAcIntiment.ForloopSareIdeAlforkNownsences,而WhileLeleLeleLeleLoopSituationSituationSituationsItuationSuationSituationswithUndEtermentersitations。

pythonloopscanleadtoerrorslikeinfiniteloops,modifyingListsDuringteritation,逐个偏置,零indexingissues,andnestedloopineflinefficiencies


热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

Video Face Swap
使用我们完全免费的人工智能换脸工具轻松在任何视频中换脸!

热门文章

热工具

Dreamweaver Mac版
视觉化网页开发工具

ZendStudio 13.5.1 Mac
功能强大的PHP集成开发环境

记事本++7.3.1
好用且免费的代码编辑器

WebStorm Mac版
好用的JavaScript开发工具

适用于 Eclipse 的 SAP NetWeaver 服务器适配器
将Eclipse与SAP NetWeaver应用服务器集成。