您的位置:首页 > 脚本大全 > > 正文

python的多线程比多进程效率高(Python中单线程、多线程和多进程的效率对比实验实例)

更多 时间:2021-09-30 00:23:17 类别:脚本大全 浏览量:2889

python的多线程比多进程效率高

Python中单线程、多线程和多进程的效率对比实验实例

python的多进程性能要明显优于多线程,因为cpython的gil对性能做了约束。

python是运行在解释器中的语言,查找资料知道,python中有一个全局锁(gil),在使用多进程(thread)的情况下,不能发挥多核的优势。而使用多进程(multiprocess),则可以发挥多核的优势真正地提高效率。

对比实验

资料显示,如果多线程的进程是cpu密集型的,那多线程并不能有多少效率上的提升,相反还可能会因为线程的频繁切换,导致效率下降,推荐使用多进程;如果是io密集型,多线程进程可以利用io阻塞等待时的空闲时间执行其他线程,提升效率。所以我们根据实验对比不同场景的效率

操作系统 cpu 内存 硬盘
windows 10 双核 8gb 机械硬盘

(1)引入所需要的模块

  • ?
  • 1
  • 2
  • 3
  • 4
  • import requests
  • import time
  • from threading import thread
  • from multiprocessing import process
  • (2)定义cpu密集的计算函数

  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • def count(x, y):
  •   # 使程序完成150万计算
  •   c = 0
  •   while c < 500000:
  •     c += 1
  •     x += x
  •     y += y
  • (3)定义io密集的文件读写函数

  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • def write():
  •   f = open("test.txt", "w")
  •   for x in range(5000000):
  •     f.write("testwrite\n")
  •   f.close()
  •  
  • def read():
  •   f = open("test.txt", "r")
  •   lines = f.readlines()
  •   f.close()
  • (4) 定义网络请求函数

  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • _head = {
  •       'user-agent': 'mozilla/5.0 (windows nt 10.0; wow64) applewebkit/537.36 (khtml, like gecko) chrome/48.0.2564.116 safari/537.36'}
  • url = "http://www.tieba.com"
  • def http_request():
  •   try:
  •     webpage = requests.get(url, headers=_head)
  •     html = webpage.text
  •     return {"context": html}
  •   except exception as e:
  •     return {"error": e}
  • (5)测试线性执行io密集操作、cpu密集操作所需时间、网络请求密集型操作所需时间

  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • # cpu密集操作
  • t = time.time()
  • for x in range(10):
  •   count(1, 1)
  • print("line cpu", time.time() - t)
  •  
  • # io密集操作
  • t = time.time()
  • for x in range(10):
  •   write()
  •   read()
  • print("line io", time.time() - t)
  •  
  • # 网络请求密集型操作
  • t = time.time()
  • for x in range(10):
  •   http_request()
  • print("line http request", time.time() - t)
  • 输出

    cpu密集:95.6059999466、91.57099986076355 92.52800011634827、 99.96799993515015
    io密集:24.25、21.76699995994568、21.769999980926514、22.060999870300293
    网络请求密集型: 4.519999980926514、8.563999891281128、4.371000051498413、4.522000074386597、14.671000003814697

     (6)测试多线程并发执行cpu密集操作所需时间

  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • counts = []
  • t = time.time()
  • for x in range(10):
  •   thread = thread(target=count, args=(1,1))
  •   counts.append(thread)
  •   thread.start()
  •  
  • e = counts.__len__()
  • while true:
  •   for th in counts:
  •     if not th.is_alive():
  •       e -= 1
  •   if e <= 0:
  •     break
  • print(time.time() - t)
  • output: 99.9240000248 、101.26400017738342、102.32200002670288

     (7)测试多线程并发执行io密集操作所需时间

  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • def io():
  •   write()
  •   read()
  •  
  • t = time.time()
  • ios = []
  • t = time.time()
  • for x in range(10):
  •   thread = thread(target=count, args=(1,1))
  •   ios.append(thread)
  •   thread.start()
  •  
  • e = ios.__len__()
  • while true:
  •   for th in ios:
  •     if not th.is_alive():
  •       e -= 1
  •   if e <= 0:
  •     break
  • print(time.time() - t)
  • output: 25.69700002670288、24.02400016784668

     (8)测试多线程并发执行网络密集操作所需时间

  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • t = time.time()
  • ios = []
  • t = time.time()
  • for x in range(10):
  •   thread = thread(target=http_request)
  •   ios.append(thread)
  •   thread.start()
  •  
  • e = ios.__len__()
  • while true:
  •   for th in ios:
  •     if not th.is_alive():
  •       e -= 1
  •   if e <= 0:
  •     break
  • print("thread http request", time.time() - t)
  • output: 0.7419998645782471、0.3839998245239258、0.3900001049041748

    (9)测试多进程并发执行cpu密集操作所需时间

  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • counts = []
  • t = time.time()
  • for x in range(10):
  •   process = process(target=count, args=(1,1))
  •   counts.append(process)
  •   process.start()
  • e = counts.__len__()
  • while true:
  •   for th in counts:
  •     if not th.is_alive():
  •       e -= 1
  •   if e <= 0:
  •     break
  • print("multiprocess cpu", time.time() - t)
  • output: 54.342000007629395、53.437999963760376

     (10)测试多进程并发执行io密集型操作

  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • t = time.time()
  • ios = []
  • t = time.time()
  • for x in range(10):
  •   process = process(target=io)
  •   ios.append(process)
  •   process.start()
  •  
  • e = ios.__len__()
  • while true:
  •   for th in ios:
  •     if not th.is_alive():
  •       e -= 1
  •   if e <= 0:
  •     break
  • print("multiprocess io", time.time() - t)
  • output: 12.509000062942505、13.059000015258789

     (11)测试多进程并发执行http请求密集型操作

  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • t = time.time()
  • httprs = []
  • t = time.time()
  • for x in range(10):
  •   process = process(target=http_request)
  •   ios.append(process)
  •   process.start()
  •  
  • e = httprs.__len__()
  • while true:
  •   for th in httprs:
  •     if not th.is_alive():
  •       e -= 1
  •   if e <= 0:
  •     break
  • print("multiprocess http request", time.time() - t)
  • output: 0.5329999923706055、0.4760000705718994

     实验结果

    cpu密集型操作 io密集型操作 网络请求密集型操作
    线性操作 94.91824996469 22.46199995279 7.3296000004
    多线程操作 101.1700000762 24.8605000973 0.5053332647
    多进程操作 53.8899999857 12.7840000391 0.5045000315

    通过上面的结果,我们可以看到:

    多线程在io密集型的操作下似乎也没有很大的优势(也许io操作的任务再繁重一些就能体现出优势),在cpu密集型的操作下明显地比单线程线性执行性能更差,但是对于网络请求这种忙等阻塞线程的操作,多线程的优势便非常显著了

    多进程无论是在cpu密集型还是io密集型以及网络请求密集型(经常发生线程阻塞的操作)中,都能体现出性能的优势。不过在类似网络请求密集型的操作上,与多线程相差无几,但却更占用cpu等资源,所以对于这种情况下,我们可以选择多线程来执行

    以上所述是小编给大家介绍的python单线程多线程和多进程效率对比详解整合,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对开心学习网网站的支持!

    原文链接:https://blog.csdn.net/Jailman/article/details/78427936

    您可能感兴趣