Python中单线程、多线程和多进程的效率对比实验

时间：2024-06-30 19:05:38

GIL机制导致如下结果：

Python的多线程程序并不能利用多核CPU的优势 （比如一个使用了多个线程的计算密集型程序只会在一个单CPU上面运行）
python多线程适合io操作密集型的任务（如socket server 网络并发这一类的）；
python多线程不适合cpu密集操作型的任务，主要使用cpu来计算，如大量的数学计算。
那么如果有cpu密集型的任务怎么办，可以通过多进程来操作（不是多线程）。
假如CPU有8核，每核CPU都可以用1个进程，每个进程可以用1个线程来进行计算。

　1、线性模式测试

 import requests

 import time

 from threading import Thread

 from multiprocessing import Process

 #定义CPU密集的计算函数

 def count(x, y):

     # 使程序完成150万计算

     c = 0

     while c < 500000:

         c += 1

         x += x

         y += y

 #定义IO密集的文件读写函数

 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()

 def io():

     write()

     read()

 #定义网络请求函数

 _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}

 #---------------------------------------

 #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):

     io()

 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)

 --运行---------------------结果：

 ('Line cpu', 97.26900005340576)

 ('Line IO', 24.319000005722046)

 ('Line Http Request', 209.94899988174438)

2、线程模式测试
 #定于线程公共函数

 def mythread(fun,*args):

     counts = []

     for x in range(10):

         thread = Thread(target=fun, args=args)

         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

 #测试多线程并发执行CPU密集操作所需时间

 t = time.time()

 mythread(count,1,1)

 print("thread cpu ",time.time() - t)

 #测试多线程并发执行IO密集操作所需时间

 t = time.time()

 mythread(io)

 print("thread IO ",time.time() - t)

 #测试多线程并发执行网络密集操作所需时间

 t = time.time()

 mythread(http_request)

 print("Thread Http Request", time.time() - t)

--运行---------------------结果：

('thread cpu ', 102.20300006866455)
('thread IO ', 654.5730001926422)
('Thread Http Request', 21.170999765396118)

3.进程模式测试

 def myprocess(fun,*args):

     counts = []

     for x in range(10):

         process = Process(target=fun,args=args)

         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

 if __name__ == '__main__': #没这句会报错。

     #测试多进程并发执行CPU密集操作所需时间

     t = time.time()

     myprocess(count,1,1)

     print("Multiprocess cpu", time.time() - t)

     #测试多进程并发执行IO密集型操作

     t = time.time()

     myprocess(io)

     print("Multiprocess IO", time.time() - t)

     #测试多进程并发执行Http请求密集型操作

     t = time.time()

     myprocess(http_request)

     print("Multiprocess Http Request", time.time() - t)

--运行---------------------结果：

('Multiprocess cpu', 20.168999910354614)
('Multiprocess IO', 11.82699990272522)
('Multiprocess Http Request', 21.805000066757202)

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
单线程操作 97 24 310
多线程操作 102 654
多进程操作 22

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，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

一句话总结：cpu和io密集操作使用多进程，网络操作使用多线程   

相关文章