Python多線程的實例分析

這篇文章給大家介紹Python多線程的實例分析，內容非常詳細，感興趣的小伙伴們可以參考借鑒，希望對大家能有所幫助。

十年的梁子湖網(wǎng)站建設經(jīng)驗，針對設計、前端、開發(fā)、售后、文案、推廣等六對一服務，響應快，48小時及時工作處理。營銷型網(wǎng)站的優(yōu)勢是能夠根據(jù)用戶設備顯示端的尺寸不同，自動調整梁子湖建站的顯示方式，使網(wǎng)站能夠適用不同顯示終端，在瀏覽器中調整網(wǎng)站的寬度，無論在任何一種瀏覽器上瀏覽網(wǎng)站，都能展現(xiàn)優(yōu)雅布局與設計，從而大程度地提升瀏覽體驗。創(chuàng)新互聯(lián)公司從事“梁子湖網(wǎng)站設計”,“梁子湖網(wǎng)站推廣”以來，每個客戶項目都認真落實執(zhí)行。

為什么有人會說 Python 多線程是雞肋？知乎上有人提出這樣一個問題，在我們常識中，多進程、多線程都是通過并發(fā)的方式充分利用硬件資源提高程序的運行效率，怎么在 Python 中反而成了雞肋？

有同學可能知道答案，因為 Python 中臭名昭著的 GIL。

那么 GIL 是什么？為什么會有 GIL？多線程真的是雞肋嗎？ GIL 可以去掉嗎？帶著這些問題，我們一起往下看，同時需要你有一點點耐心。

多線程是不是雞肋，我們先做個實驗，實驗非常簡單，就是將數(shù)字 “1億” 遞減，減到 0 程序就終止，這個任務如果我們使用單線程來執(zhí)行，完成時間會是多少？使用多線程又會是多少？show me the code

# 任務
def decrement(n):
   while n > 0:
       n -= 1

單線程

import time

start = time.time()
decrement(100000000)
cost = time.time() - start
>>> 6.541690826416016

在我的4核 CPU 計算機中，單線程所花的時間是 6.5 秒?？赡苡腥藭?，線程在哪里？其實任何程序運行時，默認都會有一個主線程在執(zhí)行。（關于線程與進程這里不展開，我會單獨開一篇文章）

多線程

import threading

start = time.time()

t1 = threading.Thread(target=decrement, args=[50000000])
t2 = threading.Thread(target=decrement, args=[50000000])

t1.start() # 啟動線程，執(zhí)行任務
t2.start() # 同上

t1.join() # 主線程阻塞，直到t1執(zhí)行完成，主線程繼續(xù)往后執(zhí)行
t2.join() # 同上

cost = time.time() - start

>>>6.85541033744812

創(chuàng)建兩個子線程 t1、t2，每個線程各執(zhí)行 5 千萬次減操作，等兩個線程都執(zhí)行完后，主線程終止程序運行。結果，兩個線程以合作的方式執(zhí)行是 6.8 秒，反而變慢了。按理來說，兩個線程同時并行地運行在兩個 CPU 之上，時間應該減半才對，現(xiàn)在不減反增。

是什么原因導致多線程不快反慢的呢？

原因就在于 GIL ，在 Cpython 解釋器（Python語言的主流解釋器）中，有一把全局解釋鎖（Global Interpreter Lock），在解釋器解釋執(zhí)行 Python 代碼時，先要得到這把鎖，意味著，任何時候只可能有一個線程在執(zhí)行代碼，其它線程要想獲得 CPU 執(zhí)行代碼指令，就必須先獲得這把鎖，如果鎖被其它線程占用了，那么該線程就只能等待，直到占有該鎖的線程釋放鎖才有執(zhí)行代碼指令的可能。

 

因此，這也就是為什么兩個線程一起執(zhí)行反而更加慢的原因，因為同一時刻，只有一個線程在運行，其它線程只能等待，即使是多核CPU，也沒辦法讓多個線程「并行」地同時執(zhí)行代碼，只能是交替執(zhí)行，因為多線程涉及到上線文切換、鎖機制處理（獲取鎖，釋放鎖等），所以，多線程執(zhí)行不快反慢。

什么時候 GIL 被釋放呢？

當一個線程遇到 I/O 任務時，將釋放GIL。計算密集型（CPU-bound）線程執(zhí)行 100 次解釋器的計步（ticks）時（計步可粗略看作 Python 虛擬機的指令），也會釋放 GIL?？梢酝ㄟ^ sys.setcheckinterval()設置計步長度，sys.getcheckinterval() 查看計步長度。相比單線程，這些多是多線程帶來的額外開銷

CPython 解釋器為什么要這樣設計？

多線程是為了適應現(xiàn)代計算機硬件高速發(fā)展充分利用多核處理器的產(chǎn)物，通過多線程使得 CPU 資源可以被高效利用起來，Python 誕生于1991年，那時候硬件配置遠沒有今天這樣豪華，現(xiàn)在一臺普通服務器32核64G內存都不是什么司空見慣的事

但是多線程有個問題，怎么解決共享數(shù)據(jù)的同步、一致性問題，因為，對于多個線程訪問共享數(shù)據(jù)時，可能有兩個線程同時修改一個數(shù)據(jù)情況，如果沒有合適的機制保證數(shù)據(jù)的一致性，那么程序最終導致異常，所以，Python之父就搞了個全局的線程鎖，不管你數(shù)據(jù)有沒有同步問題，反正一刀切，上個全局鎖，保證數(shù)據(jù)安全。這也就是多線程雞肋的原因，因為它沒有細粒度的控制數(shù)據(jù)的安全，而是用一種簡單粗暴的方式來解決。

這種解決辦法放在90年代，其實是沒什么問題的，畢竟，那時候的硬件配置還很簡陋，單核 CPU 還是主流，多線程的應用場景也不多，大部分時候還是以單線程的方式運行，單線程不要涉及線程的上下文切換，效率反而比多線程更高（在多核環(huán)境下，不適用此規(guī)則）。所以，采用 GIL 的方式來保證數(shù)據(jù)的一致性和安全，未必不可取，至少在當時是一種成本很低的實現(xiàn)方式。

那么把 GIL 去掉可行嗎？

還真有人這么干多，但是結果令人失望，在1999年Greg Stein 和Mark Hammond 兩位哥們就創(chuàng)建了一個去掉 GIL 的 Python 分支，在所有可變數(shù)據(jù)結構上把 GIL 替換為更為細粒度的鎖。然而，做過了基準測試之后，去掉GIL的 Python 在單線程條件下執(zhí)行效率將近慢了2倍。

Python之父表示：基于以上的考慮，去掉GIL沒有太大的價值而不必花太多精力。

關于Python多線程的實例分析就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。

當前標題：Python多線程的實例分析
標題路徑：http://muchs.cn/article36/picjpg.html

成都網(wǎng)站建設公司_創(chuàng)新互聯(lián)，為您提供靜態(tài)網(wǎng)站、企業(yè)網(wǎng)站制作、網(wǎng)站收錄、、網(wǎng)站設計、Google

廣告

聲明：本網(wǎng)站發(fā)布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經(jīng)允許不得轉載，或轉載時需注明來源： 創(chuàng)新互聯(lián)