Python中單執行緒 多執行緒與多程序的效率對比實驗

python是執行在直譯器中的語言，查詢資料知道，python中有乙個全域性鎖（gil），在使用多程序(thread)的情況下，不能發揮多核的優勢。而使用多程序(multiprocess)，則可以發揮多核的優勢真正地提高效率。

資料顯示，如果多執行緒的程序是cpu密集型的，那多執行緒並不能有多少效率上的提公升，相反還可能會因為執行緒的頻繁切換，導致效率下降，推薦使用多程序；如果是io密集型，多執行緒程序可以利用io阻塞等待時的空閒時間執行其他執行緒，提公升效率。所以我們根據實驗對比不同場景的效率

作業系統

cpu記憶體

硬碟windows 10

雙核8gb

機械硬碟

(1)引入所需要的模組

import requests

import time
from threading import thread
from multiprocessing import process

def count(x, y):

# 使程式完成50萬計算
c = 0
while c < 500000:
c += 1
x += x
y += y

(2)定義cpu密集的計算函式

（3）定義io密集的檔案讀寫函式

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()

_head = 

except exception as e:
return

(4) 定義網路請求函式

(5)測試線性執行io密集操作、cpu密集操作所需時間、網路請求密集型操作所需時間

# 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)
# 網路請求密集型操作
(6)測試多執行緒併發執行cpu密集操作所需時間
輸出

counts = 

t = time.time()
for x in range(10):
thread = thread(target=count, args=(1,1))
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)測試多執行緒併發執行io密集操作所需時間

def io():

write()
read()
t = time.time()
ios = 
t = time.time()
for x in range(10):
thread = thread(target=count, args=(1,1))
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

t = time.time()

(9)測試多程序併發執行cpu密集操作所需時間
counts = 

t = time.time()
for x in range(10):
process = process(target=count, args=(1,1))
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)測試多程序併發執行io密集型操作
t = time.time()

ios = 
t = time.time()
for x in range(10):
process = process(target=io)
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)測試多程序併發執行http請求密集型操作

實驗結果
cpu密集型操作
io密集型操作
網路請求密集型操作
線性操作
94.91824996469
22.46199995279
7.3296000004
多執行緒操作
101.1700000762
24.8605000973
0.5053332647
多程序操作
53.8899999857
12.7840000391
0.5045000315
通過上面的結果，我們可以看到：
>
				
單執行緒 多執行緒
1.基於python的單執行緒示例 from time import ctime,sleep import time def play video video for i in range 2 print i am playing video s at s video,ctime sleep 5 d...
				
一 單執行緒與多執行緒
一 多執行緒的例子 公司樓下有一家超市加做 永輝超市 下班了就去裡面買點菜，回去做做自己喜歡的飯菜。如果進去逛一圈，會發現它的收銀台是這樣的 它有好幾個收銀台，每個收銀台有乙個收銀員。付費的時候你可以選擇任意一條 我相信你肯定會選擇人最少的那一條 二 單執行緒的例子 除了這種大中型的超市，下班途中還...
				
單執行緒和多執行緒
what 1.程序 當乙個程式開始執行時，它就是乙個程序，程序包括執行中的程式和程式所使用到的記憶體和系統資源。2.執行緒 執行緒就是程式中的乙個執行流，每個執行緒都有自己的專有暫存器 棧指標 程式計數器等 但 是可以共享的，即不同的執行緒可以執行相同的函式。3.多執行緒 多執行緒是指程式中包含多個...