欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

Python中单线程、多线程和多进程的效率对比实验实例

程序员文章站 2022-07-22 20:02:47
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...

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

import requests
import time
from threading import thread
from multiprocessing import process

(2)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

(3)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()

(4) 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}

(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

# 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

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

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

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

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

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

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