进程/线程 和 I/O操作

Posted 2021-07-17 小小菜_v

线程

线程是操作系统能进行运算调度的最小单位。

进程

进程是计算机中的程序关于某数据集合上的一次运行活动，是系统进行资源分配和调度的基本单位，是操作系统结构的基础。

Python多进程和多线程的使用场景

版权声明：本文为CSDN博主「大帅不是我」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/hhs_1996/article/details/114317308

Python多进程适用的场景：计算密集型（CPU密集型）任务
Python多线程适用的场景：IO密集型任务
计算密集型任务一般指需要做大量的逻辑运算，比如上亿次的加减乘除，使用多核CPU可以并发提高计算性能。
IO密集型任务一般指输入输出型，比如文件的读取，或者网络的请求，这类场景一般会遇到IO阻塞，使用多核CPU来执行并不会有太高的性能提升。

下面使用一台64核的虚拟机来执行任务，通过示例代码来区别它们，

示例1：执行计算密集型任务，进行1亿次运算

使用多进程

    from multiprocessing import Process
    import os, time
     
     
    # 计算密集型任务
    def work():
        res = 0
        for i in range(100 * 100 * 100 * 100):  # 亿次运算
            res *= i
     
     
    if __name__ == "__main__":
        l = []
        print("本机为", os.cpu_count(), "核 CPU")  # 本机为64核
        start = time.time()
        for i in range(4):
            p = Process(target=work)  # 多进程
            l.append(p)
            p.start()
        for p in l:
            p.join()
        stop = time.time()
        print("计算密集型任务，多进程耗时 %s" % (stop - start))

使用多线程

  from threading import Thread
    import os, time
     
     
    # 计算密集型任务
    def work():
        res = 0
        for i in range(100 * 100 * 100 * 100):  # 亿次运算
            res *= i
     
     
    if __name__ == "__main__":
        l = []
        print("本机为", os.cpu_count(), "核 CPU")  # 本机为64核
        start = time.time()
        for i in range(4):
            p = Thread(target=work)  # 多线程
            l.append(p)
            p.start()
        for p in l:
            p.join()
        stop = time.time()
        print("计算密集型任务，多线程耗时 %s" % (stop - start))

两段代码输出：

 本机为 64 核 CPU
    计算密集型任务，多进程耗时 6.864224672317505

 本机为 64 核 CPU
    计算密集型任务，多线程耗时 37.91042113304138

说明：上述代码中，分别使用4个多进程和4个多线程去执行亿次运算，多进程耗时6.86s，多线程耗时37.91s，可见在计算密集型任务场景，使用多进程能大大提高效率。

另外，当分别使用8个多进程和8个多线程去执行亿次运算时，耗时差距更大，输出如下：

本机为 64 核 CPU
计算密集型任务，多进程耗时 6.811635971069336

本机为 64 核 CPU
计算密集型任务，多线程耗时 113.53767895698547

可见在64核的cpu机器下，同时使用8个多进程和4个多进程效率几乎一样。而使用多线程则就效率较慢。要最高效地利用CPU，计算密集型任务同时进行的数量应当等于CPU的核心数

示例2：400次，阻塞两秒，读取文件

使用多进程（4核cpu）

from multiprocessing import Process
import os, time
 
 
# I/0密集型任务
def work():
    time.sleep(5)  # 阻塞两秒
 
 
if __name__ == "__main__":
    l = []
    print("本机为", os.cpu_count(), "核 CPU")
    start = time.time()
    for i in range(1000):
        p = Process(target=work)  # 多进程
        l.append(p)
        p.start()
    for p in l:
        p.join()
    stop = time.time()
    print("I/0密集型任务，多进程耗时 %s" % (stop - start))

使用多线程（4核cpu）

  from threading import Thread
    import os, time
     
     
    # I/0密集型任务
    def work():
        time.sleep(5)  # 阻塞两秒
     
     
    if __name__ == "__main__":
        l = []
        print("本机为", os.cpu_count(), "核 CPU")
        start = time.time()
     
        for i in range(1000):
            p = Thread(target=work)  # 多线程
            l.append(p)
            p.start()
        for p in l:
            p.join()
        stop = time.time()
        print("I/0密集型任务，多线程耗时 %s" % (stop - start))

输出：

 本机为 64 核 CPU
    I/0密集型任务，多进程耗时 12.28218412399292

本机为 64 核 CPU
I/0密集型任务，多线程耗时 5.399136066436768

说明：python的多线程有于GIL锁的存在，无论是多少核的cpu机器，也只能使用单核，从输出结果来看，对于IO密集型任务使用多线程比较占优。
FAQ：执行多进程的io密集型任务时，报了一个错：

OSError: [Errno 24] Too many open files

原因：linux系统限制

   ulimit -n
    #  输出 1024

解决：（临时提高系统限制，重启后失效）

ulimit -n 10240

I/O

作者：张冬
链接：https://www.zhihu.com/question/24374518/answer/27714652
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

关于如何才算一个IO的问题，我可以在这里简要讲解，IO在不同层次有不同的概念和单位。
一次IO就是一次请求，对于磁盘来说，一个IO就是读或者写磁盘的某个或者某段扇区，
读写完了，这个IO也就结束了。

至于transaction，就是更高层的内容了，transaction往往与业务逻辑有关系。
比如你去银行存一笔钱，你存这笔钱的过程中，服务器向数据库中写入的所有关联的操作就算是一个transaction
，而完成这一个transaction，往往对应了底层对磁盘的多次IO。
比如，读出数据库中原来的数据，比如你原来存款是10000元，他读出来了，
然后显示在柜台终端上，然后操作员存入5000元，数据传输到数据库服务器，
数据库服务器在内存中更改这个数值，从10000更改为1.5000，然后数据库Flush的时候，
将对应的数据库写入磁盘，完成后，柜台终端显示成功。这个过程中对应了多次磁盘IO。
补充几点：IO类型有多种，数据型IO和非数据型IO。前者是指IO请求中包含读写扇区的数据的，后者是指IO中不包含扇区数据，而是承载其他信息的，如SCSI协议中的很多操作码，
比如0×01就是zero指令，命令磁盘自行向所有扇区中写0。
或者诸如report LUN这种常见的指令，它们是命令磁盘做一些其他的动作，而不是真正的读写扇区中的数据。
对于网络文件系统来说，也有数据型IO和非数据型IO，前者比如读写操作，后者比如NFS中的mount、fsinfo、fsstat、getattr等。
这就是transaction与IO的关系