011_Python中单线程多线程和多进程的效率对比实验

Posted 2020-11-17 arun_python

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了011_Python中单线程多线程和多进程的效率对比实验相关的知识，希望对你有一定的参考价值。

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 ")

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

以上是关于011_Python中单线程多线程和多进程的效率对比实验的主要内容，如果未能解决你的问题，请参考以下文章

单线程多线程和多进程的效率对比实验

Python高阶（一） - 单线程、多线程和多进程的效率对比测试

python多线程和多进程

Python多进程

Python的多线程和多进程模块对比测试

python 复习—并发编程实战——线程多进程多协程加速程序运行实例（多线程和多进程的对比）