关于python不能真正多线程问题解析

关于python不能真正多线程问题解析,第1张

  多线程,是指从软件或者硬件上实现多个线程并发执行的技术。具有多线程能力的计算机因有硬件支持而能够在同一时间执行多于一个线程,进而提升整体处理性能。具有这种能力的系统包括对称多处理机、多核心处理器以及芯片级多处理(Chip-level mulTIthreading)或同时多线程(Simultaneous mulTIthreading)处理器。在一个程序中,这些独立运行的程序片段叫作“线程”(Thread),利用它编程的概念就叫作“多线程处理(MulTIthreading)”。具有多线程能力的计算机因有硬件支持而能够在同一时间执行多于一个线程(台湾译作“执行绪”),进而提升整体处理性能。

  写python多线程的时候,用了几个测试的程序,分别是递归方法求斐波那契数的值。分别采用单线程一个一个执行的方法和采用多线程调用的方法。观察所用的时间基本上差不多的。

  关于python不能真正多线程问题解析,关于python不能真正多线程问题解析,第2张

  然后我在每个函数内部加入sleep()函数以后,分别让它们睡零点几秒钟。这样一来,明显多线程执行所用的时间要少很多。

  关于python不能真正多线程问题解析,关于python不能真正多线程问题解析,第3张

  这时我突然好奇,想看看在用python多线程执行的时候,是否可以利用CPU多个核心呢?我的笔记本是i3处理器,双核,4线程(我至今不知道这里所指的4线程具体是什么意思,之前和老师交流过,猜测可能是在硬件上做了像我们软件执行的时候的躲进程这样类似的东西,但是不确定),反正在我的系统下的系统监视器里面可以看到有4个核的利用率频线。我就观察这种曲线的变化方式:当我每一个都是单线程地运行的时候。显示的画面中有一个CPU爆满;但是在多线程运行的时候,是每一个利用一些。

  下面是系统监视器显示情况:

  关于python不能真正多线程问题解析,关于python不能真正多线程问题解析,第4张

  这是运行时间对比:

  关于python不能真正多线程问题解析,关于python不能真正多线程问题解析,第5张

  显然多线程运行的时候时间反而长了很多,虽然有上下文切换的时间损耗,但是若是能够利用多核的话也不至于那么慢,另外由系统监视器可以看出多线程的时候也没有把各个核利用率达到很高的一个水平。所以当时推断python的多线程并没有很多的利用多核CPU,其实之前也有听说过python对于多核CPU支持是个缺陷,现在是有真的体会,但是我只是凭自己的小实验,也不能有很打保证啊,也只是猜测,后来翻了一下《python参考手册》发现有这么一句话,看来是真的证实了我自己的猜想啊!!!

  关于python不能真正多线程问题解析,关于python不能真正多线程问题解析,第6张

  尽管是很低级的问题,但是对于初学的我来说,还是有很大的喜悦的。

  下面是实验的代码:

  fab.py:

  # -*- coding: utf-8 -*-

  from myThread import MyThread

  from TIme import ctime

  from time import sleep

  import sys

  def fib(x):

  # sleep(0.005)

  if x《2:return 1

  return (fib(x-2) + fib(x-1))

  def fac(x):

  # sleep(0.05)

  if x《2:return 1

  return (fac(x-2)+fac(x-1))

  def sum(x):

  # sleep(0.05)

  if x《2:return 1

  return (sum(x-2)+sum(x-1))

  funcs = [fib,fac,sum]

  n = 35

  def main():

  nfuncs = range(len(funcs))

  sys.stdout.write(‘***SINGLE THREAD\n’)

  for i in nfuncs:

  sys.stdout.write(‘starting %s at: %s\n’ %(funcs[i].__name__,ctime()))

  print funcs[i](n)

  sys.stdout.write(“%s finished at: %s\n”% (funcs[i].__name__,ctime()))

  sys.stdout.write(‘\n***MULTIPLE THREADS\n’)

  threads = []

  for i in nfuncs:

  t = MyThread(funcs[i],(n,),funcs[i].__name__)

  threads.append(t)

  for i in nfuncs:

  threads[i].start()

  for i in nfuncs:

  threads[i].join()

  print threads[i].getResult()

  sys.stdout.write(‘all done\n’)

  if __name__ == ‘__main__’:

  main()

  myThread.py:

  import threading

  from time import ctime

  import sys

  class MyThread(threading.Thread):

  def __init__(self,func,args,name=‘’):

  threading.Thread.__init__(self)

  self.name = name

  self.func = func

  self.args = args

  def getResult(self):

  return self.res

  def run(self):

  sys.stdout.write(“starting %s at: %s\n” % (self.name,ctime()))

  self.res = apply(self.func,self.args)

  sys.stdout.write(“%s finished at: %s\n” % (self.name,ctime()))

欢迎分享,转载请注明来源:内存溢出

原文地址: http://outofmemory.cn/dianzi/2717624.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2022-08-17
下一篇 2022-08-17

发表评论

登录后才能评论

评论列表(0条)

保存