Python中单线程、多线程和多进程的效率对比实验

发布时间:2020-03-11 06:16:58发布者:admin浏览数:

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 requestsimport timefrom threading import Threadfrom multiprocessing import Process(2)定义CPU密集的计算函数

def count(x, y): # 使程序完成50万计算 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: breakprint(time.time() - t)

Output: 25.69700002670288、24.02400016784668

(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: breakprint(time.time() - t)

Output: 99.9240000248 、101.26400017738342、102.32200002670288

(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: breakprint("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: breakprint("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: breakprint("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: breakprint("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94.9182499646922.461999952797.3296000004多线程操作101.170000076224.86050009730.5053332647多进程操作53.889999985712.78400003910.5045000315

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

  程序开发分类
程序开发 |  系统教程 |  软件应用 |  图形图像 |  网络应用 |  站长教程 |  网站建设 |  视频教程 |  硬件维护 |  IT资讯 |  中国it动力网
本站发布的系统与软件仅为个人学习测试使用,请在下载后24小时内删除,不得用于任何商业用途,否则后果自负,请支持购买微软正版软件!
如侵犯到您的权益,请及时通知我们,我们会及时处理。
Copyright @ 2019 中国it动力网 网站导航