进程:指在系统中运行的一个应用程序,程序一旦运行就是进程;
线程:系统分配处理器时间资源的基本单位,或者说进程之内独立执行的一个单元的执行流。
汇总:
并行:两个CPU同时做事情
并发:一个cpu,从执行A任务,接着执行b任务,又执行a任务,接着又执行b任务,循环执行
python3线程中常用的两个模块为:
thread模块已经被废弃了。用户可以使用threading模块代替。所以,在python3中不能再使用thread模块,为了兼容性,python3将thread重命名为_thread
常用方法
import time def doing(something): time.sleep(2) print('正在做>>>',something) start_time =time.time() doing('在上课') doing('在上班') end_time =time.time() print('总共耗时>>>',end_time-start_time) 控制台输出: 正在做>>> 在上课 正在做>>> 在上班 总共耗时>>> 4.010261297225952
#------------------------------------------------------------- """ 需求:执行效率低 优化:使用多线程 io密集型 """ #------------------------------------------------------------- def doing(something): print('正在做>>>', something) time.sleep(2) start_time = time.time() #1-创建线程 """ target:函数名 args:函数名对应的实参,元组形式 """ t1=threading.Thread(target=doing,args=('在上课',)) t2=threading.Thread(target=doing,args=('在加班',)) #2-启动线程 t1.start() t2.start() end_time = time.time() print('总共耗时>>>', end_time - start_time) 控制台输出 正在做>>> 在上课 正在做>>> 在加班总共耗时>>> 0.0009598731994628906
分析发现跟预期结果不一致,预期结果是大概是2s,现在是0s
原因:直接启动线程:主线程(main)不等待子线程(t1/t2)完成就结束
优化方案:
t1.join() t2.join() 控制台输出 正在做>>> 在上课 正在做>>> 在加班 总共耗时>>> 2.0047731399536133
#------------------------------------------------------------- """ 需求:执行效率低 优化:使用多线程 计算密集型 """ #------------------------------------------------------------- def doing(): dataNum=0 for i in range(10000000): dataNum+=1 start_time = time.time() #1-创建线程 """ target:你这个线程是做什么,需要执行的函数名 args:函数名对应的实参,元组形式 直接启动线程:主线程(main)不等待子线程(t1/t2)完成就结束 需求:主线程退出之前需要等待子线程全部执行完 优化:阻塞主线程 串行:总共耗时>>> 1.0268769264221191 """ #t1=threading.Thread(target=doing,args=('在上课',)) #t2=threading.Thread(target=doing,args=('在加班',)) # ##2-启动线程 #t1.start() #t2.start() ##3-阻塞主线程 #t1.join() #t2.join() doing() doing() end_time = time.time() print('总共耗时>>>', end_time - start_time) 控制台输出: 总共耗时>>> 1.0268769264221191
多线程方式;
改变部分的代码
t1=threading.Thread(target=doing) t2=threading.Thread(target=doing) #2-启动线程 t1.start() t2.start() #3-阻塞主线程 t1.join() t2.join() 控制台输出 总共耗时>>> 1.0593979358673096
通过对比发现对应计算密集型来说,使用串行和多线程,耗时一样
对于cpython解释器GIL(全局解释器锁)),不管多少核 cpu同一时间只能处理一件事
原因:
多线程是并发:并发是来回切换执行不同的任务,导致计算密集型执行的时间比串行还长,因为来回切换也需要耗时
#------------------------------------------------------------- """ 需求:执行效率低 优化:使用多线程 守护线程 主线程想满足一个条件就退出,使用多线程直接不能直接退出主线程 """ #------------------------------------------------------------- def doing(): while True: print('我在doing') time.sleep(1) start_time = time.time() #1-创建线程 """ target:你这个线程是做什么,需要执行的函数名 args:函数名对应的实参,元组形式 直接启动线程:主线程(main)不等待子线程(t1/t2)完成就结束 需求:主线程退出之前需要等待子线程全部执行完 优化:阻塞主线程 串行:总共耗时>>> 1.0268769264221191 """ t1=threading.Thread(target=doing) t2=threading.Thread(target=doing) #2-启动线程 t1.start() t2.start() #3-阻塞主线程 #t1.join() #t2.join() end_time = time.time() for i in range(3): print('**********主线程正在执行*******') print('**********主线程结束*******') print('总共耗时>>>', end_time - start_time) 控制台输出: 死循环 我在doing 我在doing**********主线程正在执行******* **********主线程正在执行******* **********主线程正在执行******* **********主线程结束******* 总共耗时>>> 0.0009987354278564453 我在doing我在doing 我在doing我在doing 我在doing我在doing 我在doing我在doing 我在doing我在doing
分析:
主线程一直无法退出
优化:
增加守护线程 setdaemon(True)
在以下位置增加守护部分代码
t1=threading.Thread(target=doing) t2=threading.Thread(target=doing) t1.setDaemon(True)#守护 t2.setDaemon(True) #2-启动线程 t1.start() t2.start() 控制台输出 我在doing 我在doing **********主线程正在执行******* **********主线程正在执行******* **********主线程正在执行******* **********主线程结束******* 总共耗时>>> 0.0009744167327880859