标签:oop ret complete 技术 允许 方式 star 程序 效率
在我们实际编码中,会遇到一些并行的任务,因为单个任务无法最大限度的使用计算机资源。使用并行任务,可以提高代码效率,最大限度的发挥计算机的性能。python实现并行任务可以有多进程,多线程,协程等方式。
进程是程序运行的基本单位,资源分配和独立运行的基本单位。
多进程实现并行任务代码:
import multiprocessing
import time
def test(interval):
n = 5
while n > 0:
time.sleep(interval)
n -= 1
if __name__ == "__main__":
p = multiprocessing.Process(target = test, args = (3,))
p1 = multiprocessing.Process(target = test, args = (3,))
p2 = multiprocessing.Process(target = test, args = (3,))
p3 = multiprocessing.Process(target = test, args = (3,))
p.start()
p1.start()
p2.start()
p3.start()
print("p.pid:", p.pid)
print("p1.pid:", p.pid)
print("p2.pid:", p.pid)
print("p3.pid:", p.pid)
执行结果
通常在一个进程中可以包含若干个线程,当然一个进程中至少有一个线程,不然没有存在的意义。线程可以利用进程所拥有的资源,在引入线程的操作系统中,通常都是把进程作为分配资源的基本单位,而把线程作为独立运行和独立调度的基本单位,由于线程比进程更小,基本上不拥有系统资源,故对它的调度所付出的开销就会小得多,能更高效的提高系统多个程序间并发执行的程度。
多线程实现并行(这里采用线程池):
import threadpool
import threading
import time
task_pool = threadpool.ThreadPool(10)
def func(t):
print(f‘sleep {t} s. {threading.currentThread()}‘)
time.sleep(t)
print(f‘{threading.currentThread()} have Done!!‘)
args = [5 for i in range(5)]
rs = threadpool.makeRequests(func, args)
for req in rs:
task_pool.putRequest(req)
task_pool.wait()
运行结果
协程,又称微线程,是为非抢占式多任务产生子程序的计算机程序组件,协程允许不同入口点在不同位置暂停或开始执行程序。
简单来讲,就是我们可以在执行的时候停下来执行另一子程序,当子程序执行完之后在此切换回来。并且是非阻塞的,也就意味着我们可以同时执行多个协程。
也因为协程是单线程,所以我们切换所需要的开销最小,效率最高。
实现代码:
import asyncio
import threading
import random
import time
async def test(t, count):
print(f‘sleep {t} s. {threading.currentThread()}‘)
# 使用asyncio.sleep() 而不用time.sleep() 是因为time.sleep()回挂起整个线程,
# 而协程是基于单线程的,所以会block住
#time.sleep(4)
r = await asyncio.sleep(t)
return t
def main():
print("start ..")
start = time.time()
loop = asyncio.get_event_loop()
tasks = [test(1, i) for i in range(5)]
loop.run_until_complete(asyncio.wait(tasks))
loop.close()
print(f‘{time.time()-start}, finall {c}‘)
return c
if __name__ == ‘__main__‘:
x = main()
运行结果
标签:oop ret complete 技术 允许 方式 star 程序 效率
原文地址:https://www.cnblogs.com/yuzhenjie/p/9737289.html