前言
说起Python的多线程,很多人都嗤之以鼻,说Python的多线程是假的多线程,没有用,或者说不好用,那本次就和大家一起来分享一下Python的多线程,看看是不是这样的。
相关概念
线程(Thread)也叫轻量级进程,是操作系统能够进行运算调度的最小单位,它被包含在进程之中,是进程中的实际运作单位。线程自己不拥有系统资源,只拥有一点在运行中必不可少的资源,但它可与同属的一个进程的其它线程共享进程所拥有的全部资源。一个线程可以创建和撤销另一个线程,同一进程中的多个线程之间可以并发执行。
多线程语法
在Python中实现多线程编程需要用到的就是threading模块中的Thread类,我们来看看最简单的语法,我们首先来一个简单的函数。
def task(num):
count = 0
for i in range(num):
count += 1
print(count)
nums = [100, 1000, 10000]
for num in nums:
task(num)
# 100
#1000
#10000
我们用三个子线程分别计算。
import threading
def task(num):
count = 0
for i in range(num):
count += 1
print(count)
nums = [100, 1000, 10000]
for num in nums:
t = threading.Thread(target=task, args=(num,))
t.start()
利用Thread创建线程,target参数接收函数名,args参数接收函数的参数,start方法启动线程。
这里还需要讲解一下join方法,他的作用是让主线程等待,直到该子线程结束。我们来看看加该方法和不加该方法,最终的结果是怎么样的。
import threading
def task():
num = 0
for i in range(10000000):
num += 1
print(num)
t = threading.Thread(target=task)
t.start()
print('end')
# end
# 10000000
import threading
def task():
num = 0
for i in range(10000000):
num += 1
print(num)
t = threading.Thread(target=task)
t.start()
t.join()
print('end')
# 10000000
# end
GIL
在说概念之前,我们还是以上面的代码为例,分别求单线程和多线程代码运行的时间。
单线程
import time
def task(num):
count = 0
for i in range(num):
count += 1
print(count)
nums = [1000000, 100000000, 1000000000]
start = time.time()
for num in nums:
task(num)
end = time.time()
print(end - start)
# 50.44705629348755
多线程
import threading
import time
def task(num):
count = 0
for i in range(num):
count += 1
print(count)
nums = [1000000, 100000000, 1000000000]
ts = []
start = time.time()
for num in nums:
t = threading.Thread(target=task, args=(num,))
t.start()
ts.append(t)
for t in ts:
t.join()
end = time.time()
print(end - start)
# 55.022353172302246
你会发现多线程比单线程花费的时间还要更多,这是因为GIL的原因。
GIL的全称是Global Interpreter Lock(全局解释器锁),Python最初的设计理念在于,为了解决多线程之间数据完整性和状态同步的问题,设计为在任意时刻只能由一个线程在解释器中运行。因此Python中的多线程是表面上的多线程(同一时刻只有一个线程),不是真正的多线程。
但是如果是因为GIL的原因,就说多线程无用是不对的,对于IO密集的程序,多线程是要比单线程快的。我们举一个简单的爬虫案例。
单线程
import time
def task(url):
s = url.split('_')[-1]
time.sleep(int(s)) #这里模拟请求等待
urls = ['url_1', 'url_2', 'url_3']
start = time.time()
for url in urls:
task(url)
end = time.time()
print(end - start)
# 6.013520002365112
多线程
import threading
import time
def task(url):
s = url.split('_')[-1]
time.sleep(int(s))
ts = []
urls = ['url_1', 'url_2', 'url_3']
start = time.time()
for url in urls:
t = threading.Thread(target=task, args=(url,))
t.start()
ts.append(t)
for t in ts:
t.join()
end = time.time()
print(end - start)
# 3.005527973175049
这时候我们就能看到多线程的优势了,虽然多线程只是在各线程来回切换,但是可以让IO堵塞的时间切换到其他线程做其他的任务,很适合爬虫或者文件的操作。
今天的分享就到这了,如果我的文章对你有帮助,别忘了点赞,收藏,转发,这对我有很大的帮助,我们下期再见~
网友评论