python的多线程比多进程效率高（Python中单线程、多线程和多进程的效率对比实验实例）

python的多线程比多进程效率高

Python中单线程、多线程和多进程的效率对比实验实例

python的多进程性能要明显优于多线程，因为cpython的gil对性能做了约束。

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

?

1 2 3 4

import requests import time from threading import thread from multiprocessing import process

(2)定义cpu密集的计算函数

?

1 2 3 4 5 6 7

def count(x, y):   # 使程序完成150万计算   c = 0   while c < 500000:     c += 1     x += x     y += y

（3）定义io密集的文件读写函数

?

1 2 3 4 5 6 7 8 9 10

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

?

1 2 3 4 5 6 7 8 9 10

_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

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

# 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

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

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:     break print(time.time() - t)

output: 99.9240000248 、101.26400017738342、102.32200002670288

 (7)测试多线程并发执行io密集操作所需时间

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

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:     break print(time.time() - t)

output: 25.69700002670288、24.02400016784668

 (8)测试多线程并发执行网络密集操作所需时间

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

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:     break print("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

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14

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:     break print("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

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

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:     break print("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

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

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:     break print("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	94.91824996469	22.46199995279	7.3296000004
多线程操作	101.1700000762	24.8605000973	0.5053332647
多进程操作	53.8899999857	12.7840000391	0.5045000315

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

以上所述是小编给大家介绍的python单线程多线程和多进程效率对比详解整合，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对开心学习网网站的支持！

原文链接：https://blog.csdn.net/Jailman/article/details/78427936