8wDlpd.png
8wDFp9.png
8wDEOx.png
8wDMfH.png
8wDKte.png

python 多线程比串行慢吗?

David Harris 1月前

49 0

我正在尝试弄清楚 Python 中的多线程编程。这是我想比较串行和并行速度的简单任务。导入线程导入队列导入时间导入 ma...

我正在尝试弄清楚 Python 中的多线程编程。这是我想比较串行和并行速度的简单任务。

import threading
import Queue
import time
import math

def sinFunc(offset, n):
  result = []
  for i in range(n):
    result.append(math.sin(offset + i * i))
  return result

def timeSerial(k, n):
  t1 = time.time()    
  answers = []
  for i in range(k):
    answers.append(sinFunc(i, n))
  t2 = time.time()
  print "Serial time elapsed: %f" % (t2-t1)

class Worker(threading.Thread):

  def __init__(self, queue, name):
    self.__queue = queue
    threading.Thread.__init__(self)
    self.name = name

  def process(self, item):
    offset, n = item
    self.__queue.put(sinFunc(offset, n))
    self.__queue.task_done()
    self.__queue.task_done()

  def run(self):
    while 1:
        item = self.__queue.get()
        if item is None:
            self.__queue.task_done()
            break
        self.process(item)

def timeParallel(k, n, numThreads):
  t1 = time.time()    
  queue = Queue.Queue(0)
  for i in range(k):
    queue.put((i, n))
  for i in range(numThreads):
    queue.put(None)    
  for i in range(numThreads):
    Worker(queue, i).start()
  queue.join()
  t2 = time.time()
  print "Serial time elapsed: %f" % (t2-t1)

if __name__ == '__main__':

  n = 100000
  k = 100
  numThreads = 10

  timeSerial(k, n)
  timeParallel(k, n, numThreads)

#Serial time elapsed: 2.350883
#Serial time elapsed: 2.843030

有人能向我解释一下发生了什么吗?我习惯使用 C++,使用该模块的类似版本可以看到我们期望的速度提升。

帖子版权声明 1、本帖标题:python 多线程比串行慢吗?
    本站网址:http://xjnalaquan.com/
2、本网站的资源部分来源于网络,如有侵权,请联系站长进行删除处理。
3、会员发帖仅代表会员个人观点,并不代表本站赞同其观点和对其真实性负责。
4、本站一律禁止以任何方式发布或转载任何违法的相关信息,访客发现请向站长举报
5、站长邮箱:yeweds@126.com 除非注明,本帖由David Harris在本站《list》版块原创发布, 转载请注明出处!
最新回复 (0)
  • 其他答案提到了 GIL 是 cpython 中的问题。但我觉得缺少了一些信息。当您在线程中运行的代码受 CPU 限制时,这会导致性能问题。就您这里的情况而言,在线程中进行许多计算很可能会导致性能急剧下降。

    但是,如果你正在做一些更依赖 IO 的事情,比如从网络应用程序中的多个套接字读取数据,或者调用子进程,那么你就可以通过线程来提高性能。上面代码的一个简单示例是向 shell 添加一个非常简单的调用:

    import os
    
    def sinFunc(offset, n):
      result = []
      for i in xrange(n):
        result.append(math.sin(offset + i * i))
      os.system("echo 'could be a database query' >> /dev/null; sleep .1")
      return result
    

    该调用可能确实存在,例如等待文件系统。但您可以看到,在此示例中,线程将开始证明其有益,因为当线程等待 IO 时可以释放 GIL,其他线程将继续处理。即便如此,当更多线程开始因创建和同步它们的开销而变得无用时,仍然存在一个最佳点。

    对于 CPU 密集型代码,你可以使用 multiprocessing

    摘自文章: http://www.informit.com/articles/article.aspx?p=1850445&seqNum=9

    ...线程更适合 I/O 密集型应用程序(I/O 释放 GIL,允许更多并发)...

    关于线程与进程的类似问题参考:
    https://.com/a/1227204/496445
    https://.com/a/990436/496445

返回
作者最近主题: