返回顶部
首页 > 资讯 > 后端开发 > Python >经验拾忆(纯手工)=> Python三
  • 154
分享到

经验拾忆(纯手工)=> Python三

纯手工经验Python 2023-01-31 08:01:42 154人浏览 泡泡鱼

Python 官方文档:入门教程 => 点击学习

摘要

GIL的理解 GIL这个话题至今也是个争议较多的,对于不用应用场景对线程的需求也就不同,说下我听过的优点: 1. 我没有用过其他语言的多线程,所以无法比较什么,但是对于I/O而言,python的线程还是比较高效的。 2. 有些第三方基于P

GIL的理解

GIL这个话题至今也是个争议较多的,对于不用应用场景对线程的需求也就不同,说下我听过的优点:
1. 我没有用过其他语言的多线程,所以无法比较什么,但是对于I/O而言,python的线程还是比较高效的。
2. 有些第三方基于Python框架和库,比如Tensorflow等基于C/C plus plus重写的Python线程机制。
3. 至于换成Cython编译器解决GIL,这个只是听过,没用过。
4. Python多线程对于WEB爬虫方面也可以表现出较好的性能。
5. Python多进程是完好的,可以把资源消耗较少的非必要线程工作转为多进程来工作。
6. 计算密集型就别想多线程了,一律多进程。
7. Python还有细粒度且高效的协程。
8. 如果有N核CPU,那么同时并行的进程数就是N,每个进程里面只有一个线程能抢到工作权限。
   所以同一时刻最大的并行线程数=进程数=CPU的核数(这条我的个人理解很模糊,参考吧)

多线程

多线程有2种通过start的那种方式,非常普遍,此处就不写了。
新版线程池 future库 是python3.2新出的功能(记住这个future)
方式1:(sublime运行后直接贴上来了)
    from time import sleep
    from concurrent.futures import ThreadPoolExecutor,as_completed,ALL_COMPLETED,wait
    
    executor = ThreadPoolExecutor(max_workers=10)        # 初始化线程池10个坑
    def f():
        sleep(15)
        return 100
    all_tasks = [executor.submit(f) for _ in range(10)]  # 提交10个线程,全放池里执行
    # for per_thread in as_completed(all_tasks):         
        # print(per_thread.result())
    ---------# 注意上面,as_completed(all_tasks) 是等待future对象完成后才执行主线程
    ---------# 注意下面,wait和 as_completed() 的 作用一样,就和普通版的join() 相似
    for per_thread in all_tasks:
        print(per_thread.result())
    wait(all_tasks, return_when=ALL_COMPLETED)   # 还可以选FIRST_COMPLETED,待第一个完成后
    print('主线程')
        
方式2: map多线程版
    value_list = executor.map(func, list(range(10))) # 返回的直接是map后的序列
    for value in value_list:
        print(value)
    注意:    
        这个map方式,如果要传多个参数就涉及到高阶函数那节讲的偏函数了。

多进程

多进程有2种通过start的那种方式+普通进程池,同样非常普遍,此处就不写了,自己百度一下。
新版进程池 同样是和上面用一样的future库,惊不惊喜。(可以看出好的程序要向着统一封装的方向优化)
也许你会惊讶,因为只把thread单词改为processing就是进程池版本了,就是这么简单!!!!!
from time import sleep
import multiprocessing
from concurrent.futures import ProcessPoolExecutor,as_completed,ALL_COMPLETED,wait
executor = ProcessPoolExecutor(max_workers=multiprocessing.cpu_count())
def f():
    sleep(15)
    return 100

if __name__ == '__main__':    # 这句要加
    all_tasks = [executor.submit(f) for _ in range(multiprocessing.cpu_count())]
    for per_thread in as_completed(all_tasks):
        print(per_thread.result())
    # for per_thread in all_tasks:
    #     print(per_thread.result())
    # wait(all_tasks, return_when=ALL_COMPLETED)
    print('主进程')   
# 这就是 futures 模块 设计思想的魅力

多协程

前言:
    也许你记得,函数用到 yield 来代替 return 就变成了 生成器。其特点是代码片段断点式执行。
    如果有多个yield, 就可以自己用程序来切换执行程序。(这就是协程的特点)
推荐:(学习中。。。)
    此笔者写的很好:
    https://juejin.im/post/5ccf0d18e51d453b557dc340
    
    

--结束END--

本文标题: 经验拾忆(纯手工)=> Python三

本文链接: https://lsjlt.com/news/193069.html(转载时请注明来源链接)

有问题或投稿请发送至: 邮箱/279061341@qq.com    QQ/279061341

猜你喜欢
软考高级职称资格查询
编程网,编程工程师的家园,是目前国内优秀的开源技术社区之一,形成了由开源软件库、代码分享、资讯、协作翻译、讨论区和博客等几大频道内容,为IT开发者提供了一个发现、使用、并交流开源技术的平台。
  • 官方手机版

  • 微信公众号

  • 商务合作