Python多线程多进程实例对比解析
多线程适合于多io操作
多进程适合于耗cpu(计算)的操作
#多进程编程 #耗cpu的操作,用多进程编程,对于io操作来说,使用多线程编程 importtime fromconcurrent.futuresimportThreadPoolExecutor,as_completed fromconcurrent.futuresimportProcessPoolExecutor deffib(n): ifn<=2: return1 returnfib(n-2)+fib(n-1) if__name__=='__main__': #1.对于耗cpu操作,多进程优于多线程 #withThreadPoolExecutor(3)asexecutor: #all_task=[executor.submit(fib,num)fornuminrange(25,35)] #start_time=time.time() #forfutureinas_completed(all_task): #data=future.result() #print(data) #print("lasttime:{}".format(time.time()-start_time))#3.905290126800537 #多进程,在window环境下必须放在main方法中执行,否则抛异常 withProcessPoolExecutor(3)asexecutor: all_task=[executor.submit(fib,num)fornuminrange(25,35)] start_time=time.time() forfutureinas_completed(all_task): data=future.result() print(data) print("lasttime:{}".format(time.time()-start_time))#2.6130592823028564
可以看到在耗cpu的应用中,多进程明显优于多线程2.6130592823028564<3.905290126800537
下面模拟一个io操作
#多进程编程 #耗cpu的操作,用多进程编程,对于io操作来说,使用多线程编程 importtime fromconcurrent.futuresimportThreadPoolExecutor,as_completed fromconcurrent.futuresimportProcessPoolExecutor defio_operation(n): time.sleep(2) returnn if__name__=='__main__': #1.对于耗cpu操作,多进程优于多线程 #withThreadPoolExecutor(3)asexecutor: #all_task=[executor.submit(io_operation,num)fornuminrange(25,35)] #start_time=time.time() #forfutureinas_completed(all_task): #data=future.result() #print(data) #print("lasttime:{}".format(time.time()-start_time))#8.00358772277832 #多进程,在window环境下必须放在main方法中执行,否则抛异常 withProcessPoolExecutor(3)asexecutor: all_task=[executor.submit(io_operation,num)fornuminrange(25,35)] start_time=time.time() forfutureinas_completed(all_task): data=future.result() print(data) print("lasttime:{}".format(time.time()-start_time))#8.12435245513916
可以看到8.00358772277832<8.12435245513916,即是多线程比多进程更牛逼!
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持毛票票。
声明:本文内容来源于网络,版权归原作者所有,内容由互联网用户自发贡献自行上传,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任。如果您发现有涉嫌版权的内容,欢迎发送邮件至:czq8825#qq.com(发邮件时,请将#更换为@)进行举报,并提供相关证据,一经查实,本站将立刻删除涉嫌侵权内容。