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。