python高级学习笔记—— 多线程编程

下面是三个线程并发执行将一个变量累加. 运行环境: mac 8核16G python 3.7.7

import time import threading tag = 0 def task1(): print('任务1开始') global tag for i in range(1000000): tag +=1 # print(tag) time.sleep(1) print('任务1结束') def task2(): print('任务2开始') global tag for i in range(1000000): tag += 1 # print(tag) time.sleep(1) print('任务2结束') def task3(): print('任务2开始') global tag for i in range(1000000): tag += 1 # print(tag) time.sleep(1) print('任务2结束') if __name__ == '__main__': thread1 = threading.Thread(target=task1, args='') thread2 = threading.Thread(target=task2, args='') thread3 = threading.Thread(target=task3, args='') # thread2.setDaemon(True) start = time.time() thread1.start() thread2.start() thread3.start() thread1.join() thread2.join() thread3.join() print('主程序结束') print(time.time() - start)

执行结果 : 任务1开始 任务2开始 任务2开始 任务2结束 任务2结束 任务1结束 主程序结束 1.2913100719451904 可以看到, 用时1秒多, CPU占用极低

打开print注释, 再次执行:

用时多了很多, 而且CPU利用超过了100%, 说明print 函数在大量循环的情况下会很耗时间, 而且多个线程中的print使得python占用多核CPU , 并不只是单核运行. 去掉time.sleep(1) 又会是不同的效果.

总结:

GIL 使得python单核运行，几乎是一个单线程程序纯计算的程序， 多线程还不如单线程有网络请求、延时之类的代码， 多线程会体现出来优势IO 才是大瓶颈， 比如频繁print也会消耗大量时间