style="text-indent:2em;">老铁们,大家好,相信还有很多朋友对于Python多进程和多线程是鸡肋嘛和cpu不建议多线程的相关问题不太懂,没关系,今天就由我来为大家分享分享Python多进程和多线程是鸡肋嘛以及cpu不建议多线程的问题,文章篇幅可能偏长,希望可以帮助到大家,下面一起来看看吧!
本文目录
Python多进程和多线程是鸡肋嘛
GIL的存在一直是富有争议的,它导致Python程序无法真正利用现代操作系统的多进程特性。需要注意的是,对于I/O图形处理、NumPy数学计算这样的耗时操作都发生在GIL之外,实际上基本不受影响,真正受影响的都是Python字节码的执行,GIL会导致性能瓶颈的出现。总之,只有在使用纯Python做CPU密集的多线程运算时GIL会是问题。GIL是什么Python的代码执行由Python虚拟机(也叫解释器主循环,CPython版本)来控制,Python在设计之初就考虑到在解释器的主循环中,同时只有一个线程在运行。即每个CPU在任意时刻只有一个线程在解释器中运行。对Python虚拟机访问的控制由全局解释锁GIL控制,正是这个锁来控制同一时刻只有一个线程能够运行。——在单核CPU下的多线程其实都只是并发,不是并行。
并发与并行区别
并发:两个或多个事件在同一时间间隔发生,或者说交替做不同事件的能力,或者说不同的代码块交替执行。并行:两个或者多个事件在同一时刻发生,或者说同时做不同事件的能力,或者说不同的代码块同时执行。并发和并行的意义
并发和并行都可以处理“多任务”,二者的主要区别在于是否是“同时进行”多个的任务。但是涉及到任务分解(有先后依赖耦合度高的任务无法做到并行)、任务运行(可能要考虑互斥、锁、共享等)、结果合并。
Python下的多线程在Python多线程下,每个线程的执行方式,如下:
获取GIL切换到这个线程去执行运行代码,这里有两种机制:指定数量的字节码指令(100个)固定时间15ms线程主动让出控制把线程设置为睡眠状态释放GIL再次重复以上步骤在Python2中,在解释器解释执行任何Python代码时,都需要先获得这把锁才行(同一时间只会有一个获得了GIL的线程在跑,其它的线程都处于等待状态等着GIL的释放),在遇到I/O操作时会释放这把锁。如果是纯计算的程序,没有I/O操作,解释器会每隔100次操作就释放这把锁,让别的线程有机会执行(这个次数可以通过sys.setcheckinterval来调整)也正是这种设定,是的多线程的CPU密集型计算非常鸡肋,下面会讲到为何如此。
而在python3中,GIL不使用ticks计数(100次,释放GIL),改为使用计时器(执行时间达到15ms阈值后,当前线程释放GIL),使得执行计算的次数更多,释放次数减少,这样对CPU密集型程序更加友好,但依然没有解决GIL导致的同一时间只能执行一个线程的问题,所以效率依然不尽如人意。
那么是不是Python的多线程是鸡肋嘛?CPU密集型(各种循环处理、计数等等),在这种情况下,ticks计数很快就会达到阈值,然后触发GIL的释放与再竞争(多个线程来回切换是需要消耗资源的),所以python下的多线程对CPU密集型代码并不友好,会触发相当频繁的线程切换。
IO密集型(文件处理、网络爬虫等),多线程能够有效提升效率(单线程下有IO操作会进行IO等待,造成不必要的时间浪费,而开启多线程能在线程A等待时,自动切换到线程B,可以不浪费CPU的资源,从而能提升程序执行效率,一个线程获得GIL发送消息,然后等待返回消息(阻塞),Python此时释放GIL,其他线程得到GIL发送消息,然后同样等待返回消息(阻塞)......,这样保证了IO传输过程时间的合理利用,减少了IO等待造成的资源浪费,提高IO传输效率)。所以python的多线程对IO密集型代码比较友好。
有哪些结论?I/O密集型使用多线程并发执行提高效率、计算密集型使用多进程(multiprocessing)并行执行提高效率。通常程序既包含IO操作又包含计算操作,那么这种情况下,在开始并发任务之前,可以先进行测试,测试多线程、多进程哪个效率高就是用哪种方式。
请注意:多核多线程比单核多线程更差,多核多进程下,CPU1释放GIL后,其他CPU上的线程都会进行竞争,但GIL可能会马上又被CPU1拿到,CPU2释放GIL后……,导致其他几个CPU上被唤醒后的线程会醒着等待到切换时间后又进入待调度状态,这样会造成线程颠簸(thrashing),导致效率更低。
多线程下的CPU密集型计算也不是无药可医,可以利用ctypes绕过GIL,ctypes可以使py直接调用任意的C动态库的导出函数。所要做的只是把关键部分用C/C++写成Python扩展。而且,ctypes会在调用C函数前释放GIL。
同时,可以了解下协程,又称微线程。
协程最大的优势就是协程极高的执行效率。因为子程序切换不是线程切换,而是由程序自身控制,因此,没有线程切换的开销,和多线程比,线程数量越多,协程的性能优势就越明显。
第二大优势就是不需要多线程的锁机制,因为只有一个线程,也不存在同时写变量冲突,在协程中控制共享资源不加锁,只需要判断状态就好了,所以执行效率比多线程高很多。
因为协程是一个线程执行,那怎么利用多核CPU呢?最简单的方法是多进程+协程,既充分利用多核,又充分发挥协程的高效率,可获得极高的性能。
为什么有人说Python的多线程是鸡肋呢
这句话是片面的:
GIL锁限制了一个进程内的不同线程在同一个时刻只能占用一个CPU,由此可见,用多线程处理计算密集型的任务,python的多个线程需要互相等待获取CPU资源,此时的多个线程并不能并行,确实没有发挥我们预想中多线程的能力。
但是,如果执行的是IO密集型的任务,多个线程之间不存在太多的CPU资源的争夺,更多的是各个线程在进行IO传输、等待,此时多线程的能力仍然能够发挥出来。
所以不能简单的说Python的多线程是鸡肋,只是它的设计局限了它的适用场景罢了。
多线程对电脑有要求吗
多线程对电脑的要求因软件而异,但是一般来说,需要一个线程足够多的CPU和足够大的多通道内存。CPU推荐至少12线程,对应英特尔10代i5以上,或者AMD3代R5以上;内存推荐至少双通道16G。
如何关闭cpu的多线程
可以。
关闭步骤如下:
1、重启电脑,按键盘的“Del.”或“Delete”键,进入主板BIOS。
2、在进入主板BIOS后,鼠标左键单击上方的“高级模式”,切换到BIOS设置高级模式:
3、点击界面左侧的“OC(超频)”,点击“OC”中的“CPU特征”小项:
4、如下图,CPU特征中即有“超线程”这个项目,项目后的选项有“允许”或“禁止”,选择“禁止”:
5、如下图,设置“禁止”,即关闭超线程后,按键盘上的F10,保存BIOS设置更改,并退出BIOS,自动重启,进入Windows桌面,这时CPU的超线程就成功关闭。
好了,文章到这里就结束啦,如果本次分享的Python多进程和多线程是鸡肋嘛和cpu不建议多线程问题对您有所帮助,还望关注下本站哦!
声明:本文内容来自互联网不代表本站观点,转载请注明出处:https://bk.77788889.com/1/83712.html