如何提高python效率？——并發(fā)編程介紹

w3cschool小編 2022-12-19 15:55:19 瀏覽數(shù) (2172)

反饋

對于計算機而言，提高效率的方式其實是比較有限的，因為除非從底層代碼（匯編代碼）進行優(yōu)化，否則想要提升效率是比較困難的，只能通過不斷的優(yōu)化代碼和算法，提高效率。但實際上還有另外的方法也可以提高效率，來看看python有哪些提高效率的方法：

基礎概念介紹

進程：進程是一個程序的執(zhí)行實例，他是一個動態(tài)的概念，是操作系統(tǒng)進行資源分配的基本（最小）單位，一個進程中包含了程序執(zhí)行過程中的所有資源。進程之間數(shù)據(jù)交換需要使用到中間件。

線程：線程是CPU的最小調度單位，同一個進程里面的線程共享所有資源（沒錯，一個進程里可以有多個線程，每個線程都運行在同一進程的上下文中，共享同樣的代碼和全局數(shù)據(jù)，所以線程間的數(shù)據(jù)交換會來得容易些）。

協(xié)程：由于python存在GIL鎖，似的python的多線程沒有太多意義，這時候出現(xiàn)了自己操作線程的切換，以降低線程切換的開銷，這就是協(xié)程。

通俗理解線程進程的關系：
進程是連鎖店，線程是店里的灶臺
一個進程可以有多個線程，——》一個連鎖店可以有多個灶臺
進程間不能直接通信——》連鎖店之間通信是不方便的
線程間共享所有支援，可以直接通信——》灶臺之間共享店內的所有食材
進程要比線程消耗更多的計算機資源。——》開個店比開個灶臺更貴

提升效率的方法一——多進程

在上文的類比中，我們可以知道進程是連鎖店，為了賺大錢（提高效率），我們可以多開幾家店，這就是多進程技術。

在python中多進程使用multiprocessing庫來實現(xiàn)。示例如下所示：

# import 多進程庫
import multiprocessing

def worker1(name):
    print("worker1 name is " + name)

def worker2(name):
    print('worker2 name is' + name )


if __name__ == "__main__":
    # target后面?zhèn)魅胍噙M程的方法，args以元組的方式傳入參數(shù)
    # 創(chuàng)建兩個進程分別調用不同的方法
    p1 = multiprocessing.Process(target=worker1, args=('subprocess1',)) 
    p2 = multiprocessing.Process(target=worker2, args=('subprocess2'))

    #啟動進程
    p1.start()
    p2.start()
    
    #停止進程
    p1.join()  
    p2.join()

還記得上文提到的嘛？多進程間進程通信是比較困難的，但這并不代表沒有通信的手段，為了實現(xiàn)多進程間的通信，我們可以使用隊列（Queue）來實現(xiàn)，它是一種多進程安全的隊列，有關他的更多用法可以查看python3教程中的相關文檔。

為什么要使用隊列來進行通信？很簡單，因為如果沒有通信，進程之間就無法協(xié)作，會出現(xiàn)沖突，就像開連鎖店一樣，如果沒有協(xié)調好每個店的經營內容，可能會出現(xiàn)互相搶客戶的現(xiàn)象。

提升效率的方法二——多線程

多線程技術在其他語言中是可以正常使用的，但在python中有例外，因為python存在一個GIL鎖，它規(guī)定了線程在運行時，需要先拿到通行證，否則就不能運行，也就意味著一個python的進程里，無論你有多少個線程，永遠只能單線程運行。

還記得上文說過，線程是cpu最小調度單位嗎？也就意味著，python多線程是無法使用多核的，但是多進程是可以利用多核的。

怎么理解GIL鎖呢，其實就是相當于只有一個大師傅，雖然你有很多灶臺，但是你只有一個人可以做菜。

那么python的多線程是不是沒用呢？不是，如果你的程序是CPU密集型的，那么python的多線程是完全沒有意義，甚至由于線程切換的花銷，會導致更慢點。

但如果你的是IO密集型，那么多線程的提升還是很明顯的。

io密集型，就是讀取數(shù)據(jù)比較耗費時間，而cpu處理時間比較短，程序花費的空閑的時間主要是cpu在等待io，這就是io密集型，比如等待網絡數(shù)據(jù)，文件讀寫等
CPU密集型，就是處理數(shù)據(jù)比較耗費時間，讀寫不耗費時間，程序花費的時間主要是cpu在處理數(shù)據(jù)，而只有一小段時間是用在io上，這就是cpu密集型，比如算法運算，復雜邏輯處理等等。
以大師傅為例，io密集型說的就是食材的烹飪前處理、端菜上桌比較耗費時間，cpu密集型說的就是食材做成才比較耗費時間。
雖然大師傅可以有很多個灶臺，但大師傅只有一個，cpu密集型的程序就相當于大師傅要一直做菜，還要從一個灶臺跑到另一個灶臺，大師傅會很累，而且同一時間內大師傅只能在一個灶臺上做菜，所以實際上也沒有更快，因為大師傅還要跑來跑去，反而更慢了
io密集型的程序就相當于大師傅做刺身（很簡單的料理，但是提前處理材料很麻煩），每個灶臺都有自動處理機器，它可以自動把食材處理好，只要大師傅到位就可以做菜，做完也可以不用管，馬上切換到別的灶臺繼續(xù)做。所以多線程對于io密集型的程序提升確實是比較明顯的。

python的多線程使用的是threading庫（其實還有thread庫，但這個庫比較簡單，不推薦），示例如下所示：

# import 線程庫
import threading

# 這個函數(shù)名可隨便定義
def run(n):
    print("current task：", n)

if __name__ == "__main__":
    # 創(chuàng)建線程
    t1 = threading.Thread(target=run, args=("thread 1",))
    t2 = threading.Thread(target=run, args=("thread 2",))
    t1.start()
    t2.start()

協(xié)程介紹

協(xié)程是一種操作，原來多線程是由CPU控制的，而協(xié)程則是自己控制。當代碼中出現(xiàn)有io處理的時候，先代碼自行調度，將這個操作掛起，然后去繼續(xù)執(zhí)行其他操作。

這樣的話，cpu就不會因為代碼中出現(xiàn)io處理進行線程切換，從而減少線程切換的花銷，提升運行速度。

大師傅在做菜的時候可能需要蒸十五分鐘，這十五分鐘大師傅完全可以去干別的，按照原來的多線程，大師傅得把這個灶頭的菜坐完再切換到別的灶頭，而協(xié)程的出現(xiàn)則改變了這個情況，大師傅發(fā)現(xiàn)蒸菜十五分鐘，他就去別的灶臺干別的活了，等到蒸好了再切換回來。

python的協(xié)程使用的asyncio庫，示例代碼如下所示：

import asyncio
 # 需要利用隊列來進行協(xié)程之間的數(shù)據(jù)交換
queue =  asyncio.Queue()

async def Producer():
        n = 0
        while True:
            await asyncio.sleep(2)
            print('add value to queue:',str(n))
            await queue.put(n)
            n = n + 1

async def Consumer():
    while True:
        try:
            r = await  asyncio.wait_for(queue.get(), timeout=1.0)
            print('consumer value>>>>>>>>>>>>>>>>>>', r)
        except asyncio.TimeoutError:
            print('get value timeout')
            continue
        except:
            break
    print('quit')
loop = asyncio.get_event_loop()
tasks = [Producer(), Consumer()]
loop.run_until_complete(asyncio.wait(tasks))
loop.close()