上一篇文章主要介绍了多任务场景下单线程异步、多线程、多进程如何选择，链接：多任务场景下单线程异步多线程多进程
这里主要通过三个实例去验证一下简单的多任务场景下，三种方式的耗时情况，假设有10个互不关联的10个任务
'''''''''多进程版本：使用多进程，时间比多线程更慢，为什么？因为创建进程的成本是要比线程高的，虽然，它可以利用多核CPU的优势，但是在这里，用不上，就好比杀鸡用牛刀一样，大材小用，还提高了成本。'''''''''import timeimport multiprocessingfrom logger import Loggerlogger = Logger("multiProcess").get_log()def processTask(t):logger.info("任务开始：%s", t)time.sleep(1)logger.info('任务耗时1秒钟')if __name__=='__main__':t3 = time.time()processes = [multiprocessing.Process(target = processTask, args=(t,)) for t in range(0, 10)]for p in processes:p.start()for p in processes:p.join()logger.info("总共耗时：%s ", time.time() - t3)
总共耗时：1.9219999313354492，运行截图：
'''''''''多线程版本：5个线程各负责一个任务，全部完成最后只花了1秒多一点时间，所以，对于阻塞性任务，例如IO密集型任务，即使有GIL，还是能发挥多线程的作用的，毕竟，时间花在IO等待上，如果是CPU密集型任务效果不大。'''''''''import timeimport threadingfrom logger import Loggerlogger = Logger("multiThread").get_log()def multiTask(t):logger.info("任务开始：%s", t)time.sleep(1)logger.info('任务耗时1秒钟')def main():threads = [threading.Thread(target = multiTask,args=(t,)) for t in range(0,10)]for t in threads:t.start()for t in threads:t.join()if __name__ == '__main__':t1 = time.time()main()logger.info("总共耗时：%s ",time.time()-t1)
总共耗时：1.003000020980835，运行截图：
'''''''''单线程异步模型：发现使用asyncio所的时间与多线程几乎一致。尽管它是单线程，但因为它没有多线程和进程的创建成本，就是在单线程环境下，切换任务，当这个任务被阻塞时，立刻切换其他任务，当前面的任务完成时，在通知它。'''''''''import asyncioimport timefrom logger import Loggerlogger = Logger("asyncSingleThread").get_log()async def singleTask(t):logger.info("任务开始：%s",t)await asyncio.sleep(1)logger.info('任务耗时1秒钟')async def main(loop):tasks = [loop.create_task(singleTask(t)) for t in range(0, 10)]await asyncio.wait(tasks)t4 = time.time()loop = asyncio.get_event_loop() # 建立 looploop.run_until_complete(main(loop)) # 执行 looploop.close() # 关闭 looplogger.info("总共耗时：%s ", time.time() - t4)
总共耗时：1.0079998970031738，运行截图：
