首先关于在python中单线程,多线程,多进程对cpu的利用率实测如下:
单线程,多线程,多进程测试代码使用死循环。
1)单线程:
2)多线程:
3)多进程:
查看cpu使用效率:
开始观察分别执行时候cpu的使用效率:
1)单线程执行的时候:
2)多线程执行的时候:
3)多进程执行的时候:
总结:
1)单进程单线程时,对于双核CPU的利用率只能利用一个核,没有充分利用两个核。
2)单进程多线程时,对于双核CPU的来说,虽然两个核都用到的,不过很明显没有充分利用两个核,这里要说一个GIL(全局解释器锁)的概念:
GIL不同于线程之间的互斥锁,GIL并不是Python的特性,而是Cpython引入的一个概念。(Jpython,PYPY)
Python的代码由Python的解释器执行(CPython)。那么我们的代码什么时候被python解释器执行,由我们的GIL也就是全局解释器锁进行控制。
当我们有一个线程开始访问解释器的时候,GIL会将这把锁上锁,也就是说,其他线程无法再访问解释器,也就意味着,其他的线程无法再被执行。
GIL执行流程:
加锁GIL。
切换到一个线程去执行。
运行。
解锁GIL。
再次重复以上步骤。
对于下列代码GIL的执行流程:
import threadingimport time# 写两个函数,分别让两个线程去执行# 这个两个函数,都要访问我的全局变量number = 0def test1(count):global numberfor i in range(count):number += 1print(number)def test2(count):global numberfor i in range(count):number += 1print(number)def main():th1 = threading.Thread(target=test1,args= (1000000,))th2 = threading.Thread(target=test2, args=(1000000,))th1.start()th2.start()time.sleep(5)print(number)if __name__ == '__main__':main()