Python多线程鸡年不鸡肋

当初在刚学习python多线程时,上网搜索资料几乎都是一片倒的反应python没有真正意义上的多线程,python多线程就是鸡肋。当时不明所以,只是了解到python带有GIL解释器锁的概念,同一时刻只能有一个线程在运行,遇到IO操作才会释放切换。那么,python多线程是否真的很鸡肋呢?要解决这个疑惑,我想必须亲自动手测试。

  经过对比python与java的多线程测试,我发现python多线程的效率确实不如java,但远还没有达到鸡肋的程度,那么跟其他机制相比较呢?

观点:用多进程替代多线程需求

  辗转了多篇博文,我看到了一些网友的观点,觉得应该使用python多进程来代替多线程的需求,因为多进程不受GIL的限制。于是我便动手使用多进程去解决一些并发问题,期间也遇到了一些坑,所幸大部分查找资料解决了,然后对多进程做了简单汇总介绍Python多进程。
  那么是否多进程能完全替代多线程呢?别急,我们继续往下看。

观点:协程为最佳方案

  协程的概念目前来说是比较火热的,协程不同于线程的地方在于协程不是操作系统进行切换,而是由程序员编码进行切换的,也就是说切换是由程序员控制的,这样就没有了线程所谓的安全问题。协程的概念非常广而深,本文暂不做具体介绍,以后会单独成文。

测试数据

  好了,网上的观点无非是使用多进程或者协程来代替多线程(当然换编程语言,换解释器之类方法除外),那么我们就来测试下这三者的性能之差。既然要公平测试,就应该考虑IO密集型与CPU密集型的问题,所以分两组数据进行测试。

IO密集型测试

  测试IO密集型,我选择最常用的爬虫功能,计算爬虫访问bing所需要的时间。(主要测试多线程与协程,单线程与多进程就不测了,因为没有必要)
测试代码:

#! -*- coding:utf-8 -*-
from gevent import monkey;monkey.patch_all()
import gevent
import time
import threading
import urllib2
def urllib2_(url):
	try:
		urllib2.urlopen(url,timeout=10).read()
	except Exception,e:
		print e
def gevent_(urls):
	jobs=[gevent.spawn(urllib2_,url) for url in urls]
	gevent.joinall(jobs,timeout=10)
	for i in jobs:
		i.join()
def thread_(urls):
	a=[]
	for url in urls:
		t=threading.Thread(target=urllib2_,args=(url,))
		a.append(t)
	for i in a:
		i.start()
	for i in a:
		i.join()
if __name__=="__main__":
	urls=["https://www.bing.com/"]*10      
	t1=time.time()
	gevent_(urls)
	t2=time.time()
	print 'gevent-time:%s' % str(t2-t1)
	thread_(urls)
	t4=time.time()
	print 'thread-time:%s' % str(t4-t2)

测试结果:
访问10次
gevent-time:0.380326032639
thread-time:0.376606941223
访问50次
gevent-time:1.3358900547
thread-time:1.59564089775
访问100次
gevent-time:2.42984986305
thread-time:2.5669670105
访问300次
gevent-time:6.66330099106
thread-time:10.7605059147
从结果可以看出,当并发数不断增大时,协程的效率确实比多线程要高,但在并发数不是那么高时,两者差异不大。

CPU密集型

CPU密集型,我选择科学计算的一些功能,计算所需时间。(主要测试单线程、多线程、协程、多进程)
测试代码:

#! -*- coding:utf-8 -*-
from multiprocessing import Process as pro
from multiprocessing.dummy import Process as thr
from gevent import monkey;monkey.patch_all()
import gevent
def run(i):
	lists=range(i)
	list(set(lists))
	
if __name__=="__main__":
	'''
	多进程
	'''
	for i in range(30):      ##10-2.1s 20-3.8s 30-5.9s
		t=pro(target=run,args=(5000000,))
		t.start()
	'''
	多线程
	'''
	# for i in range(30):    ##10-3.8s  20-7.6s  30-11.4s
	# 	t=thr(target=run,args=(5000000,))
	# 	t.start()
	'''
	协程
	'''
	# jobs=[gevent.spawn(run,5000000) for i in range(30)]  ##10-4.0s 20-7.7s 30-11.5s
	# gevent.joinall(jobs)
	# for i in jobs:
	# 	i.join()
	'''
	单线程
	'''
	# for i in range(30):  ##10-3.5s  20-7.6s 30-11.3s
	# 	run(5000000)

测试结果:

并发10次:【多进程】2.1s 【多线程】3.8s 【协程】4.0s 【单线程】3.5s
并发20次:【多进程】3.8s 【多线程】7.6s 【协程】7.7s 【单线程】7.6s
并发30次:【多进程】5.9s 【多线程】11.4s 【协程】11.5s 【单线程】11.3s
  可以看到,在CPU密集型的测试下,多进程效果明显比其他的好,多线程、协程与单线程效果差不多。这是因为只有多进程完全使用了CPU的计算能力。在代码运行时,我们也能够看到,只有多进程可以将CPU使用率占满。

本文结论

  从两组数据我们不难发现,python多线程并没有那么鸡肋。如若不然,Python3为何不去除GIL呢?对于此问题,Python社区也有两派意见,这里不再论述,我们应该尊重Python之父的决定。
  至于何时该用多线程,何时用多进程,何时用协程?想必答案已经很明显了。
  当我们需要编写并发爬虫等IO密集型的程序时,应该选用多线程或者协程(亲测差距不是特别明显);当我们需要科学计算,设计CPU密集型程序,应该选用多进程。当然以上结论的前提是,不做分布式,只在一台服务器上测试。
  答案已经给出,本文是否就此收尾?既然已经论述Python多线程尚有用武之地,那么就来介绍介绍其用法吧。

Multiprocessing.dummy模块

Multiprocessing.dummy用法与多进程Multiprocessing用法类似,只是在import包的时候,加上.dummy。
用法参考Multiprocessing用法

threading模块

  这是python自带的threading多线程模块,其创建多线程主要有2种方式。一种为继承threading类,另一种使用threading.Thread函数,接下来将会分别介绍这两种用法。

Usage【1】

利用threading.Thread()函数创建线程。
代码:

def run(i):
	print i
for i in range(10):
	t=threading.Thread(target=run,args=(i,))
	t.start()

  说明:Thread()函数有2个参数,一个是target,内容为子线程要执行的函数名称;另一个是args,内容为需要传递的参数。创建完子线程,将会返回一个对象,调用对象的start方法,可以启动子线程。

线程对象的方法:

Start() 开始线程的执行
Run() 定义线程的功能的函数
Join(timeout=None) 程序挂起,直到线程结束;如果给了timeout,则最多阻塞timeout秒
getName() 返回线程的名字
setName() 设置线程的名字
isAlive() 布尔标志,表示这个线程是否还在运行
isDaemon() 返回线程的daemon标志
setDaemon(daemonic) 把线程的daemon标志设为daemonic(一定要在start()函数前调用)
t.setDaemon(True) 把父线程设置为守护线程,当父进程结束时,子进程也结束。
threading类的方法:

threading.enumerate() 正在运行的线程数量
Usage【2】

通过继承threading类,创建线程。
代码:

import threading
class test(threading.Thread):
    def __init__(self):
        threading.Thread.__init__(self)
    def run(self):
        try:
            print "code one"
        except:
            pass
for i in range(10):
    cur=test()
    cur.start()
for i in range(10):
    cur.join()

说明:此方法继承了threading类,并且重构了run函数功能。

获取线程返回值问题

  有时候,我们往往需要获取每个子线程的返回值。然而通过调用普通函数,获取return值的方式在多线程中并不适用。因此需要一种新的方式去获取子线程返回值。
代码:

import threading
class test(threading.Thread):
    def __init__(self):
        threading.Thread.__init__(self)
    def run(self):
        self.tag=1
    def get_result(self):
        if self.tag==1:
            return True
        else:
            return False
f=test()
f.start()
while f.isAlive():
    continue
print f.get_result()

  说明:多线程获取返回值的首要问题,就是子线程什么时候结束?我们应该什么时候去获取返回值?可以使用isAlive()方法判断子线程是否存活。

控制线程运行数目

当需要执行的任务非常多时,我们往往需要控制线程的数量,threading类自带有控制线程数量的方法。
代码:

import threading
maxs=10  ##并发的线程数量
threadLimiter=threading.BoundedSemaphore(maxs)
class test(threading.Thread):
    def __init__(self):
        threading.Thread.__init__(self)
    def run(self):
        threadLimiter.acquire()  #获取
        try:
            print "code one"
        except:
            pass
        finally:
            threadLimiter.release() #释放
for i in range(100):
    cur=test()
    cur.start()
for i in range(100):
    cur.join()

说明:以上程序可以控制多线程并发数为10,超过这个数量会引发异常。
除了自带的方法,我们还可以设计其他方案:

threads=[]
'''
创建所有线程
'''
for i in range(10):
	t=threading.Thread(target=run,args=(i,))
	threads.append(t)
'''
启动列表中的线程
'''
for t in threads:
    t.start()
    while True:
        #判断正在运行的线程数量,如果小于5则退出while循环,
        #进入for循环启动新的进程.否则就一直在while循环进入死循环
        if(len(threading.enumerate())<5):
            break

以上两种方式皆可以,本人更喜欢用下面那种方式。

线程池

import threadpool
def ThreadFun(arg1,arg2):
    pass
def main():
    device_list=[object1,object2,object3......,objectn]#需要处理的设备个数
    task_pool=threadpool.ThreadPool(8)#8是线程池中线程的个数
    request_list=[]#存放任务列表
    #首先构造任务列表
    for device in device_list:
        request_list.append(threadpool.makeRequests(ThreadFun,[((device, ), {})]))
    #将每个任务放到线程池中,等待线程池中线程各自读取任务,然后进行处理,使用了map函数,不了解的可以去了解一下。
    map(task_pool.putRequest,request_list)
    #等待所有任务处理完成,则返回,如果没有处理完,则一直阻塞
    task_pool.poll()
if __name__=="__main__":
    main()

多进程问题,可以赶赴Python多进程现场,其他关于多线程问题,可以下方留言讨论

申明:本文谈不上原创,其中借鉴了网上很多大牛的文章,本人只是在此测试论述Python多线程相关问题,并简单介绍Python多线程的基本用法,为新手朋友解惑。

文章来源:thief.one

Leave a Comment