Python中多線程和多處理的分析

本篇內容主要講解“Python中多線程和多處理的分析”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學習“Python中多線程和多處理的分析”吧!

多線程

簡單地說，線程允許您并行地運行程序。花費大量時間等待外部事件的任務通常適合線程化。它們也稱為I/O  Bound任務例如從文件中讀寫，網絡操作或使用API在線下載。讓我們來看一個示例，它展示了使用線程的好處。

1. 沒有線程

在本例中，我們希望通過順序運行程序來查看從Unsplash API下載15張圖像需要多長時間：

import requests import time img_urls = [     'https://images.unsplash.com/photo-1516117172878-fd2c41f4a759',     'https://images.unsplash.com/photo-1532009324734-20a7a5813719',     'https://images.unsplash.com/photo-1524429656589-6633a470097c',     'https://images.unsplash.com/photo-1530224264768-7ff8c1789d79',     'https://images.unsplash.com/photo-1564135624576-c5c88640f235',     'https://images.unsplash.com/photo-1541698444083-023c97d3f4b6',     'https://images.unsplash.com/photo-1522364723953-452d3431c267',     'https://images.unsplash.com/photo-1513938709626-033611b8cc03',     'https://images.unsplash.com/photo-1507143550189-fed454f93097',     'https://images.unsplash.com/photo-1493976040374-85c8e12f0c0e',     'https://images.unsplash.com/photo-1504198453319-5ce911bafcde',     'https://images.unsplash.com/photo-1530122037265-a5f1f91d3b99',     'https://images.unsplash.com/photo-1516972810927-80185027ca84',     'https://images.unsplash.com/photo-1550439062-609e1531270e',     'https://images.unsplash.com/photo-1549692520-acc6669e2f0c' ]  start = time.perf_counter() #start timer for img_url in img_urls:     img_name = img_url.split('/')[3] #get image name from url     img_bytes = requests.get(img_url).content with open(img_name, 'wb') as img_file:      img_file.write(img_bytes) #save image to disk   finish = time.perf_counter() #end timer print(f"Finished in {round(finish-start,2)} seconds")   #results Finished in 23.101926751 seconds

一共用時23秒。

2. 多線程

讓我們看看Pyhton中的線程模塊如何顯著地改進我們的程序執行：

import time from concurrent.futures import ThreadPoolExecutor  def download_images(url):     img_name = img_url.split('/')[3]     img_bytes = requests.get(img_url).content     with open(img_name, 'wb') as img_file:          img_file.write(img_bytes)          print(f"{img_name} was downloaded")  start = time.perf_counter() #start timer with ThreadPoolExecutor() as executor:     results = executor.map(download_images,img_urls) #this is Similar to map(func, *iterables) finish = time.perf_counter() #end timer print(f"Finished in {round(finish-start,2)} seconds")  #results  Finished in 5.544147536 seconds

我們可以看到，與不使用線程代碼相比，使用線程代碼可以顯著提高速度。從23秒到5秒。

對于本例，請注意在創建線程時存在開銷，因此將線程用于多個API調用是有意義的，而不僅僅是單個調用。

此外，對于密集的計算，如數據處理，圖像處理多處理比線程執行得更好。

到此，相信大家對“Python中多線程和多處理的分析”有了更深的了解，不妨來實際操作一番吧！這里是億速云網站，更多相關內容可以進入相關頻道進行查詢，關注我們，繼續學習！