Python多線程和多進程誰更快？

python多進程和多線程誰更快

• python3.6
• threading和multiprocessing
• 四核+三星250G-850-SSD

自從用多進程和多線程進行編程,一致沒搞懂到底誰更快。網上很多都說python多進程更快，因為GIL(全局解釋器鎖)。但是我在寫代碼的時候，測試時間卻是多線程更快，所以這到底是怎么回事？最近再做分詞工作，原來的代碼速度太慢，想提速，所以來探求一下有效方法(文末有代碼和效果圖)

這里先來一張程序的結果圖，說明線程和進程誰更快

---

一些定義

並行是指兩個或者多個事件在同一時刻發生。並發是指兩個或多個事件在同一時間間隔內發生

線程是操作系統能夠進行運算調度的最小單位。它被包含在進程之中，是進程中的實際運作單位。一個程序的執行實例就是一個進程。

---

實現過程

而python里面的多線程顯然得拿到GIL,執行code，最后釋放GIL。所以由於GIL，多線程的時候拿不到，實際上，它是並發實現，即多個事件，在同一時間間隔內發生。

但進程有獨立GIL，所以可以並行實現。因此，針對多核CPU，理論上采用多進程更能有效利用資源。

---

現實問題

在網上的教程里面，經常能見到python多線程的身影。比如網絡爬蟲的教程、端口掃描的教程。

這里拿端口掃描來說，大家可以用多進程實現下面的腳本，會發現python多進程更快。那么不就是和我們分析相悖了嗎？

import sys,threading
from socket import *

host = "127.0.0.1" if len(sys.argv)==1 else sys.argv[1]
portList = [i for i in range(1,1000)]
scanList = []
lock = threading.Lock()
print('Please waiting... From ',host)


def scanPort(port):
    try:
        tcp = socket(AF_INET,SOCK_STREAM)
        tcp.connect((host,port))
    except:
        pass
    else:
        if lock.acquire():
            print('[+]port',port,'open')
            lock.release()
    finally:
        tcp.close()

for p in portList:
    t = threading.Thread(target=scanPort,args=(p,))
    scanList.append(t)
for i in range(len(portList)):
    scanList[i].start()
for i in range(len(portList)):
    scanList[i].join()

---

誰更快

因為python鎖的問題，線程進行鎖競爭、切換線程，會消耗資源。所以，大膽猜測一下：

在CPU密集型任務下，多進程更快，或者說效果更好；而IO密集型，多線程能有效提高效率。

大家看一下下面的代碼:

import time
import threading
import multiprocessing

max_process = 4
max_thread = max_process

def fun(n,n2):
    #cpu密集型
    for  i in range(0,n):
        for j in range(0,(int)(n*n*n*n2)):
            t = i*j

def thread_main(n2):
    thread_list = []
    for i in range(0,max_thread):
        t = threading.Thread(target=fun,args=(50,n2))
        thread_list.append(t)

    start = time.time()
    print(' [+] much thread start')
    for i in thread_list:
        i.start()
    for i in thread_list:
        i.join()
    print(' [-] much thread use ',time.time()-start,'s')

def process_main(n2):
    p = multiprocessing.Pool(max_process)
    for i in range(0,max_process):
        p.apply_async(func = fun,args=(50,n2))
    start = time.time()
    print(' [+] much process start')
    p.close()#關閉進程池
    p.join()#等待所有子進程完畢
    print(' [-] much process use ',time.time()-start,'s')

if __name__=='__main__':
    print("[++]When n=50,n2=0.1:")
    thread_main(0.1)
    process_main(0.1)
    print("[++]When n=50,n2=1:")
    thread_main(1)
    process_main(1)
    print("[++]When n=50,n2=10:")
    thread_main(10)
    process_main(10)

結果如下：

可以看出來，當對cpu使用率越來越高的時候（代碼循環越多的時候），差距越來越大。驗證我們猜想

---

CPU和IO密集型

1. CPU密集型代碼(各種循環處理、計數等等)
2. IO密集型代碼(文件處理、網絡爬蟲等)

判斷方法：

1. 直接看CPU占用率, 硬盤IO讀寫速度
2. 計算較多->CPU;時間等待較多(如網絡爬蟲)->IO
3. 請自行百度

參考

為什么在Python里推薦使用多進程而不是多線程？
如何判斷進程是IO密集還是CPU密集
搞定python多線程和多進程