cpython 解释器执行代码

python 代码的执行有 python 虚拟机进行控制的, python解释器可以运行多个线程，但在任意给定时刻只有一个线程会被解释器执行

    对于Python虚拟机的访问有全局解释器锁(GIL)控制的，这个锁就是用来保证同时只有一个线程被运行的
复制代码

GIL 锁的主要流程

    1. 设置GIL2. 切换到一个线程去执行3. 执行下面的操作a.执行python的非IO程序(cpu计算)b.执行IO相关(发生阻塞),线程让出控制权4.线程进入睡眠状态(切换出线程)5.解锁GIL6.重复1-5
复制代码

总结

python, 特指CPython的实现,由于GIL的存在,python 多线程不能有效的利用多核处理器。 表现为任意时间只有一个线程在跑,而IO密集型运算,多数是在IO读写将线程阻塞掉了, 这个时候线程切换是很合理的,反正线程只是单纯地等待,在这个等待的时候去做其他的事情, 资源利用率就上去了.对于多进程,因为每个进程都有独立的GIL,就可以利用多核的特性处理 CPU密集的操作

IO(Input/ Output)密集：多线程 (网络IO,磁盘IO)等

CPU密集：多进程 纯计算(分布式计算)

测试

• 生成一个线程类继承 分别测试 单线程和多线程下的IO密集和CPU密集的时间

  import threading
  import timeclass MyThread(threading.Thread):def __init__(self,func,args, name):super(MyThread,self).__init__()self.func = funcself.args = argsself.name = namedef get_res(self):return self.resultdef run(self):self.result = self.func(*self.args)######################  def sum1(start, end):ans = 0for i in range(start,end+1)ans += ireturn ans# 执行写入操作
  def openIO(end):for i in range(0,end):fd = open('1','w')fd.write('s')fd.close()# 单线程cpu
  def singleThread(start,end):print("sing thread start")t_start = time.time()ans = 0for i in range(start,end+1):ans += it_stop = time.time()print("ans = %d" % ans)print("single thread done cost:%.2fd" % (t_stop - t_start))# 多线程 cpu
  def multiThread():print("mutli thread start")t_start = time.time()nums = [(1, 100000000), (100000001, 200000000), (200000001, 300000000)]threads = []for i in range(0,len(nums)):t = MyThread(sum1,nums[i], sum1.__name__)threads.append(t)for i in range(len(threads)):threads[i].join()ans += threads[i].get_res()t_end = time.time()print(ans)print("multi thread done cost:%.2f" % (t_end - t_start))# CPU 运算
  def CPUslove():singleThread(1,300000000)multiThread()def IOSingle():print("IO single start")t_start = time.time()openIO(55000)openIO(35000)t_end = time.time()print("io single done cost %.2f" % (t_end - t_start))def IOMulti():print("IO multi start")t_start = time.time()t1 = MyThread(openIO, (55000,),openIO.__name__)t2 = MyThread(openIO, (35000,),openIO.__name__)t1.start()t2.start()t1.join()t2.join()t_end = time.time()print("io multi done cost %.2f" % (t_end - t_start))    def IOSlove():IOMulti()IOSingle()def main():IOSlove()CPUSlove()if __name__ == '__main__':main()复制代码

• 结果如下图所示: