线程模块和多处理模块的比较

Question

所以我试图比较threading是更快还是multiprocessing。理论上，由于GIL，多处理应该比多线程更快，因为一次只运行一个线程。但是我得到了相反的结果，即线程比多处理花费的时间更少，我缺少什么请帮忙。

下面是线程的代码

import threading

from queue import Queue

import time

print_lock = threading.Lock()

def exampleJob(worker):

    time.sleep(10)  

    with print_lock:

        print(threading.current_thread().name,worker)

def threader():

    while True:

        worker = q.get()

        exampleJob(worker)

        q.task_done()

q = Queue()

for x in range(4):

     t = threading.Thread(target=threader)

     print(x)

     t.daemon = True

     t.start()

start = time.time()

for worker in range(8):

    q.put(worker)

q.join()

print('Entire job took:',time.time() - start)

下面是多处理的代码

import multiprocessing as mp

import time

def exampleJob(print_lock,worker):                 # function simulating some computation

    time.sleep(10)

    with print_lock:

        print(mp.current_process().name,worker)

def processor(print_lock,q):                       # function where process pick up the job

    while True:

        worker = q.get()

        if worker is None: # flag to exit the process

            break

        exampleJob(print_lock,worker)

if __name__ == '__main__':

    print_lock = mp.Lock()

    q = mp.Queue()

    processes = [mp.Process(target=processor,args=(print_lock,q)) for _ in range(4)]

    for process in processes:

        process.start()    

    start = time.time()

    for worker in range(8):

        q.put(worker)

    for process in processes:

        q.put(None) # quit indicator

    for process in processes:

        process.join()

    print('Entire job took:',time.time() - start)

Answer 1

由于 GIL 的存在，仅当您执行计算密集型任务时，添加到 @zmbq 线程才会更慢。如果您的操作是 I/O 绑定的并且很少有其他类似的操作，那么线程肯定会更快，因为涉及的开销更少。请参阅以下博客以更好地理解相同的内容。作为数据科学家利用 Python 中的多处理和多线程希望这可以帮助！

Answer 2

这不是一个适当的测试。time.sleep可能不会获得 GIL，因此您正在运行并发线程与并发进程。线程更快，因为没有启动成本。您应该在线程中执行一些计算，然后您会看到差异。