今天學習了JIR、進程池和線程池

　　GIL：Global Interpreter Lock

　　全局解釋器鎖

　　　　鎖的作用：為了避免資源競爭造成數據錯亂

　　python程序的執行過程

　　　　1.啟動解釋器進程 python.exe

　　　　2.解析你的py文件并執行它

　　每個py程序中毆斗必須有解釋器參與 解釋器其實就是一堆代碼

　　相當于多個線程要調用同一個解釋器代碼 共享意味著競爭 競爭就要出事

　　給解釋器加互斥鎖

　　

　　python中內存管理依賴于 GC(一段用于回收內存的代碼) 也需要一個線程

　　除了你自己開的線程 系統還有一些內置線程 就算你的代碼不會去競爭解釋器 內置線程也可能會競爭

　　所以必須加上鎖

　　當一個線程遇到了I/O 同時解釋器也會自動解鎖 去執行其他線程 cpu會切換到其他程序

　　解釋器加鎖以后

　　　　將導致所有線程只能并發 不能達到真正的并行 意味著同一時間只有一個CPU在處理你的線程給你的感覺是效率低

　　代碼執行有兩種狀態

　　阻塞 i/o 失去CPU的執行權 (CPU等待IO完成)

　　非阻塞 代碼正常執行 比如循環一千萬次 中途CPU可能切換 很快會回來　　(CPU在計算)

　　假如有32核CPU 要處理一個下載任務 網絡速度慢 只有100kb/s 文件大小為1024kb

　　如果你的代碼中IO操作非常多 cpu性能不能直接決定你的任務處理速度

　　在IO密集的程序中 CPU性能無法直接決定程序的執行速度 python就應該干這種活兒

　　在計算密集的程序中 CPU性能可以直接決定程序的執行速度

　　

　　計算密集測試

from multiprocessing import Process
import time

#計算密集任務
def task1():
    sum = 1
    for i in range(10000000):
        sum *=i

def task2():
    sum = 1
    for i in range(10000000):
        sum *=i

def task3():
    sum = 1
    for i in range(10000000):
        sum *=i

def task4():
    sum = 1
    for i in range(10000000):
        sum *=i

def task5():
    sum = 1
    for i in range(10000000):
        sum *=i

def task6():
    sum = 1
    for i in range(10000000):
        sum *=i

if __name__ == '__init__':
    # 開始時間
    st_time = time.time()
    # 多進程情況下
    p1 = Process(target = task1)
    p2 = Process(target = task2)
    p3 = Process(target = task3)
    p4 = Process(target = task4)
    p5 = Process(target = task5)
    p6 = Process(target = task6)
    p1.start()
    p2.start()
    p3.start()
    p4.start()
    p5.start()
    p6.start()

    p1.join()
    p2.join()      
    p3.join()
    p4.join()
    p5.join()
    p6.join()
    print(time.time()-st_time)    
 '''
1.05321354643464
'''

　　IO密集測試

　　

from threading import Thread
import time

#計算密集任務
def task1():
    time.sleep(3)

def task2():
    time.sleep(3)

def task3():
    time.sleep(3)

def task4():
    time.sleep(3)

def task5():
    time.sleep(3)

def task6():
    time.sleep(3)

if __name__ == '__main__':
    #開始時間
    st_time = time.time()
    #多線程情況下
    t1 = Thread(target = task1)  
    t2 = Thread(target = task2)
    t3 = Thread(target = task3)
    t4 = Thread(target = task4)
    t5 = Thread(target = task5)
    t6 = Thread(target = task6)
    t1.start()
    t2.start()
    t3.start()
    t4.start()
    t5.start()
    t6.start()
    t1.join()
    t2.join()
    t3.join()
    t4.join()
    t5.join()
    t6.join()
    print(time.time - st_time)
    '''
    3.0035946873164
    '''

　　二、進程池

　　進程池就是一個裝進程的容器

　　為什么出現

　　　　當進程很多的時候方便管理進程

　　什么時候用？

　　　　當并發量特別大的時候 例如雙十一

　　　　很多時候進程是空閑的 就讓他進入進程池 讓有任務處理時才從進程池取出來使用

　　進程池使用

　　　　ProcessPoolExecutor類

　　　　創建時指定最大進程數　　自動創建進程

　　　　調用submit函數將任務提交到進程池中

　　　　創建進程是在調用submit后發生的

　　總結一下：

　　　　進程池可以自動創建進程

　　　　進程限制最大進程數

　　　　自動選擇一個空閑的進程幫你處理任務

　　三、線程池

　　和進程池差不多，使用的是ThreadPoolExcecutor類

總結

以上是生活随笔為你收集整理的什么是进程池_进程池的实现的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。