python多程序適用的場景：計算密集型（cpu密集型）任務
python多執行緒適用的場景：io密集型任務
計算密集型任務一般指需要做大量的邏輯運算，比如上億次的加減乘除，使用多核cpu可以併發提高計算效能。
io密集型任務一般指輸入輸出型，比如檔案的讀取，或者網路的請求，這類場景一般會遇到io阻塞，使用多核cpu來執行並不會有太高的效能提公升。
下面使用一台64核的虛擬機器來執行任務，通過示例**來區別它們，
使用多程序
from multiprocessing import process
import os, time
# 計算密集型任務
def work():
res = 0
for i in range(100 * 100 * 100 * 100): # 億次運算
res *= i
if __name__ == "__main__":
l =
print("本機為", os.cpu_count(), "核 cpu") # 本機為64核
start = time.time()
for i in range(4):
p = process(target=work) # 多程序
l.append(p)
p.start()
for p in l:
p.join()
stop = time.time()
print("計www.cppcns.com算密集型任務，多程序耗時 %s" % (stop - start))
使用多執行緒
from threading import thread
import os, time
# 計算密集型任務
def work():
res = 0
for i in ranwww.cppcns.comge(100 * 100 * 100 * 100): # 億次運算
res *= i
if __name__ == "__main__":
l =
print("本機為", os.cpu_count(), "核 cpu") # 本機為64核
start = time.time()
for i in range(www.cppcns.com4):
p = thread(target=work) # 多執行緒
l.append(p)
p.start()
for p in l:
p.join()
stop = time.time()
print("計算密集型任務，多執行緒耗時 %s" % (stop - start))
兩段**輸出：
本機為 64 核 cpu
計算密集型任務，多程序耗時 6.8642246723175程式設計客棧05
本機為 64 核 cpu
計算密集型任務，多執行緒耗時 37.91042113304138
說明：上述**中，分別使用4個多程序和4個多執行緒去執行億次運算，多程序耗時6.86s，多執行緒耗時37.91s，可見在計算密集型任務場景，使用多程序能大大提高效率。
另外，當分別使用8個多程序和8個多執行緒去執行億次運算時，耗時差距更大，輸出如下：
本機為 64 核 cpu
計算密集型任務，多程序耗時 6.811635971069336
本機為 64 核 cpu
計算密集型任務，多執行緒耗時 113.53767895698547
可見在64核的cpu機器下，同時使用8個多程序和4個多程序效率幾乎一樣。而使用多執行緒則就效率較慢。要最高效地利用cpu，計算密集型任務同時進行的數量應當等於cpu的核心數
使用多程序（4核cpu）
from multiprocessing import process
import os, time
# i/0密集型任務
def work():
time.sleep(5) # 阻塞兩秒
if __name__ == "__main__":
l =
print("本機為", os.cpu_count(), "核 cpu")
start = time.time()
for i in range(1000):
p = process(target=work) # 多程序
l.append(p程式設計客棧)
p.start()
for p in l:
p.join()
stop = time.time()
print("i/0密集型任務，多程序耗時 %s" % (stop - start))
使用多執行緒（4核cpu）
from threading import thread
import os, time
# i/0密集型任務
def work():
time.sleep(5) # 阻塞兩秒
if __name__ == "__main__":
l =
print("本機為", os.cpu_count(), "核 cpu")
start = time.time()
for i in range(1000):
p = thread(target=work) # 多執行緒
l.append(p)
p.start()
for p in l:
p.join()
stop = time.time()
print("i/0密集型任務，多執行緒耗時 %s" % (stop - start))
輸出：本機為 64 核 cpu
i/0密集型任務，多程序耗時 12.28218412399292
本機為 64 核 cpu
i/0密集型任務，多執行緒耗時 5.399136066436768
說明：python的多執行緒有於gil鎖的存在，無論是多少核的cpu機器，也只能使用單核，從輸出結果來看，對於io密集型任務使用多執行緒比較佔優。
faq：執行多程序的io密集型任務時，報了乙個錯：
oserror: [errno 24] too many open files
原因：linux系統限制
ulimit -n
# 輸出 1024
解決：（臨時提高系統限制，重啟後失效）
ulimit -n 10240
Python 多執行緒與多程序
前言 以前玩單機或者玩小資料集，都基本不用多執行緒或多程序都能基本滿足需求了 所以沒怎麼了解這方面的東西。但現在玩幾百萬甚至上千萬的資料，甚至集群等東西之後，就有必要學習多執行緒或多程序了。在python中首先要匯入相關的模組 import threading as td import multip...
python 多執行緒與多程序
程序與執行緒的區別 程序 應用程式的執行例項，每乙個執行中的程式就是乙個程序 執行緒 程序的組成部分，乙個程序可以擁有多個執行緒 在多執行緒中，會有乙個主線程來完成整個程序從開始到結束的全部操作，而其他的執行緒會在主線程的執行過程中被建立或退出。python景區賣票系統 多執行緒的應用 import...
Python多執行緒與多程序
python多執行緒與多程序 程序 process 和執行緒 thread 是非常抽象的概念,也是程式設計師必需掌握的核心知識！多程序和多執行緒程式設計對於 的併發執行，提公升 效率和縮短執行時間至關重要。程序 process 和執行緒 thread 程序是作業系統分配資源的最小單元 執行緒是作業系...