[数据挖掘新闻] Python多线程与多处理 [推广有奖]

Python多线程与多处理
Python中有一个称为线程的库 ，它使用线程（而不只是进程）来实现并行性。如果您了解Python的Global Interpreter Lock或GIL，这可能是令人惊讶的消息 ，但是它实际上在某些情况下可以很好地工作而不会违反GIL。这一切都没有任何开销-只需定义发出I / O请求的功能，系统即可处理其余的功能。
全局翻译锁
全局解释器锁通过一次只允许一个本机线程执行，从而降低了Python（更确切地说是CPython）中线程的有用性 。这使得在（通常是线程不安全的）C库中实现Python更加容易实现，并且可以提高单线程程序的执行速度。但是，它仍然存在争议，因为它阻止了真正的轻量级并行性。您可以实现并行性，但是它需要使用多重处理，这由同名的库 multiprocessing实现。该库不使用线程，而是使用绕过GIL的进程。
看起来，GIL会杀死Python多线程，但效果不佳。通常，多线程有两个主要用例：
在单台计算机上利用多个内核
利用I / O延迟来处理其他线程
通常，我们不能从（1）的线程中受益，但可以从（2）的中受益。
多处理
通用 threading 库是相当低级的，但事实证明它是将其 multiprocessing 包装起来的 multiprocessing.pool.ThreadPool，它方便地采用与相同的接口 multiprocessing.pool.Pool。
使用的好处之一 threading 是可以避免酸洗。多处理依赖于内存中的酸洗对象将其发送到其他进程。例如，如果 timed 装饰没有 wraps 了 wrapper 它返回的函数，那么CPython中就能够咸菜我们的功能 request_func ，并 selenium_func 因此这些不能多处理。相比之下，该 threading 库即使通过 multiprocessing.pool.ThreadPool 工作也很好。多处理还需要更多的内存和启动开销。
分析
我们分析了高度依赖I / O的任务，即对随机的维基百科页面发出100个URL请求。我们比较一下：
Python 请求 模块和
带有 PhantomJS的Python 硒。
我们以三种方式运行这些请求，并测量每次获取所需的时间：
串联
在threading 具有10个线程的池中并行
在multiprocessing 具有10个线程的池中并行
每个请求都是定时的，我们比较结果。
结果
首先，for的每线程运行时间 requests 明显少于for  selenium，因为后者需要启动一个新进程来运行 PhantomJS 无头浏览器。还有趣的是，各个线程（尤其是硒线程）的串行运行速度比并行运行速度快，这是典型的带宽与延迟之间的权衡。
尤其是，硒线程的速度要慢两倍以上，这很可能是由于10个硒工艺一次旋转导致的资源争夺。
同样， 与串行相比，多线程时所有线程的selenium 请求运行速度大约快4倍，请求运行速度 大约快8倍 requests。
结论
使用threading 和 之间没有明显的性能差异 multiprocessing。多线程和多处理之间的性能极为相似，确切的性能细节可能取决于您的特定应用程序。穿线 multiprocessing.pool.ThreadPool 真的很容易，或者至少和使用multiprocessing.pool.Pool 界面一样容易 -只需将I / O工作负载定义为一个函数，然后使用 ThreadPool 即可并行运行它们。
1