多线程与线程Python

Question

多线程与线程Python我在努力理解多处理过关穿线..我知道多处理绕过Global解释器锁，但是还有什么其他的优势，并且可以穿线不做同样的事？

Answer 1

以下是我想出的一些利弊。

多处理

行家

• 分离内存空间
• 代码通常很简单
• 利用多个CPU和核心
• 避免cPython的Gil限制
• 消除了对同步原语的大多数需求，除非您使用共享内存(相反，它更像是IPC的通信模型)
• 子进程是可中断/可杀死的。
• Python

  multiprocessing

  模块包含了与接口非常类似的有用的抽象。

  threading.Thread

• 必须与cPython一起进行cpu绑定处理。

反方

• IPC更复杂，开销更大(通信模型与共享内存/对象)
• 更大的内存占用

穿线

行家

• 轻量级-低内存占用空间
• 共享内存-使从另一个上下文访问状态更容易。
• 允许您轻松地做出响应性的UI。
• 正确释放GIL的cPythonC扩展模块将并行运行
• I/O绑定应用程序的最佳选择

反方

• cPython-服从GIL
• 不可中断的/可杀死的
• 如果没有遵循命令队列/消息泵模型(使用

  Queue

  )，然后手动使用同步原语就成了必要的(锁定的粒度需要决策)。
• 代码通常更难理解和正确-竞赛条件的潜力急剧增加。

Answer 2

线程的工作是使应用程序具有响应性。假设您有一个数据库连接，并且需要响应用户输入。如果没有线程，如果数据库连接繁忙，应用程序将无法响应用户。通过将数据库连接拆分成一个单独的线程，您可以使应用程序更具响应性。另外，由于两个线程处于相同的进程中，它们可以访问相同的数据结构-性能良好，加上灵活的软件设计。

请注意，由于GIL，应用程序实际上并没有同时做两件事，但是我们所做的是将数据库上的资源锁放在一个单独的线程中，以便在它和用户交互之间切换CPU时间。CPU时间在线程之间分配。

多重处理是指当你真的想在任何特定的时间做不止一件事情的时候。假设您的应用程序需要连接到6个数据库，并对每个数据集执行复杂的矩阵转换。将每个作业放在一个单独的线程中可能会有一点帮助，因为当一个连接空闲时，另一个连接可以获得一些CPU时间，但是处理不会并行进行，因为GIL意味着您只使用一个CPU的资源。通过将每个作业放在一个多处理进程中，每个作业都可以在自己的CPU上运行，并以完全高效的方式运行。

Answer 3

关键的优势是与世隔绝。崩溃进程不会破坏其他进程，而崩溃线程可能会对其他线程造成严重破坏。