Python 3基础教程41-多线程不一定效率就高

本文来介绍下，多线程是如何工作的，多线程就一定效率就高吗，本文可以告诉你不一定。

1. 先来了解Python解释器执行代码方式

       Python代码的执行由Python 虚拟机(也叫解释器主循环，CPython版本)来控制，Python 在设计之初就考虑到要在解释器的主循环中，同时只有一个线程在执行，即在任意时刻，只有一个线程在解释器中运行。对Python 虚拟机的访问由全局解释器锁（GIL）来控制，正是这个锁能保证同一时刻只有一个线程在运行。

在多线程环境中，Python 虚拟机按以下方式执行：

设置GIL->切换到一个线程去运行->运行-> 把线程设置为睡眠状态->解锁GIL-> 再次重复前面步骤
2. 什么是GIL
GIL（Global Interpreter Lock），中文翻译叫全局解释器锁。下面这张图可以描述GIL的工作原理。
解释下：
一个任务三个线程去处理，上面有5段执行任务，分别有不用线程去处理。开始线程1去执行，然后遇到了GIL，这个时候就锁住了线程1，交给线程2，线程1和线程2交接的时候，有一个读写时间，这个很短。接着线程2执行完了，锁住线程2，交给线程3，然后，锁住线程3，交给线程1，锁住线程1，交给线程3，大概就是这样一个过程。
3.举例来证明，多线程效率不一定高

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
1import threading

2from queue import Queue

3import copy

4import time

5

6def job(l,q):

7    res = sum(l)

8    q.put(res)

9   

10def exampleFuc(l):

11    q = Queue()

12    threads = []

13    for i in range(4):

14        t = threading.Thread(target=job, args=(copy.copy(l), q))

15        t.start()

16        threads.append(t)

17        

18    [t.join() for t in threads]

19    total = 0

20    for x in range(4):

21        total = total + q.get()

22

23    print(total)

24

25def normal(l):

26    total = sum(l)

27    print(total)

28

29

30if __name__ == '__main__':

31    l = list(range(1000000))

32    s_t = time.time()

33

34    normal(l*4)

35    print('普通方法执行时间是：', time.time()-s_t)

36    s_t = time.time()

37    exampleFuc(l)

38    print('多线程执行时间是：', time.time()-s_t)

39

40

1
2
1运行结果： 

2

1
2
3
4
5
6
7
1============= RESTART: C:\Users\Anthony\Desktop\thread_queue.py =============

21999998000000

3普通方法执行时间是： 0.26999735832214355

41999998000000

5多线程执行时间是： 0.3099970817565918

6>>> 

7

1
2
1从结果可以看到，普通方法执行时间大概是0.2秒，多线程执行的时候是0.3秒，多线程效率反而更低。  

2