在python并行處理任務時要使用多線程還是多進程？ 說到這個話題，必須要提的GIL( Global Interpreter Lock)全局解釋鎖，當Cpython每次執(zhí)行字節(jié)碼時都要先申請這個鎖。那么問題就來了，如果使用多線程是比也會受到影響。

? ? ? ?多線程和多進程程序比較，哪個性能更高？還是拿一個實例運行來看看吧～?

?

            
              ＃寫一個簡單的例子，計算100W個隨機數(shù)的和8次，同時將分散到8個線程進行運算。
＃thread.py

#!/usr/bin/env python

import random
import threading

results = []

def compute():
    results.append(
        sum([random.randint(1,100) for i in range(1000000)]))

def main():        
    workers = [threading.Thread(target(compute) for  x in range(8))]

    for worker in workers:
        worker.start()
    
    for woker in workers:
        worker.join()
    print("Result: %s" % results)
   
   
if __name__  == "__main__":
    main()
    

    
#相同的功能，使用多進程來實現(xiàn)
#worker.py

#!/usr/bin/env python

import multiprocessing
import random

def compute(n):
    return sum(
        [random.randint(1,100) for i in range(1000000)])
        
def main():
    pool = multiprocessing.Pool(8)
    print("Results: %s" % pool.map(compute, range(8)))
    
if __name__ == "__main__":
    main()
            
          

?

?兩個代碼片段已經(jīng)寫完了，接下來我找了三種配置的機器來運行這兩段代碼：

?

配置1	? ? ? 1Core	? ? ? ? ? ? ?2GB內(nèi)存
配置2	? ? ? 4Core	? ? ? ? ? ? ?8GB內(nèi)存
配置3	? ? ? 48Core	? ? ? ? ? ? ?64GB內(nèi)存

?

實驗1:

兩端代碼同時在1Core 2GB機器上運行，查看運行結果：

?

從運行結果來看，多線程的程序比多進程的程序效率要高，使用cpu都是99%(由于機器只有一個Core，多進程沒有體現(xiàn)它的價值)。

?

實驗2:

兩段代碼同時在4Core 8GB內(nèi)存機器上運行，查看運行結果：

?

從運行結果來看，多進程程序效率比多線程程序效率要高1倍還要多。cpu使用上多線程卡在了141%，多進程跑到了379%，這里體現(xiàn)出多進程的優(yōu)勢。

?

實驗3:

兩段代碼同時在48core 64GB內(nèi)存機器上跑，查看運行結果：

?

從運行結果來看，多進程程序cpu可以跑到715%(程序設置了開啟8個worker進程，所以不會超過800%)，而多線程卡在了124%。

?

通過以上測試結果，已經(jīng)可以得出。 python下多進程程序要比多線程程序要高效。并且會隨著Core數(shù)不斷的增加，性能也會得到提升。

?

所以考慮在一定的時間內(nèi)并行處理一些工作時，最好依靠多進程創(chuàng)建多個作業(yè)，以便在多個cpu之間分散負載。