多线程下每个线程的执行方式

当前位置:

首页 > 编程开发 > python爬虫 >

多线程下每个线程的执行方式

在Python多线程下，每个线程的执行方式：
1、获取GIL
2、执行代码直到sleep或是python虚拟机将其挂起。
3、释放GIL
GIL全局解析器锁（global interpreter lock），其作用在单核的情况下可以实现多任务(并发) 每个线程在执行时候都需要先获取GIL，保证同一时刻只有一个线程可以执行代码，即同一时刻只有一个线程使用CPU，也就是说多线程并不是真正意义上的同时执行

并行：多个CPU同时执行多个任务，就好像有两个程序，这两个程序是真的在两个不同的CPU内同时被执行。
并发：CPU交替处理多个任务，还是有两个程序，但是只有一个CPU，会交替处理这两个程序，而不是同时执行，只不过因为CPU执行的速度过快，而会使得人们感到是在“同时”执行，执行的先后取决于各个程序对于时间片资源的争夺。并行和并发同属于多任务，目的是要提高CPU的使用效率。这里需要注意的是，一个CPU永远不可能实现并行，即一个CPU不能同时运行多个程序，但是可以在随机分配的时间片内交替执行（并发），就好像一个人不能同时看两本书，但是却能够先看第一本书半分钟，再看第二本书半分钟，这样来回切换。

多线程并不会充分调用两个CPU，而是会像在一个CPU上充分运转，而多进程则是会完全调用两个CPU，同时执行；
对于任何Python程序，不管有多少的处理器，任何时候都总是只有一个线程在执行。

Python 多线程实例
import threading
from queue import Queue
def list_Avg(list_1):
    # 取列表值的总和
    Len = len(list_1)
    total=0
    for i in range(0, len(list_1)):
        total = total + list_1[i]
    Avg = total / Len
    return Avg
def job(li, q):
    q.put(list_Avg(li))   # 将任务的执行结果存储到队列中;
def use_thread():
    # 实例化一个队列，用来存储每个线程执行的结果
    q = Queue()
    list1 = [range(6), range(6,18), range(1000, 6000)]
    # 创建线程列表
    threads = []
    for li in list1:
        t = threading.Thread(target=job, args=(li, q))
        t.start()
        threads.append(t)
    for thread in threads:
        thread.join()
        # 等待队列中所有线程完成;
    results = []
    for li in list1:
        results.append(q.get())
    print(results)
if __name__ == "__main__":
    use_thread()

栏目列表